CN108880113A - 一种电动车电机的散热方法 - Google Patents
一种电动车电机的散热方法 Download PDFInfo
- Publication number
- CN108880113A CN108880113A CN201810948358.5A CN201810948358A CN108880113A CN 108880113 A CN108880113 A CN 108880113A CN 201810948358 A CN201810948358 A CN 201810948358A CN 108880113 A CN108880113 A CN 108880113A
- Authority
- CN
- China
- Prior art keywords
- data
- motor
- control system
- annular semiconductor
- semiconductor
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000001816 cooling Methods 0.000 claims abstract description 34
- 239000004065 semiconductor Substances 0.000 claims abstract description 30
- 239000004411 aluminium Substances 0.000 claims abstract description 12
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims abstract description 12
- 229910052782 aluminium Inorganic materials 0.000 claims abstract description 12
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 11
- 239000010949 copper Substances 0.000 claims abstract description 11
- 229910052802 copper Inorganic materials 0.000 claims abstract description 11
- 239000007788 liquid Substances 0.000 claims abstract description 11
- 230000017525 heat dissipation Effects 0.000 claims abstract description 10
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 4
- 238000005057 refrigeration Methods 0.000 claims abstract description 4
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 13
- 210000005036 nerve Anatomy 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 3
- 210000000481 breast Anatomy 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000002826 coolant Substances 0.000 description 7
- 230000005611 electricity Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 239000006173 Good's buffer Substances 0.000 description 1
- 241001124569 Lycaenidae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000014987 copper Nutrition 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K9/00—Arrangements for cooling or ventilating
- H02K9/22—Arrangements for cooling or ventilating by solid heat conducting material embedded in, or arranged in contact with, the stator or rotor, e.g. heat bridges
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K9/00—Arrangements for cooling or ventilating
- H02K9/19—Arrangements for cooling or ventilating for machines with closed casing and closed-circuit cooling using a liquid cooling medium, e.g. oil
- H02K9/20—Arrangements for cooling or ventilating for machines with closed casing and closed-circuit cooling using a liquid cooling medium, e.g. oil wherein the cooling medium vaporises within the machine casing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/64—Electric machine technologies in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Cooling Or The Like Of Electrical Apparatus (AREA)
Abstract
本发明公开了一种电动车电机的散热方法。环形半导体用来套在汽车轴承上，环形半导体外包裹一层散热铝片，在环形半导体和散热铝片之间安插有若干散热铜管，散热铜管内填充有气液两相高效制冷剂，散热铜管与环形半导体和散热铝片连接，能够充分将电机的热了散发，并采用降温控制系统连接环形半导体，通过降温控制系统控制其制冷温度。本发明的有益效果是能有效在高震情况下保持正常工作状态。能够预测电机的发热状况，及时调整半导体的冷却温度，以做到效率最大化的降温。
Description
技术领域
本发明属于汽车技术领域，涉及一种纯电动车电机的散热方案以及降温模块。
背景技术
电动汽车无疑是时下最为“热门”的产品之一，世界各大知名汽车生产厂商都在奋力角逐这一“新鲜事物”，当然国内企业也不甘落后，而电动车整车组配过程中，电机的好坏又直接决定了整车性能的高低，我国电动汽车产业发展与国外差距正在拉大，其中电机的差距尤为明显。
由于新能源汽车的发展，纯电动汽车所用电机市场已经成为重点销售方向，虽然很多国内企业都宣称自己拥有全产业链的科研实力，但是真正好的电机一定是需要长期的技术积累，然后才能试制、测试，最终才能走向批量生产。国内真正有实力做新能源电机的整车企业很少，尤其是在乘用车领域，在各企业大力宣扬拥有核心自主的背景下，大家都不愿对外展示作为新能源汽车核心部件之一的电机环节仍处于受制于人的境况。在中国号称做新能源电机的企业很多，但是专业做新能源电机的企业很少，很多企业都是从做传统的机械、船舶等传统工业电机领域转行进入新能源驱动电机领域，几乎没有研发、生产经验。虽然传统工业电机与新能源汽车电机在原理上是相通的，但是在实际制造上还是存在不小区别的。新能源汽车所用电机分为异步电机和永磁电机两种，前者主要用于载运、客运等商用车，而后者主要用于乘用车。由于异步电机的转子无绕组，也无电刷，没有磁感应，功率转换效率低，构造也简单，价格也比较便宜，主要应用于大型客车；而永磁电机的转子有绕组，有电刷向转子供电，功率转换效率大，结构较复杂，价格也贵，主要用于对转速要求严厉的环境，比如纯电动乘用车。在此过程中很多电机配套企业都是急忙上马，将传统工业电机进行简单的技术改进，当作新能源汽车电机提供给整车厂。但在国外，生产新能源汽车电机存在着多项严格的技术指标。新能源汽车，尤其是纯电动汽车在爬坡、下坡、平坦路面、颠簸路面等不同路况行驶时，电机的输出功率不一样。国内很多电机厂仅仅是在传统工业电机的生产经验上稍加改进，完全没有考虑到新能源汽车电机的使用环境，仍然使用冷却液对电机进行降温，而冷却液存在极易漏液的情况，并且其吸收热量的曲线过于单一，不吻合电机的发热曲线，会导致降温效率不足，易造成电机局部过热、线路短路等危险情况。
电动车主要使用轴电机，使用环境有别于普通车辆使用环境，轴电机的安装位置非常接近地面，并且不同于箱电机，轴电机没有良好的缓冲模块，因此会承受长期的震动和许多意外碰撞，因此本身就容易漏液的冷却液降温系统在此环境下也更加脆弱，而电动车电机本身需求的工作强度就更高，一旦发生冷却液漏液就很容易发生局部过热和短路的情况。
发明内容
本发明的目的在于提供一种电动车电机的散热方法。本发明所采用的技术方案是包括环形半导体，环形半导体用来套在汽车轴承上，环形半导体外包裹一层散热铝片，在环形半导体和散热铝片之间安插有若干散热铜管，散热铜管内填充有气液两相高效制冷剂，散热铜管与环形半导体和散热铝片连接，能够充分将电机的热量散发，并采用降温控制系统连接环形半导体，通过降温控制系统控制其制冷温度。
进一步，降温控制系统采用降温神经网络模型，利用多点温度梯度检测传感器测量电机目前的发热状况和震动系数，传给神经网络，神经网络根据学习结果，将实际系数传入，计算得出接下来可能的电机温度变化，并传给控制系统，控制系统根据传回结果决定半导体冷却温度的调整，以适应接下来的电机温度变化，保证电机始终处于稳定的温度范围。
进一步，降温神经网络模型采用左右两边粒子分开重新采样的方法，包括x1、x2两组变量，表示电机发热数据和半导体发冷数据，y为训练得到的神经网络，即两者结合的强非线性曲线，确保在真实温度或功率轨迹的左右都存在预测粒子，保持预测的连续性，不断档，所述粒子滤波算法先对数据进行一次重复性的权重筛选，将重复性最高的数据作为权重最大的数据，其它作为权重较小的，权重小于阈值的数据直接舍弃，不作为规律性列入；然后根据数据的重要程度进行权重筛选，把数据按照其价值给予权重，将阈值以下的数据舍弃，然后对两个筛选结果做交叉对比，得出数据的曲线。
进一步，粒子滤波算法将阈值先设为最中心的数据，然后对左右两侧的数据进行阈值比对，并且根据比对结果不断调整阈值，最终将两边的阈值结合，得出最佳阈值。
本发明的有益效果是将冷却液降温系统替换成半导体固体降温系统，能有效在高震情况下保持正常工作状态。而为了提高降温效率，将预测系统引入降温系统，由于电机发热的过程并非一个线性过程，制冷片发冷的过程也并非一个线性过程，把两者组合起来的系统就是一个强非线性系统了，简单的线性降温也就无法满足实际情况，因此本发明使用粒子滤波算法建立一个神经网络，利用多点温度梯度检测传感器测量电机的发热规律以及制冷片发冷的规律，并用联合数据训练级联的神经网络，第一级神经网路学习电机发热的特性，第二级神经网路学习制冷片发冷的特性，两级联合学习电机发热与冷片发冷的荷载时候的互动特性，使其能够做到预测电机的发热状况，及时调整半导体的冷却温度，以做到效率最大化的降温。
附图说明
图1半导体固体降温系统；
图2降温神经网络模型；
图3神经网络降温模拟流程。
具体实施方式
下面结合具体实施方式对本发明进行详细说明。
本发明硬件系统如图1所示，包括环形半导体1，环形半导体1用来套在汽车轴承4上，环形半导体外包裹一层散热铝片2，在环形半导体1和散热铝片2之间安插有若干散热铜管3，散热铜管3内填充有气液两相高效制冷剂。散热铜管3与环形半导体1和散热铝片2连接，能够充分将电机的热了散发，并采用降温控制系统连接环形半导体1，通过降温控制系统控制其制冷温度。
如图2和图3所示，所述降温控制系统采用降温神经网络模型，利用多点温度梯度检测传感器测量电机目前的发热状况和震动等系数，传回给已建立好的神经网络，神经网络根据学习结果，将系数传入，计算得出接下来可能的电机温度变化，并传回给控制系统，控制系统根据传回结果决定半导体冷却温度的调整，以适应接下来的电机温度变化。保证电机始终处于稳定的温度范围。降温控制系统根据不同车型和电机型号，事先采集足够多的电机发热数据，用数据建立数学模型，得出电机发热的数学曲线，根据此曲线使用量子特性的粒子滤波算法建立级联的神经网络，并利用采集的数据训练神经网络，获得不同车型不同电机的相应神经网络模型。在实际使用中，将神经网络导入车辆控制系统，实时监控电机的发热情况和车辆行驶状况，采集温度和震动等数据，较大的振动不但影响电机正常工作，也影响电池正常工作，所以也需要关注，传给控制系统，利用已训练好的神经网络对电机状况做较为准确的判断，决定半导体的降温趋势。
如图2所示，降温神经网络模型包括x1、x2两组变量，表示电机发热数据和半导体发冷数据，y为训练得到的神经网络，即两者结合的强非线性曲线。本发明采用左右两边粒子分开重新采样的方法，确保在真实温度或功率轨迹的左右都存在预测粒子，保持预测的连续性，不断档，从而确保最终结果的准确性。所述粒子滤波算法用最易于理解的方式解释，即根据数据的权重对数据进行多次重复筛选，最终得出一个数据规律的过程。其中，先对数据进行一次重复性的权重筛选，将重复性最高的数据作为权重最大的数据，其它作为权重较小的，权重小于阈值的数据直接舍弃，不作为规律性列入；然后根据数据的重要程度进行权重筛选，把数据按照其价值给予权重，将阈值以下的数据舍弃，然后对两个筛选结果做交叉对比，总结规律，则可以得出数据的曲线。但有时候，数据可能权重大，但是数据量少，那么阈值的采取也会因此有偏差，导致一些相对有价值，但是数据量小的数据被舍弃，或者出现其它类似偏颇的情况，因此在此基础上，我们提出了将阈值先设为最中心的数据，然后对左右两侧的数据进行阈值比对，并且根据比对结果不断调整阈值，最终将两边的阈值结合，即能够得出最佳阈值，以筛选出最优秀数据的方案。
本发明的优点还在于：
1、利用固体降温，相比现有电机的冷却液降温系统更稳定，更有可靠性。
2、利用具有量子特性的粒子滤波，相比现有的无控制系统的降温系统更适应电动车电机的发热规律，能更好地预测即将来临的发热状况。
3、利用级联神经网路学习，相比现有的冷却液降温系统，能将电机的性能发挥地更好。
以上所述仅是对本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施方式所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
Claims (4)
1.一种电动车电机的散热方法，其特征在于：包括环形半导体，环形半导体用来套在汽车轴承上，环形半导体外包裹一层散热铝片，在环形半导体和散热铝片之间安插有若干散热铜管，散热铜管内填充有气液两相高效制冷剂，散热铜管与环形半导体和散热铝片连接，能够充分将电机的热了散发，并采用降温控制系统连接环形半导体，通过降温控制系统控制其制冷温度。
2.按照权利要求1所述一种电动车电机的散热方法，其特征在于：所述降温控制系统采用降温神经网络模型，利用多点温度梯度检测传感器测量电机目前的发热状况和震动系数，传给神经网络，神经网络根据学习结果，将实际系数传入，计算得出接下来可能的电机温度变化，并传给控制系统，控制系统根据传回结果决定半导体冷却温度的调整，以适应接下来的电机温度变化，保证电机始终处于稳定的温度范围。
3.按照权利要求1所述一种电动车电机的散热方法，其特征在于：所述降温神经网络模型采用左右两边粒子分开重新采样的方法，包括x1、x2两组变量，表示电机发热数据和半导体发冷数据，y为训练得到的神经网络，即两者结合的强非线性曲线，确保在真实温度或功率轨迹的左右都存在预测粒子，保持预测的连续性，不断档，所述粒子滤波算法先对数据进行一次重复性的权重筛选，将重复性最高的数据作为权重最大的数据，其它作为权重较小的，权重小于阈值的数据直接舍弃，不作为规律性列入；然后根据数据的重要程度进行权重筛选，把数据按照其价值给予权重，将阈值以下的数据舍弃，然后对两个筛选结果做交叉对比，得出数据的曲线。
4.按照权利要求3所述一种电动车电机的散热方法，其特征在于：所述粒子滤波算法将阈值先设为最中心的数据，然后对左右两侧的数据进行阈值比对，并且根据比对结果不断调整阈值，最终将两边的阈值结合，得出最佳阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810948358.5A CN108880113A (zh) | 2018-08-20 | 2018-08-20 | 一种电动车电机的散热方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810948358.5A CN108880113A (zh) | 2018-08-20 | 2018-08-20 | 一种电动车电机的散热方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108880113A true CN108880113A (zh) | 2018-11-23 |
Family
ID=64321162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810948358.5A Pending CN108880113A (zh) | 2018-08-20 | 2018-08-20 | 一种电动车电机的散热方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108880113A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110995118A (zh) * | 2019-12-09 | 2020-04-10 | 绍兴市上虞区理工高等研究院 | 一种永磁电机的散热功率调节方法、装置及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204559320U (zh) * | 2015-03-24 | 2015-08-12 | 陈建发 | 一种电机 |
| CN204835829U (zh) * | 2015-08-31 | 2015-12-02 | 苏州托玛斯自动化科技有限公司 | 马达散热结构 |
| CN106063740A (zh) * | 2016-04-15 | 2016-11-02 | 浙江大学 | 一种脑部控温装置及温度控制方法 |
| JP2017130490A (ja) * | 2016-01-18 | 2017-07-27 | マツダ株式会社 | 電力制御機器の冷却構造 |
| CN206412867U (zh) * | 2016-12-13 | 2017-08-15 | 佛山市共建荣五金电器制品有限公司 | 一种强冷式电机壳 |
| CN107512169A (zh) * | 2017-08-25 | 2017-12-26 | 佛山市陆地创锋科技有限公司 | 一种新型电动轮传动机构及其电动汽车 |
| CN207573145U (zh) * | 2017-11-10 | 2018-07-03 | 江苏月亮电机有限公司 | 一种使用寿命长的防爆电机 |
| CN207677574U (zh) * | 2017-12-11 | 2018-07-31 | 康二军 | 一种散热电机 |
-
2018
- 2018-08-20 CN CN201810948358.5A patent/CN108880113A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204559320U (zh) * | 2015-03-24 | 2015-08-12 | 陈建发 | 一种电机 |
| CN204835829U (zh) * | 2015-08-31 | 2015-12-02 | 苏州托玛斯自动化科技有限公司 | 马达散热结构 |
| JP2017130490A (ja) * | 2016-01-18 | 2017-07-27 | マツダ株式会社 | 電力制御機器の冷却構造 |
| CN106063740A (zh) * | 2016-04-15 | 2016-11-02 | 浙江大学 | 一种脑部控温装置及温度控制方法 |
| CN206412867U (zh) * | 2016-12-13 | 2017-08-15 | 佛山市共建荣五金电器制品有限公司 | 一种强冷式电机壳 |
| CN107512169A (zh) * | 2017-08-25 | 2017-12-26 | 佛山市陆地创锋科技有限公司 | 一种新型电动轮传动机构及其电动汽车 |
| CN207573145U (zh) * | 2017-11-10 | 2018-07-03 | 江苏月亮电机有限公司 | 一种使用寿命长的防爆电机 |
| CN207677574U (zh) * | 2017-12-11 | 2018-07-31 | 康二军 | 一种散热电机 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110995118A (zh) * | 2019-12-09 | 2020-04-10 | 绍兴市上虞区理工高等研究院 | 一种永磁电机的散热功率调节方法、装置及系统 |
| CN110995118B (zh) * | 2019-12-09 | 2021-06-25 | 绍兴市上虞区理工高等研究院 | 一种永磁电机的散热功率调节方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xie et al. | An MPC-based control strategy for electric vehicle battery cooling considering energy saving and battery lifespan | |
| Yang et al. | Motor-temperature-aware predictive energy management strategy for plug-in hybrid electric vehicles using rolling game optimization | |
| CN114862252B (zh) | 可调负荷多层聚合调度潜力分析方法、系统、设备及介质 | |
| CN109273142B (zh) | 一种采用圆形单丝圆形紧压结构的海缆导体的设计方法 | |
| Bianco et al. | A hierarchical Building Management System for temperature’s optimal control and electric vehicles' integration | |
| CN108767906B (zh) | 一种考虑集群电动汽车的风光一次调频备用容量确定方法 | |
| CN113098050A (zh) | 一种适应于电网调控的负荷资源动态聚合方法及系统 | |
| CN104635080A (zh) | 一种预测电网线损率的方法 | |
| CN105083026B (zh) | 充电电流的控制方法和装置 | |
| CN110609472B (zh) | 三自由度六极混合磁轴承转子位移自检测系统及方法 | |
| CN110414720B (zh) | 动车组用电设备的能耗优化方法、装置及智能管理系统 | |
| Moreno-Sánchez et al. | Understanding the origin of SSR in series-compensated DFIG-based wind farms: Analysis techniques and tuning | |
| Arkhangelski et al. | Effective non-intrusive load monitoring through iot building data using akima interpolation and deep learning lstm method | |
| Camargos et al. | Determining the life cycle cost and reliability of an induction motor designed for light vehicle applications: a comparative analysis | |
| CN112531724A (zh) | 一种配电网台区的无功补偿评估方法 | |
| CN101946388B (zh) | 一种由“原型电机”形成“派生电机”的方法 | |
| Li | Evaluation and Design of a Flywheel Energy Storage System | |
| Tailor et al. | Electric energy flow algorithm for household in smart street development | |
| Lai et al. | Design study of parallel HEV drive train with full size engine | |
| Wei et al. | Analytical Models and Evaluation for Novel Multi-Stage Flywheel Configurations for Grid-Connected Wind Power Applications | |
| Li et al. | Composite fault diagnosis method of EMU traction motor speed sensor considering harmonic interference | |
| Chen | Data Anomaly Diagnosis Method of Temperature Sensor Based on Deep Neural Network | |
| Chew et al. | ADVISOR Simulation of electric vehicle performance on various driving cycles | |
| Justo | Intelligent energy management strategy considering power distribution networks with nanogrids, microgrids, and VPP concepts | |
| Wang et al. | Research on transformer Cooling Control Strategy based on Hot spot temperature calculation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |