CN103675637A - 功率mosfet健康状态评估与剩余寿命预测方法 - Google Patents
功率mosfet健康状态评估与剩余寿命预测方法 Download PDFInfo
- Publication number
- CN103675637A CN103675637A CN201310581060.2A CN201310581060A CN103675637A CN 103675637 A CN103675637 A CN 103675637A CN 201310581060 A CN201310581060 A CN 201310581060A CN 103675637 A CN103675637 A CN 103675637A
- Authority
- CN
- China
- Prior art keywords
- power mosfet
- constantly
- health status
- mahalanobis distance
- life
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明公开功率MOSFET健康状态评估与剩余寿命预测方法,具体步骤为:首先采集健康功率MOSFET的漏源极电压、漏源极电流和阈值电压,获取健康功率MOSFET的马氏距离,并进行Box-Cox变换以得到正态分布化的马氏距离,从而确定功率MOSFET的健康状态评估基准阈值,并选取正态分布化的马氏距离作为评估被测功率MOSFET的健康状态特征参数;然后对监测被测功率MOSFET的漏源极电压、漏源极电流和阈值电压进行健康状态评估;最后,根据被测MOSFET的不同健康状态建立不同剩余寿命预测模型。本发明将功率MOSFET的多特征参数变换为单特征参数进行健康状态评估,同时考虑了工作条件的温度和电压应力,建立了正常状态和异常状态下的剩余寿命预测模型,从而能够准确预测被测功率MOSFET的剩余寿命。
Description
技术领域
本发明涉及一种功率MOSFET健康状态评估与剩余寿命预测方法,属于可靠性评估和电子故障预测与健康管理领域。
背景技术
随着半导体技术的不断进步与发展,功率MOSFET作为DC-DC电源模块、光伏逆变器等电力电子电路中开关功率器件的主要选择,是电子和电气机载自治功能子系统中不可缺少的器件,广泛应用于航空航天、轨道交通、新能源发电、导航和雷达系统等领域。通常,电路的退化或者失效往往是由某个或者某些关键器件导致的,有研究统计表明,功率MOSFET在电力电子电路中引起的故障率高达31%。对于关键任务系统而言,其性能退化及失效将极大地影响系统的正常安全运行,因此为避免这样的失效而引起的重大损失具有十分重要意义,从而需要健康状态评估与剩余寿命预测方法,为维修、更换和备件策略制定的重要依据。
目前,国内外对功率MOSFET的失效机理、失效模式的分析研究较多,而对其进行健康状态评估与剩余寿命预测的研究较少,采用的方法为选取单一的导通电阻或者阈值电压作为失效特征参数进行健康评估或故障预测,即仅考虑了某一种失效模式情形下的退化规律。然而,功率MOSFET在实际工作过程中,受到温度、电压等应力的同时作用,其失效形式可能由多个失效模式共同表征。因此,为准确评估功率MOSFET的健康状态及预测其剩余寿命需要选取恰当的健康状态特征参数以及合适的剩余寿命预测模型。
本发明融合功率MOSFET分别在电应力和温度应力失效下的特征参数,重新选取能够表征MOSFET在电应力和温度应力共同作用下健康状态的特征参数,以此评估被测功率MOSFET的健康状态。同时,根据健康状态的不同建立不同的寿命预测模型,本发明中建立的分数阶SVM预测模型,具有更好的泛化能力,预测精度更高。
发明内容
本发明的目的在于提供一种功率MOSFET健康状态评估与剩余寿命预测方法,通过采集健康功率MOSFET在正常工作条件下的阈值电压、漏源极电压和漏源极电流,建立Box-Cox变换的马氏距离模型,确定功率MOSFET的健康状态评估基准阈值。根据被测功率MOSFET的健康状态建立不同的剩余寿命预测模型,对于处于异常状态的功率MOSFET建立分数阶SVM(Support Vector Machine,支持向量机)预测模型,对于处于正常状态的功率MOSFET建立加速因子寿命模型。
为实现上述目的,本发明的功率MOSFET健康状态评估与剩余寿命预测方法,具体包括以下步骤:
步骤1:定义标称工作条件下(温度为25℃)性能参数满足要求的功率MOSFET为健康功率MOSFET;等时间间隔连续采集健康功率MOSFET在m个时刻的阈值电压Vth(i)、漏源极电压VDS(i)和漏源极电流IDS(i),计算导通电阻RDS(i)=VDS(i)/IDS(i),其中i=1,2,…,m;由导通电阻RDS(i)和阈值电压Vth(i)获得马氏距离MD(i),将马氏距离MD(i)经Box-Cox变换得到正态分布化的马氏距离服从正态分布N(μ,δ2),其中μ为的均值,δ2为的方差;以正态分布化的马氏距离作为功率MOSFET的健康状态特征参数,确定功率MOSFET的健康状态评估基准阈值为L1=(μ+3δ);
步骤2:计算被测功率MOSFET在Tn时刻时的健康状态特征参数评估被测功率MOSFET的健康状态;选取功率MOSFET的失效阈值L2,并且L2>L1;当时,判定此时被测功率MOSFET为正常状态,采用步骤3进行剩余寿命预测;当时,判定其为异常状态,采用步骤4预测其剩余寿命;当时,判定其为失效状态,即被测功率MOSFET寿命终结;
步骤3:依据Tn时刻被测功率MOSFET的工作温度Temp(n)和阈值电压Vth(n)计算当前状态下的加速因子AF(n)并结合功率MOSFET生产商提供的MTTF(Mean Time To Failure,平均失效时间)建立加速因子寿命模型:
Tn时刻的加速因子AF(n)为:
其中,TEOL(n)为被测功率MOSFET在Tn时刻的剩余寿命(由于AF(n)为一数值,因此下面参数选取时不考虑其单位);β为一常数,取β=3;Temp(R)为标称绝对温度,Temp(R)=(25+273);Ea为功率MOSFET的激活能,Ea=1.0;k为玻尔兹曼常数,k=0.00008617;为健康功率MOSFET的平均阈值电压,
步骤4:选取分数阶傅里叶变换核函数建立分数阶SVM预测模型,由T1~Tn时刻的建立数据集作为分数阶SVM预测模型的训练样本数据,其中j=1,2,…,n;当预测到Tn+p-1时刻且Tn+p时刻时,则可得到Tn时刻被测功率MOSFET的剩余寿命为:TEOL=Tn+p-Tn;
本发明解决了功率MOSFET在失效过程中可能存在的多种失效模式同时发生引起的多个失效特征参数同时变化而无法准确评估与预测的问题,考虑了功率MOSFET工作过程中的电应力和温度应力变化,从而可以精确地预测功率MOSFET的健康状态与剩余寿命。
附图说明
图1是功率MOSFET健康状态评估与剩余寿命预测方法流程图;
具体实施方式
下面结合说明书附图对本发明的技术方案进行详细说明。
如图1所示,采集健康功率MOSFET在正常工作条件下的阈值电压、漏源极电压和漏源极电流,建立Box-Cox变换的马氏距离模型,确定功率MOSFET的健康状态评估基准阈值。根据被测功率MOSFET的健康状态建立不同的剩余寿命预测模型,对于处于异常状态的功率MOSFET建立分数阶SVM寿命预测模型,对于处于正常状态的功率MOSFET建立基于加速因子的剩余寿命预测模型。
功率MOSFET健康状态评估与剩余寿命预测方法,具体实施方式如下:
步骤1:获取功率MOSFET健康状态评估阈值,其具体步骤如下:
步骤1.1、定义标称工作条件下(温度为25℃)性能参数满足要求的功率MOSFET为健康功率MOSFET;等时间间隔连续采集健康功率MOSFET在m个时刻的阈值电压Vth(i)、漏源极电压VDS(i)和漏源极电流IDS(i),其中i=1,2,…,m;
步骤1.2、根据步骤1.1中采集的Vth(i)、VDS(i)和IDS(i),计算导通电阻RDS(i)=VDS(i)/IDS(i),其中i=1,2,…,m;将RDS(i)和Vth(i)作为一个二维总体G,总体G的均值为方差为Sq。
记Xqi=[X1i X2i]T=[RDS(i) Vth(i)]T, Zi=[Z1i Z2i]T, 其中q=1,2。
从而,由导通电阻RDS(i)和阈值电压Vth(i)得到马氏距离MD(i)为:
MD(i)=Zi TC-1Zi (1)
对马氏距离MD(i)采取Box-Cox变换,其变换模型为:
其中λ为变换参数。对于λ的选取可以采用极大似然法获得,即首先在一个经验范围内选择参数λ的值,再由
步骤2:采集被测功率MOSFET在Tn时刻时的阈值电压Vth(n)、漏源极电压VDS(n)和漏源极电流IDS(n),计算Tn时刻的导通电阻RDS(n)=Vth(n)/IDS(n),记W(n)=[RDS(n) IDS(n)]T,计算此时刻W(n)与总体G的马氏距离MD(n):
选取功率MOSFET的失效阈值为L2,并且L2>L1,评估Tn时刻被测功率MOSFET的健康状态:
步骤3:依据Tn时刻被测功率MOSFET的工作温度Temp(n)和阈值电压Vth(n)计算当前状态下的加速因子AF(n)(由于AF(n)为一数值,因此下面参数选取时不考虑其单位):
其中,β为一常数,取β=3;Temp(R)为标称绝对温度,Temp(R)=(25+273);Ea为功率MOSFET的激活能,取Ea=1.0;k为玻尔兹曼常数,k=0.00008617;为健康功率MOSFET的平均阈值电压,
结合功率MOSFET生产商提供的MTTF(Mean Time To Failure,平均失效时间)建立加速因子寿命模型:
步骤4:根据被测功率MOSFET在T1~Tn时刻的进行健康状态评估,采用分数阶SVM对其进行时间序列预测,获取功率MOSFET在未来时刻的健康状态,预测其剩余寿命,具体步骤如下:
步骤4.2、选择分数阶SVM预测模型的输入向量维数l(1<l<n),输出向量维数为1,输入向量为l个正态分布化的马氏距离,输出向量为下一时刻的正态分布化马氏距离,对数据进行相空间重构,得到输入向量的个数为u,记训练输入向量为xu;
步骤4.3、选择分数阶傅里叶变换核函数建立分数阶SVM预测模型,记预测输入向量为x,则得到核函数
其中,α=hπ/2,h为分数阶傅里叶变换的分数阶,h的取值一般为0~1,r为整数。
步骤4.4、确定分数阶SVM预测模型的参数,由核函数矩阵计算拉格朗日乘子和偏置值,得到回归函数为:
其中,γd为拉格朗日乘子,b为偏置值。
Claims (4)
1.功率MOSFET健康状态评估与剩余寿命预测方法,其特征在于,具体包括以下步骤:
步骤1:获取功率MOSFET健康状态评估基准阈值,其具体步骤如下:
步骤1.1、定义标称工作条件下(温度为25℃)性能参数满足要求的功率MOSFET为健康功率MOSFET;等时间间隔连续采集健康功率MOSFET在m个时刻的阈值电压Vth(i)、漏源极电压VDS(i)和漏源极电流IDS(i),其中i=1,2,…,m;
步骤1.2、根据步骤1.1中采集的Vth(i)、VDS(i)和IDS(i)建立马氏距离模型MD(i),对马氏距离MD(i)采取Box-Cox变换得到正态分布化的马氏距离服从正态分布N(μ,δ2),其中μ为的均值,δ2为的方差;
步骤1.3、以正态分布化的马氏距离作为功率MOSFET的健康状态特征参数,并确定功率MOSFET的健康状态评估基准阈值为L1=(μ+3δ);
步骤2:计算被测功率MOSFET在Tn时刻时的健康状态特征参数评估被测功率MOSFET的健康状态;选取功率MOSFET的失效阈值L2,并且L2>L1;当时,判定此时被测功率MOSFET为正常状态,采用步骤3进行剩余寿命预测;当时,判定其为异常状态,采用步骤4预测其剩余寿命;当时,判定其为失效状态,即被测功率MOSFET寿命终结;
步骤3:依据Tn时刻被测功率MOSFET的工作温度Temp(n)和阈值电压Vth(n)计算当前状态下的加速因子AF(n)并结合功率MOSFET生产商提供的MTTF(Mean Time To Failure,平均失效时间)建立加速因子寿命模型预测其剩余寿命;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310581060.2A CN103675637B (zh) | 2013-11-14 | 2013-11-14 | 功率mosfet健康状态评估与剩余寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310581060.2A CN103675637B (zh) | 2013-11-14 | 2013-11-14 | 功率mosfet健康状态评估与剩余寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103675637A true CN103675637A (zh) | 2014-03-26 |
CN103675637B CN103675637B (zh) | 2016-03-30 |
Family
ID=50313795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310581060.2A Expired - Fee Related CN103675637B (zh) | 2013-11-14 | 2013-11-14 | 功率mosfet健康状态评估与剩余寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103675637B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104849645A (zh) * | 2015-06-08 | 2015-08-19 | 哈尔滨工业大学 | 基于米勒平台电压的mosfet退化评估方法及采用该方法的mosfet剩余寿命预测方法 |
CN104881580A (zh) * | 2015-05-27 | 2015-09-02 | 中国人民解放军国防科学技术大学 | 一种卫星驱动机构在轨健康状态指标提取及寿命预测方法 |
CN105158670A (zh) * | 2015-10-13 | 2015-12-16 | 中国人民解放军海军工程大学 | 基于集电极漏电流的igbt健康状态监测方法 |
CN105242189A (zh) * | 2015-10-13 | 2016-01-13 | 中国人民解放军海军工程大学 | 基于集射极饱和压降与焊料层空洞率的igbt健康状态监测方法 |
CN105300692A (zh) * | 2015-08-07 | 2016-02-03 | 浙江工业大学 | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 |
CN105652175A (zh) * | 2016-01-11 | 2016-06-08 | 北京大学 | 一种不同涨落源对器件电学特性影响幅度的提取方法 |
CN106291303A (zh) * | 2015-06-25 | 2017-01-04 | Abb有限公司 | 电力驱动系统中的功率半导体器件的老化的确定 |
CN106546896A (zh) * | 2016-11-01 | 2017-03-29 | 安徽理工大学 | 多元信息功率mosfet管寿命预测方法 |
CN107315138A (zh) * | 2016-04-21 | 2017-11-03 | 深圳市智鼎自动化技术有限公司 | 功率mosfet的故障预测和健康处理方法及测试系统 |
CN107479000A (zh) * | 2017-08-17 | 2017-12-15 | 北京理工大学 | 一种基于Box‑Cox变换与蒙特卡罗仿真的锂离子动力电池RUL预测方法 |
CN107941537A (zh) * | 2017-10-25 | 2018-04-20 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
CN109101735A (zh) * | 2018-08-16 | 2018-12-28 | 天津大学 | 一种基于rnn的cmos电路性能退化预测方法 |
CN109271670A (zh) * | 2018-08-16 | 2019-01-25 | 天津大学 | 基于bpnn的cmos低噪声放大器性能退化预测方法 |
CN109709465A (zh) * | 2019-01-02 | 2019-05-03 | 电子科技大学 | 一种mosfet漏电电流提取电路 |
CN110687451A (zh) * | 2019-08-28 | 2020-01-14 | 武汉科技大学 | 基于误差补偿的支持向量机锂电池剩余寿命预测方法 |
CN111766495A (zh) * | 2020-06-24 | 2020-10-13 | 珠海迈巨微电子有限责任公司 | Mosfet导通电阻的检测电路和方法、芯片及电池管理系统 |
CN112947290A (zh) * | 2021-05-16 | 2021-06-11 | 北京赛博联物科技有限公司 | 基于边云协同的设备状态监测方法、监测系统及存储介质 |
CN113092975A (zh) * | 2021-03-10 | 2021-07-09 | 上海华虹宏力半导体制造有限公司 | 功率mos器件的源漏击穿电压测试方法 |
CN113945818A (zh) * | 2021-10-26 | 2022-01-18 | 电子科技大学 | 一种mosfet寿命预测方法 |
US11293981B2 (en) | 2020-01-15 | 2022-04-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for false-positive reduction in power electronic device evaluation |
CN116629641A (zh) * | 2023-07-21 | 2023-08-22 | 沈阳嘉越电力数字化产业技术研究院有限公司 | 一种新能源场站并网稳定性评估方法 |
WO2024045351A1 (zh) * | 2022-08-29 | 2024-03-07 | 北京智芯微电子科技有限公司 | Cmos器件寿命预测方法、装置、电子设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009019953A (ja) * | 2007-07-11 | 2009-01-29 | Fuji Electric Device Technology Co Ltd | 半導体装置の劣化検出方法 |
CN102393501A (zh) * | 2011-10-14 | 2012-03-28 | 哈尔滨工业大学 | 一种mosfet可靠性测试分析系统及方法 |
CN102590726A (zh) * | 2012-02-23 | 2012-07-18 | 北京航空航天大学 | 一种评估功率vmos管寿命以及可靠性的分析方法 |
-
2013
- 2013-11-14 CN CN201310581060.2A patent/CN103675637B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009019953A (ja) * | 2007-07-11 | 2009-01-29 | Fuji Electric Device Technology Co Ltd | 半導体装置の劣化検出方法 |
CN102393501A (zh) * | 2011-10-14 | 2012-03-28 | 哈尔滨工业大学 | 一种mosfet可靠性测试分析系统及方法 |
CN102590726A (zh) * | 2012-02-23 | 2012-07-18 | 北京航空航天大学 | 一种评估功率vmos管寿命以及可靠性的分析方法 |
Non-Patent Citations (2)
Title |
---|
吕克洪等: "基于动态损伤及优化AR模型的电子器件寿命预测方法研究", 《兵工学报》 * |
意大利ST微电子公司: "功率器件的应力和可靠性:一项创新的预估器件寿命的热分析方法", 《电力电子》 * |
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881580A (zh) * | 2015-05-27 | 2015-09-02 | 中国人民解放军国防科学技术大学 | 一种卫星驱动机构在轨健康状态指标提取及寿命预测方法 |
CN104881580B (zh) * | 2015-05-27 | 2017-08-29 | 中国人民解放军国防科学技术大学 | 一种卫星驱动机构在轨健康状态指标提取及寿命预测方法 |
CN104849645A (zh) * | 2015-06-08 | 2015-08-19 | 哈尔滨工业大学 | 基于米勒平台电压的mosfet退化评估方法及采用该方法的mosfet剩余寿命预测方法 |
CN106291303A (zh) * | 2015-06-25 | 2017-01-04 | Abb有限公司 | 电力驱动系统中的功率半导体器件的老化的确定 |
CN105300692A (zh) * | 2015-08-07 | 2016-02-03 | 浙江工业大学 | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 |
CN105300692B (zh) * | 2015-08-07 | 2017-09-05 | 浙江工业大学 | 一种基于扩展卡尔曼滤波算法的轴承故障诊断及预测方法 |
CN105158670B (zh) * | 2015-10-13 | 2018-04-17 | 中国人民解放军海军工程大学 | 基于集电极漏电流的igbt健康状态监测方法 |
CN105158670A (zh) * | 2015-10-13 | 2015-12-16 | 中国人民解放军海军工程大学 | 基于集电极漏电流的igbt健康状态监测方法 |
CN105242189B (zh) * | 2015-10-13 | 2018-10-19 | 中国人民解放军海军工程大学 | 基于集射极饱和压降与焊料层空洞率的igbt健康状态监测方法 |
CN105242189A (zh) * | 2015-10-13 | 2016-01-13 | 中国人民解放军海军工程大学 | 基于集射极饱和压降与焊料层空洞率的igbt健康状态监测方法 |
CN105652175B (zh) * | 2016-01-11 | 2018-07-13 | 北京大学 | 一种不同涨落源对器件电学特性影响幅度的提取方法 |
CN105652175A (zh) * | 2016-01-11 | 2016-06-08 | 北京大学 | 一种不同涨落源对器件电学特性影响幅度的提取方法 |
CN107315138A (zh) * | 2016-04-21 | 2017-11-03 | 深圳市智鼎自动化技术有限公司 | 功率mosfet的故障预测和健康处理方法及测试系统 |
CN107315138B (zh) * | 2016-04-21 | 2021-07-02 | 深圳市智鼎自动化技术有限公司 | 功率mosfet的故障预测和健康处理方法及测试系统 |
CN106546896A (zh) * | 2016-11-01 | 2017-03-29 | 安徽理工大学 | 多元信息功率mosfet管寿命预测方法 |
CN106546896B (zh) * | 2016-11-01 | 2019-02-22 | 安徽理工大学 | 多元信息功率mosfet管寿命预测方法 |
CN107479000A (zh) * | 2017-08-17 | 2017-12-15 | 北京理工大学 | 一种基于Box‑Cox变换与蒙特卡罗仿真的锂离子动力电池RUL预测方法 |
CN107479000B (zh) * | 2017-08-17 | 2019-10-11 | 北京理工大学 | 一种基于Box-Cox变换与蒙特卡罗仿真的锂离子动力电池RUL预测方法 |
CN107941537A (zh) * | 2017-10-25 | 2018-04-20 | 南京航空航天大学 | 一种机械设备健康状态评估方法 |
CN109101735A (zh) * | 2018-08-16 | 2018-12-28 | 天津大学 | 一种基于rnn的cmos电路性能退化预测方法 |
CN109271670A (zh) * | 2018-08-16 | 2019-01-25 | 天津大学 | 基于bpnn的cmos低噪声放大器性能退化预测方法 |
CN109709465A (zh) * | 2019-01-02 | 2019-05-03 | 电子科技大学 | 一种mosfet漏电电流提取电路 |
CN109709465B (zh) * | 2019-01-02 | 2020-10-27 | 电子科技大学 | 一种mosfet漏电电流提取电路 |
CN110687451A (zh) * | 2019-08-28 | 2020-01-14 | 武汉科技大学 | 基于误差补偿的支持向量机锂电池剩余寿命预测方法 |
US11293981B2 (en) | 2020-01-15 | 2022-04-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for false-positive reduction in power electronic device evaluation |
CN111766495A (zh) * | 2020-06-24 | 2020-10-13 | 珠海迈巨微电子有限责任公司 | Mosfet导通电阻的检测电路和方法、芯片及电池管理系统 |
CN113092975A (zh) * | 2021-03-10 | 2021-07-09 | 上海华虹宏力半导体制造有限公司 | 功率mos器件的源漏击穿电压测试方法 |
CN113092975B (zh) * | 2021-03-10 | 2024-04-19 | 上海华虹宏力半导体制造有限公司 | 功率mos器件的源漏击穿电压测试方法 |
CN112947290A (zh) * | 2021-05-16 | 2021-06-11 | 北京赛博联物科技有限公司 | 基于边云协同的设备状态监测方法、监测系统及存储介质 |
CN112947290B (zh) * | 2021-05-16 | 2021-08-20 | 北京赛博联物科技有限公司 | 基于边云协同的设备状态监测方法、监测系统及存储介质 |
CN113945818A (zh) * | 2021-10-26 | 2022-01-18 | 电子科技大学 | 一种mosfet寿命预测方法 |
WO2024045351A1 (zh) * | 2022-08-29 | 2024-03-07 | 北京智芯微电子科技有限公司 | Cmos器件寿命预测方法、装置、电子设备及介质 |
CN116629641A (zh) * | 2023-07-21 | 2023-08-22 | 沈阳嘉越电力数字化产业技术研究院有限公司 | 一种新能源场站并网稳定性评估方法 |
CN116629641B (zh) * | 2023-07-21 | 2023-10-03 | 沈阳嘉越电力数字化产业技术研究院有限公司 | 一种新能源场站并网稳定性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103675637B (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103675637B (zh) | 功率mosfet健康状态评估与剩余寿命预测方法 | |
Wang et al. | Planning of step-stress accelerated degradation test based on the inverse Gaussian process | |
JP7266587B2 (ja) | 再充電可能なバッテリを制御するための方法およびシステム | |
CA2786067C (en) | Battery adaptive learning management system | |
Wang et al. | Prognostics of lithium-ion batteries based on relevance vectors and a conditional three-parameter capacity degradation model | |
CN107315138B (zh) | 功率mosfet的故障预测和健康处理方法及测试系统 | |
Widodo et al. | Intelligent prognostics for battery health monitoring based on sample entropy | |
Xu et al. | A hierarchical model for lithium-ion battery degradation prediction | |
CN102636740B (zh) | 一种基于frm-rvm的电力电子电路故障预测方法 | |
Xiong et al. | Research on an online identification algorithm for a thevenin battery model by an experimental approach | |
Qiu et al. | A novel entropy-based fault diagnosis and inconsistency evaluation approach for lithium-ion battery energy storage systems | |
US10838012B2 (en) | Method of diagnosing an electrical energy storage apparatus, an electronic device for use in an electrical energy storage apparatus and an electrical energy storage apparatus | |
US20210405120A1 (en) | Information processing device, information processing method, non-transitory computer readable medium, and information processing system | |
CN103983920A (zh) | 一种建立电动车辆的动力电池的模型的方法 | |
Sun et al. | Adaptive evolution enhanced physics-informed neural networks for time-variant health prognosis of lithium-ion batteries | |
Chen et al. | A novel fusion model based online state of power estimation method for lithium-ion capacitor | |
KR20190069213A (ko) | 원격 모니터링 기반 태양광 발전소 운영 관리 방법 및 장치 | |
Das et al. | Analyzing electric vehicle battery health performance using supervised machine learning | |
Garg et al. | Reconfigurable battery systems: Challenges and safety solutions using intelligent system framework based on digital twins | |
EP3499671B1 (en) | Power usage prediction system and method | |
Su et al. | Experimental study on charging energy efficiency of lithium-ion battery under different charging stress | |
Yang et al. | Lithium-ion battery life cycle prediction with deep learning regression model | |
JP6086768B2 (ja) | 充放電検査システム | |
Li et al. | An Improved Model Combining Machine Learning and Kalman Filtering Architecture for State of Charge Estimation of Lithium-Ion Batteries | |
KR20220009258A (ko) | 배터리 관리 장치, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160330 Termination date: 20191114 |