博客
关于我
ABB高过载能力脉冲电流互感器
阅读量:281 次
发布时间:2019-03-01

本文共 422 字,大约阅读时间需要 1 分钟。

ABB电流互感器采用双回路设计,具备电气隔离功能,能够精准测量直流、交流及脉动电流。

性能亮点

  • 电气隔离设计:采用一次线圈和二次线圈的双重隔离结构,确保测量安全性。
  • 多波形测量能力:可精确捕捉直流、交流及各种脉动电流波形特性。
  • 高精度与高动态:测量精度可达±0.5%,动态性能满足0-200kHz测量带宽需求。
  • 强大的过载能力:可承受高达40kA的峰值电流,保证长时间稳定运行。
  • 卓越的可靠性:设计结构可靠,适用于复杂工业环境。

技术特点

  • 电气隔离实现:一次与二次线圈之间采用双层电气隔离设计。
  • 多种电流测量:支持直流、交流及脉动电流的精确测量。
  • 高性能指标:精度小于0.1%,线性度优秀,动态响应灵敏。
  • 抗过载能力:可持续承受高达40kA的瞬态电流冲击。

规格参数

  • 测量范围:5A至2kA
  • 测量精度:±0.5%
  • 测量带宽:0-200kHz
  • 电压隔离能力:3kV至4kV

ABB电流互感器凭借其卓越的性能和可靠性,成为电力电路监测中的理想选择。

转载地址:http://nzft.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>