CN109917638A - 计及运行工况影响的mmc动态冗余预防性维护方法 - Google Patents
计及运行工况影响的mmc动态冗余预防性维护方法 Download PDFInfo
- Publication number
- CN109917638A CN109917638A CN201811478461.4A CN201811478461A CN109917638A CN 109917638 A CN109917638 A CN 109917638A CN 201811478461 A CN201811478461 A CN 201811478461A CN 109917638 A CN109917638 A CN 109917638A
- Authority
- CN
- China
- Prior art keywords
- mmc
- reliability
- formula
- follows
- igbt
- 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
- Control Of Eletrric Generators (AREA)
- Inverter Devices (AREA)
Abstract
本发明公开了计及运行工况影响的MMC动态冗余预防性维护方法，主要步骤为：1)获取MMC冗余子模块种群样本数据。2)生成全寿命周期的气象数据样本集。3)建立风电输送系统中MMC功率器件可靠性评估模型，并计算得到MMC功率器件可靠度。4)建立混合MMC电容器可靠性评估模型，并计算得到电容器可靠度。5)建立MMC全寿命周期可靠性评估模型，并计算得到MMC的全寿命周期内可靠度。6)对MMC进行动态预防性维护。本发明在保证MMC可靠性的前提下，减低了MMC的运维成本。本发明可广泛应用于风电等可再生能源传输并网中MMC预防性维护工作中。
Description
技术领域
本发明涉及风电输送领域，具体是计及运行工况影响的MMC 动态冗余预防性维护方法。
背景技术
模块化多电平换流器型高压直流输电(MMC-HVDC)是实现大 规模风电输送系统站与电网连接极具前景的电力传输方式。其中， 模块化多电平换流器(MMC)具有模块化设计、输出电压质量高等 特点，是VSC-HVDC中的关键设备，其运行可靠性关系到 VSC-HVDC的安全稳定运行。合理的预防性维护是保证MMC经济 可靠运行的重要措施。目前，研究多基于元件恒故障率构建MMC 预防性维护模型，在此基础上，分析维护间隔和冗余子模块配置对MMC全寿命周期的可靠性和经济性影响。然而，不同风电输送系统 运行工况对MMC可靠性影响不同，现有预防性维护方法难以计及 不同运行工况对MMC可靠性的影响，导致预防性维护结果存在偏 差，同时，现有预防性维护间隔和冗余配置恒定，导致MMC可靠 性和经济性难以协调，缺乏灵活调整的空间，因此有必要研究不同 运行工况对MMC预防性维护的影响，以及协调每次维护冗余子模块 配置和维护间隔，来协调MMC的可靠性和经济性。
近几年来，国内外在MMC预防性研究方面做了很多研究，但 多基于器件恒定故障率模型评估MMC预防性维护，或通过引入电 压修正因子对MMC器件故障率进行修正。但由于功率器件的故障 率是随时间变化的，不满足恒定故障率模型的基本条件，因此，有 必要基于功率器件的失效机理，进一步研究MMC运行工况对预防 性维护的影响。
发明内容
本发明的目的是解决现有技术中存在的问题。
为实现本发明目的而采用的技术方案是这样的，计及运行工况 影响的MMC动态冗余预防性维护方法，主要包括以下步骤：
1)确定待预防性维护的风电输送系统，并获取MMC冗余子模 块种群样本数据。
2)读取风电输送系统气象数据，从而生成全寿命周期的气象数 据样本集。
所述风电输送系统气象数据主要包括风电输送系统风速和气温。
生成全寿命周期的气象数据样本集的方法为利用蒙特卡洛法对 风电输送系统数据进行随机抽样。
3)建立风电输送系统中MMC功率器件可靠性评估模型，并计 算得到MMC功率器件可靠度。
MMC的主电路由a、b和c三个相单元组成，三相桥臂完全对 称，每个相单元分为上、下两个桥臂，每个桥臂由若干个子模块串 联而成。MMC中每个桥臂含有N个子模块，每个子模块主要有功 率器件和电容器连接而成。功率器件包括IGBT和二极管。每个桥 臂中包含冗余子模块SM。
计算MMC功率器件可靠度的主要步骤如下：
3.1)建立MMC功率器件可靠性评估模型，主要步骤如下：
3.1.1)计算风电输送系统第g个风机输出功率PWTout,g，即：
式中，为采样时刻tnc对应风速。nc为到当前运行时刻为止采 样点总数，也即采样时刻tnc内具有nc个采样周期F。Prated为风机额 定功率。Vcutin、Vrated和Vcutout分别为切入风速、额定风速和切出风速。 kp为和空气密度与风机面积相关的系数。g＝1,…,NWT。NWT为风机总 数。
3.1.2)计算风电输送系统MMC功率器件的输送功率PMMCout， 即：
3.1.3)理想状态下，MMC中a相上桥臂电流iau和下桥臂电流 iad分别如下所示：
式中，Idc和Udc为直流侧电流和电压。Im为交流侧电流峰值。f0为基波频率。
其中，直流侧电流Idc如下所示：
交流侧电流峰值Im如下所示：
式中，Uac为交流侧电压有效值。为功率因数角。
3.1.4)MMC中a相上桥臂IGBT第j个开关周期平均损耗如 下所示：
式中，j＝1,…,nsw。Rce、Uceo和τT分别为IGBT正向导通电阻、 阈值电压和占空比。aT、bT和cT为IGBT动态特性曲线拟合参数。 Urated为IGBT器件额定电压。fsw和ρt分别为IGBT的开关频率和温 度系数。nsw为一个基频周期内开关周期总数。
基频周期内开关周期总数nsw如下所示：
nsw＝fsw/f0。 (7)
3.1.5)基于Foster热网络模型，MMC中IGBT第j个开关周期 的结温如下所示：
式中，为采样时刻tnc对应的气温。和为第 j个开关周期IGBT结-壳、壳-散热片和散热片-环境热网络中RC并 联单元的温差。x＝1时，代表IGBT第1阶结-壳热网络中RC并联 单元。x＝2时，代表IGBT第2阶结-壳热网络中RC并联单元。x＝3时，代表IGBT第3阶结-壳热网络中RC并联单元。x＝4时，代表 IGBT第4阶结-壳热网络中RC并联单元。
第j个开关周期IGBT结-壳网络中RC并联单元的温差如 下所示：
式中，RTjc,x为IGBT结-壳网络中RC并联单元的热阻。τTjc,x为 IGBT结-壳网络中RC并联单元的热时间常数；Tsw为开关周期。是第j-1个开关周期IGBT结-壳网络中RC并联单元的温差。
第j个开关周期IGBT壳-散热片网络中RC并联单元的温差如下所示：
式中，RTch为IGBT壳-散热片网络中RC并联单元的热阻。τTch为IGBT壳-散热片网络中RC并联单元的热时间常数；Tsw为开关周期。 是第j-1个开关周期IGBT壳-散热片网络中RC并联单元的温差。 壳温如下所示。
式中，PTavg和PDavg分别是IGBT和二极管基频周期平均损耗。Rha为热阻。
3.1.6)MMC中二极管第j个开关周期的结温的如下所示：
式中，和为第j个开关周期二极管结-壳以及壳-散热 片热网络中RC并联单元的温差。
式中，PTavg和PDavg分别是IGBT和二极管基频周期平均损耗。
3.1.7)计算时刻tn对应的采样时间间隔T内基频周期NT_F，即：
NT_F＝F×f0。 (13)
式中，F为采样周期。
3.1.8)第m个基频周期内，以RC并联单元温差为迭代变量，通 过式(10)-(13)，得到该基频周期结温曲线，进而得到该基频周 期对应的结温均值TTjavg_F。
根据0-tn时刻各采样时间间隔F的基频结温均值TTjavg_F，通过 雨流算法得到NTsum_L个低频周期结温曲线，进而得到第i条低频周 期结温曲线对应的结温最大值TTjmax_L、最小值TTjmin_L和铝键合线电 流有效值IL。
3.1.9)计算低频周期对应的循环失效周期数NTf_L，即：
式中，ton为加热时间。U为模块阻塞电压的η倍。D为铝键合线 的直径。k1、β1、β2、β3、β4、β5和β6为计算系数。
计算基频周期对应的循环失效周期数NTf_L，即：
式中，TTjmax_F为基频结温最大值。TTjmin_F为基频结温最小值。IF为 基频周期对应的铝键合线电流有效值。
3.1.10)基于Miner’s损伤理论和基频周期对应的循环失效周期 数NTf_F，0-tn时刻的寿命消耗CLT(tn)如下所示：
式中，NTsum_L为0-tnc时刻低频热循环总数。NT_L,d1和NTf_L,d1为 第d1次低频热循环对应的热循环次数和循环失效周期数。NT_F,d2、 NTf_F,d2分别为第d2个采样时间间隔T对应的基频热循环次数和循环 失效周期数。
3.1.11)IGBT采样时刻tnc对应时间间隔T的平均失效时间 MTTFT(tn)如下所示：
IGBT故障率λT(tn)如下所示：
3.1.12)IGBT可靠度RT(tn)和二极管可靠度RD(tn)分别如下所 示：
式中，λD(t)为二极管故障率。
3.2)将风电输送系统基本数据输入到MMC功率器件可靠性评 估模型中，从而计算得到IGBT可靠度RT(tn)和二极管可靠度RD (tn)。
4)建立混合MMC电容器可靠性评估模型，并计算得到电容器 可靠度。
计算混合MMC电容器可靠度的主要步骤如下：
4.1)建立混合MMC电容器可靠性评估模型，主要步骤如下：
4.1.1)计算电容器可靠度RC(tnc)，即：
式中，Ws0为电容器初始状态对应的自愈能量。Wsl为l个SM故障对 应的自愈能量。λC是电容器故障率。RC为薄膜电阻。C为电容量。
4.1.2)计算电容器自愈能量Wsl，即：
式中，f(P)为夹层压强相关函数。k2、A和B为相关系数。UCl为l个SM故障对应的电容器电压。C为电容量。
4.2)将风电输送系统基本数据输入到MMC功率器件可靠性评估 模型中，从而计算得到电容器可靠度RC(tnc)和电容器自愈能量Wsl。
5)建立MMC全寿命周期可靠性评估模型，并计算得到MMC 的全寿命周期内可靠度。
计算MMC的全寿命周期内可靠度的主要步骤如下：
5.1)计算半桥子模块HBSM可靠度RHB(tnc)，即：
RHB(tn)＝RT1(tn)·RD1(tn)·RT2(tn)·RD2(tn)·RC(tn)。 (23)
式中，RT1(tnc)和RT2(tnc)分别为半桥子模块HBSM中两个IGBT 的可靠度。RD1(tnc)和RD2(tnc)分别为半桥子模块HBSM中两个二极管 的可靠度。RC(tnc)为半桥子模块HBSM中电容器可靠度。
5.2)设定MMC全寿命运行周期内，存在nmt次检修，则所有检 修中MMC桥臂投入的冗余子模块个数记为
当MMC运行到第ymt个运维周期时，桥臂第ZSM个子模块运行 到对应tn时刻的状态如下所示：
式中，为在[0,1]区间均匀分布的随机数。ZSM＝1,…,NHB+N0HBnmt。 0表示故障状态。1表示正常状态。
5.3)第ymt个运行周期MMC中一个桥臂包含NHB个基准子模块和 个冗余子模块，因此，桥臂的状态组合如下所示：
5.4)在tnc时刻，桥臂运行状态如下所示
通过NArm次蒙特卡洛抽样，得到第ZArm个桥臂tnc时刻可靠度如下所示：
式中，NArm为抽样总数，为抽样中桥臂完好状态出现的次数。
因此，MMC的可靠度函数如下所示：
5.5)MMC全寿命周期的维护总成本如 下所示：
式中，QMMC为MMC全寿命周期维护总成本。QHB为单个子模块成 本。QM为一次维护成本。s为子模块所处状态。n为运维总数。δ为任 意一次维护。
配置冗余子模块个数的范围如下所示：
式中，N0HBmin为冗余子模块个数最小值。N0HBmax为冗余子模块个 数最大值。
MMC全寿命周期的维护次数取值范围如下所示：
式中，和分别冗余子模块分别为 最大值和最小值时对应的维护次数。
MMC运行周期之和满足下式：
式中，Tset为规定服役年限。TP为从1到nmt次维修对应的运行时长。
MMC在运行过程中，可靠度满足下 式：
式中，RMMCset为MMC可靠度设定值。
6)对MMC进行动态预防性维护，主要步骤如下：
6.1)基于风电输送系统基本数据，判断MMC运行情况是否可 以满足约束条件要求，若满足约束条件，则计算MMC的全寿命周 期维护成本并作为遗传算法的适应度函 数。
若不满足，则重新生成冗余子模块种群样本，并返回步骤3。
MMC运行情况是否可以满足约束条件要求的方法为：利用公式 30判断冗余子模块的范围是否满足约束，利用公式31判断 MMC全寿命周期的维护次数是否满足约束，利用公 式32判断MMC运行周期之和是否满足约束，和利用公式33 判断MMC可靠度是否满足约束。
6.2)对MMC冗余子模块种群优化，即对冗余子模块种群进行 选择、交叉、变异操作，形成新种群，判断是否运行到设定进化代 数，如果满足，求解结束。如果不满足，则返回步骤3。
本发明的技术效果是毋庸置疑的。本发明着重于研究混合MMC 的预防性维护与风速、气温以及电气设备内部参数之间的耦合关系， 从器件的失效机理出发，将MMC的可靠性和环境因素、电气参数耦 合，通过增加MMC冗余子模块(SM)的调整空间，优化MMC的预防性维护结果，在保证可靠性要求的前提下，降低MMC预防性维护费用。 本发明由于从器件的失效机理出发，综合考虑了风速、气温、工频 等多尺度环境因素和电气参数对MMC全寿命周期可靠性的影响，可 有效反映环境因素和设备内部电气参数对MMC预防性维护结果的影 响。
本发明灵活调整MMC冗余子模块的投入个数和MMC运行维护间 隔，针对MMC预防性维护方法难以充分协调MMC的可靠性和经济性 问题，提出动态冗余预防性维护方法，在保证MMC可靠性的前提下， 减低了MMC的运维成本。
本发明可广泛应用于风电等可再生能源传输并网中MMC预防性 维护工作中。
附图说明
图1为MMC拓扑结构图示意图；
图2为HBSM拓扑结构示意图；
图3为都柏林风速年数据曲线；
图4为都柏林气温年数据曲线；
图5为青海风速年数据曲线；
图6为青海气温年数据曲线；
图7为不同冗余子模块MMC运维成本；
图8为都柏林MMC动态运维最优冗余配置；
图9为青海MMC动态运维最优冗余配置。
具体实施方式
下面结合实施例对本发明作进一步说明，但不应该理解为本 发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思 想的情况下，根据本领域普通技术知识和惯用手段，做出各种替换 和变更，均应包括在本发明的保护范围内。
实施例1：
参见图1至图2，计及运行工况影响的MMC动态冗余预防性维 护方法，主要包括以下步骤：
1)确定待预防性维护的风电输送系统，并获取MMC冗余子模 块种群样本数据。
2)读取风电输送系统气象数据，从而生成全寿命周期的气象数 据样本集。
所述风电输送系统气象数据主要包括风电输送系统风速和气温。
生成全寿命周期的气象数据样本集的方法为利用蒙特卡洛法对 风电输送系统数据进行随机抽样。
3)建立风电输送系统中MMC功率器件可靠性评估模型，并计 算得到MMC功率器件可靠度。
在MMC功率器件可靠性评估中，本发明计及功率器件的低频 结温和基频结温来量化风速、气温等环境因素和工频等电气参数对 功率器件可靠性的影响，从而提高其可靠性评估精度。
MMC的主电路由a、b和c三个相单元组成，三相桥臂完全对 称，每个相单元分为上、下两个桥臂，每个桥臂由若干个子模块串 联而成。MMC中每个桥臂含有N个子模块，每个子模块主要有功 率器件和电容器连接而成。功率器件包括IGBT和二极管。每个桥 臂中包含冗余子模块SM。
计算MMC功率器件可靠度的主要步骤如下：
3.1)建立MMC功率器件可靠性评估模型，主要步骤如下：
3.1.1)计算风电输送系统第g个风机输出功率PWTout,g，即：
式中，为采样时刻tnc对应风速。nc为到当前运行时刻为止采 样点总数，也即采样时刻tnc内具有nc个采样周期F。Prated为风机额 定功率。Vcutin、Vrated和Vcutout分别为切入风速、额定风速和切出风速。 kp为和空气密度与风机面积相关的系数。g＝1,…,NWT。NWT为风机总 数。
3.1.2)计算风电输送系统MMC功率器件的输送功率PMMCout， 即：
3.1.3)理想状态下，MMC中a相上桥臂电流iau和下桥臂电流 iad分别如下所示：
式中，Idc和Udc为直流侧电流和电压。Im为交流侧电流峰值。f0为基波频率。
其中，直流侧电流Idc如下所示：
交流侧电流峰值Im如下所示：
式中，Uac为交流侧电压有效值。为功率因数角。
3.1.4)MMC中a相上桥臂IGBT第j个开关周期平均损耗如 下所示：
式中，j＝1,…,nsw。Rce、Uceo和τT分别为IGBT正向导通电阻、 阈值电压和占空比。aT、bT和cT为IGBT动态特性曲线拟合参数。 Urated为IGBT器件额定电压。fsw和ρt分别为IGBT的开关频率和温 度系数。nsw为一个基频周期内开关周期总数。
基频周期内开关周期总数nsw如下所示：
nsw＝fsw/f0。 (7)
3.1.5)基于Foster热网络模型，MMC中IGBT第j个开关周期 的结温如下所示：
式中，为采样时刻tnc对应的气温。和为第 j个开关周期IGBT结-壳、壳-散热片和散热片-环境热网络中RC并 联单元的温差。x＝1时，代表IGBT第1阶结-壳热网络中RC并联 单元。x＝2时，代表IGBT第2阶结-壳热网络中RC并联单元。x＝3时，代表IGBT第3阶结-壳热网络中RC并联单元。x＝4时，代表 IGBT第4阶结-壳热网络中RC并联单元。
Foster模型，也称为局部网络热路模型(Partial fraction circuit)。
第j个开关周期IGBT结-壳网络中RC并联单元的温差如 下所示：
式中，RTjc,x为IGBT结-壳网络中RC并联单元的热阻。τTjc,x为 IGBT结-壳网络中RC并联单元的热时间常数。Tsw为开关周期。是第j-1个开关周期IGBT结-壳网络中RC并联单元的温差。
第j个开关周期IGBT壳-散热片网络中RC并联单元的温差如下所示：
式中，RTch为IGBT壳-散热片网络中RC并联单元的热阻。τTch为IGBT壳-散热片网络中RC并联单元的热时间常数。Tsw为开关周期。 是第j-1个开关周期IGBT壳-散热片网络中RC并联单元的温差。
壳温如下所示。
式中，PTavg和PDavg分别是IGBT和二极管基频周期平均损耗。Rha为热阻。
3.1.6)MMC中二极管第j个开关周期的结温的如下所示：
式中，和为第j个开关周期二极管结-壳以及壳-散热 片热网络中RC并联单元的温差。
式中，PTavg和PDavg分别是IGBT和二极管基频周期平均损耗。
3.1.7)计算时刻tn对应的采样时间间隔T内基频周期NT_F，即：
NT_F＝F×f0。 (13)
式中，F为采样周期。
3.1.8)第m个基频周期内，以RC并联单元温差为迭代变量，通 过式(10)-(13)，得到该基频周期结温曲线，进而得到该基频周 期对应的结温均值TTjavg_F。
根据0-tn时刻各采样时间间隔F的基频结温均值TTjavg_F，通过 雨流算法得到NTsum_L个低频周期结温曲线，进而得到第i条低频周 期结温曲线对应的结温最大值TTjmax_L、最小值TTjmin_L和铝键合线电 流有效值IL。
3.1.9)计算低频周期对应的循环失效周期数NTf_L，即：
式中，ton为加热时间。U为模块阻塞电压的η倍。η＝0.01。D 为铝键合线的直径。k1、β1、β2、β3、β4、β5和β6为计算系数。k1＝9.3×1014， β1＝-4.416，β2＝1285，β3＝-0.463，β4＝-0.716，β5＝-0.761，β6＝-0.5。
计算基频周期对应的循环失效周期数NTf_L，即：
式中，TTjmax_F为基频结温最大值。TTjmin_F为基频结温最小值。IF为 基频周期对应的铝键合线电流有效值。
3.1.10)基于Miner’s损伤理论(累积损伤理论)和基频周期对 应的循环失效周期数NTf_F，0-tn时刻的寿命消耗CLT(tn)如下所示：
式中，NTsum_L为0-tnc时刻低频热循环总数。NT_L,d1和NTf_L,d1为 第d1次低频热循环对应的热循环次数和循环失效周期数。NT_F,d2、 NTf_F,d2分别为第d2个采样时间间隔T对应的基频热循环次数和循环 失效周期数。ξ为采样周期总数。
3.1.11)IGBT采样时刻tnc对应时间间隔T的平均失效时间 MTTFT(tn)如下所示：
IGBT故障率λT(tn)如下所示：
3.1.12)IGBT可靠度RT(tn)和二极管可靠度RD(tn)分别如下所 示：
式中，λD(t)为二极管故障率。
二极管可靠度RD(tnc)的求解方法和IGBT可靠度RT(tnc)的 求解方法相同，即通过计算二极管采样时刻tnc对应时间间隔T的平 均失效时间得到故障率，并根据故障率计算得到可靠度RD(tnc)。
3.2)将风电输送系统基本数据输入到MMC功率器件可靠性评 估模型中，从而计算得到IGBT可靠度RT(tnc)和二极管可靠度RD (tn)。
4)建立混合MMC电容器可靠性评估模型，并计算得到电容器 可靠度。
主动备用下，由于完好SM中金属氧化膜电容器会分担故障SM 电压，导致自愈能量增大，从而使得电容下降，最终导致电容器寿 命缩短。因此，本发明在电容器可靠度RC(tnc)中引入自愈能量Wsi， 来反映分担故障SM电压对电容器可靠性的影响。
计算混合MMC电容器可靠度的主要步骤如下：
4.1)建立混合MMC电容器可靠性评估模型，主要步骤如下：
4.1.1)计算电容器可靠度RC(tnc)，即：
式中，Ws0为电容器初始状态对应的自愈能量。Wsl为l个SM故 障对应的自愈能量。λC是电容器故障率。RC为薄膜电阻。C为电 容量。
4.1.2)计算电容器自愈能量Wsl，即：
式中，f(P)为夹层压强相关函数。k2、A和B为相关系数。UCl为l个SM故障对应的电容器电压。C为电容量。
4.2)将风电输送系统基本数据输入到MMC功率器件可靠性评估 模型中，从而计算得到电容器可靠度RC(tnc)和电容器自愈能量Wsl。
5)建立MMC全寿命周期可靠性评估模型，并计算得到MMC 的全寿命周期内可靠度。
计算MMC的全寿命周期内可靠度的主要步骤如下：
5.1)计算半桥子模块HBSM可靠度RHB(tnc)，即：
RHB(tnc)＝RT1(tnc)·RD1(tnc)·RT2(tnc)·RD2(tnc)·RC(tnc)。 (23)
式中，RT1(tnc)和RT2(tnc)分别为半桥子模块HBSM中两个IGBT 的可靠度。RD1(tnc)和RD2(tnc)分别为半桥子模块HBSM中两个二极管 的可靠度。RC(tnc)为半桥子模块HBSM中电容器可靠度。
一个半桥子模块HBSM中包括2个IGBT、2个二极管和一个电 容器。
5.2)设定MMC全寿命运行周期内，存在nmt次检修，则所有检 修中MMC桥臂投入的冗余子模块个数记为
当MMC运行到第ymt个运维周期时，桥臂第ZSM个子模块运行 到对应tn时刻的状态如下所示：
式中，为在[0,1]区间均匀分布的随机数。ZSM＝1,…,NHB+N0HBnmt。 0表示故障状态。1表示正常状态。
5.3)第ymt个运行周期MMC中一个桥臂包含NHB个基准子模块和 个冗余子模块，因此，桥臂的状态组合如下所示：
5.4)桥臂正常运行条件如下所示：
若桥臂不满足公式24，则MMC进入停运检修状态，更换故障子 模块。
在tnc时刻，桥臂运行状态sArm(N0HB,tn)如下所示：
通过NArm次蒙特卡洛抽样，得到第ZArm个桥臂tnc时刻可靠度如下所示：
式中，NArm为抽样总数，为抽样中桥臂完好状态出现的次数。
因此，MMC的可靠度函数如下所示：
5.5)MMC全寿命周期的维护总成本如 下所示：
式中，QMMC为MMC全寿命周期维护总成本。QHB为单个子模块成 本。QM为一次维护成本。s为子模块所处状态。r为任意次抽样。n为 运维总数。δ为任意一次维护。
配置冗余子模块个数的范围如下所示：
式中，N0HBmin为冗余子模块个数最小值。N0HBmax为冗余子模块个 数最大值。
MMC全寿命周期的维护次数取值范围如下所示：
式中，和分别冗余子模块分别为 最大值和最小值时对应的维护次数。
MMC运行周期之和满足下式：
式中，Tset为规定服役年限。TP为从1到nmt次维修对应的运行时长。
MMC在运行过程中，可靠度满足下 式：
式中，RMMCset为MMC可靠度设定值。
6)对MMC进行动态预防性维护。MMC动态预防性维护主要 是通过对子模块冗余度设置一定的弹性空间，使每个运行周期的冗 余子模块有一定的调整范围，进而通过寻优得到满足设备可靠性要 求前提下，MMC运维成本最低的一组子模块冗余投入数量。MMC 每个运行间隔的长度取决于该运行周期配置子模块的冗余度和风电 输送系统的运行工况。动态预防性维护主要步骤如下：
6.1)基于风电输送系统基本数据，判断MMC运行情况是否可 以满足约束条件要求，若满足约束条件，则计算MMC的全寿命周 期维护成本并作为遗传算法的适应度函 数。
若不满足，则重新生成冗余子模块种群样本，并返回步骤3。
MMC运行情况是否可以满足约束条件要求的方法为：利用公式 31判断冗余子模块的范围是否满足约束，利用公式32判断 MMC全寿命周期的维护次数是否满足约束，利用公 式33判断MMC运行周期之和是否满足约束，和利用公式34 判断MMC可靠度是否满足约束。
6.2)对MMC冗余子模块种群优化，即对冗余子模块种群进行 选择、交叉、变异操作，形成新种群，判断是否运行到设定进化代 数，如果满足，求解结束。如果不满足，则返回步骤3。
以上，对于动态冗余子模块的寻优，本文采用遗传算法来进行 编译求解。不同于传统搜索算法，遗传算法从随机产生的初始解开 始搜索，通过一定的选择、交叉和变异操作形成下一代群体，经过 若干代进化之后，算法搜寻至最优染色体，最终得到满足MMC可靠性前提下的最低运维成本。
实施例2：
参见图3至图9，一种验证计及运行工况影响的MMC动态冗余 预防性维护方法的实验，主要包括以下步骤：
1)建立混合MMC功率模块。
本实施例采用Infineon公司的FF1000R17IE4型号功率模块作为 混合MMC功率模块，如表1所示，并以爱尔兰都柏林2016年和青 海2017年风速和气温数据作为风电场和MMC的外部工况，基于本 发明所提模型来评估MMC的维护费用。MMC和风机参数如表2 所示。
表1FF1000R17IE4型号功率模块的热参数表
表2混合MMC和风机参数
| 参数 | 数值 |
| 系统额定容量 | 124MW |
| 网侧电压 | 72kV |
| 直流侧电压 | 160kV |
| HBSM基准数 | 100 |
| 服役年限 | 25年 |
| 电容器基准故障率 | 1ⅹ10<sup>-8</sup>occ/hour |
| 电容器基准电压 | 1.6kV |
| 输出频率 | 50Hz |
| 开关频率 | 500Hz |
| 功率因素 | 0.9 |
| 调制比 | 0.8 |
| 风机容量 | 2MW |
| 风机数量 | 200 |
| 切入风速 | 3m/s |
| 额定风速 | 8.5m/s |
| 切出风速 | 16m/s |
| HBSM成本 | 2.7万美元 |
| 维护成本 | 6万美元 |
| 交叉率 | 0.6 |
| 变异率 | 0.03 |
| 电价 | 0.44元 |
2)MMC功率器件热损伤分析
为验证本发明提出的MMC计及运行工况的必要性，以风速和 气温年数据为输入，基于功率器件可靠性评估模型，分别得出都柏 林和青海运行工况下功率器件低频和基频年寿命消耗情况，具体见 表3所示。
由表3可知，低频寿命消耗在T1、T2、D1和D2中占比均较大， 但基频寿命消耗占比也不容忽视，其在T2和D1中占比分别达到 14.05％和7.14％。因此，相比只考虑单时间尺度寿命消耗的可靠性 评估，本发明构建的综合计及MMC运行工况的多时间尺度可靠性 评估模型具有必要性，为MMC预防性维护结果提供基础。
表3MMC功率器件年寿命消耗
3)动态冗余预防性维护方法对MMC运维成本的影响
为验证本发明所提动态冗余预防性维护方法的必要性和有效性， 本发明分别和现有周期性预防性维护和恒定冗余下非周期预防性维 护方法对比。
3.1)周期性预防性维护结果分析
以都柏林和青海气象数据，仿真了一年为周期的周期性维护可 靠度计算结果，如表4所示。
由表4可以看出，都柏林和青海两个风电场工况下，子模块冗 余配置在10、12和14时，MMC服役前10年通过周期性维护均可 以达到可靠性要求；然而，MMC运行到15年时，都柏林风电场下 冗余子模块为10的MMC可靠度下降到0.9657，不能达到0.995的 可靠度标准；当MMC运行到20年时，都柏林风电场工况下，冗余 子模块为10和12的MMC可靠度分别为0.8575和0.9751，青海风 电场工况下，相同冗余配置的MMC可靠度分别为0.9296和0.9881，均低于MMC可靠性要求。相比之下，都柏林工况下冗余子模块为 14的MMC，在整个服役期间，可靠度高于可靠性最低要求，青海 工况下冗余子模块为13的MMC，在整个服役期间可靠度即高于可 靠度标准，这是由于都柏林工况下子模块器件的损耗较大，设置冗 余数相对较高才能满足可靠性标准，因此，在MMC预防性维护中 有必要考虑运行工况不同导致的影响。
由表5可知，都柏林工况下，冗余子模块为10时，虽然维护成 本较低，但不能保证MMC运行后期的可靠性；当冗余子模块为14 时，虽然保证了后期可靠性，但运维成本较高；青海工况下同样如 此，因此，周期性维护不利于协调MMC的可靠性和经济性。
表4周期性预防性维护下MMC可靠度计算结果
表5MMC周期性维护运维成本
3.2)非周期性预防性维护结果分析
由上节可知，在MMC运行初期，周期性维护可以保持极高的 可靠性，这是由于运行初期，周期性维护在MMC没有触及可靠性 要求最低的情况下，即进行维护。然而，随着MMC服役到中后期， 设备老化加重，恒定运维间隔下，难以满足可靠性要求。虽然冗余 子模块为13、14的MMC在全寿命周期内达到了可靠性要求，但运 维成本较高。因此，有必要研究运维间隔更加灵活的非周期性维护 以满足可靠性要求的前提下，降低运维成本。
对于非周期性预防性维护，分为现有的静态预防性维护(每次投 入运行冗余子模块恒定)和本发明所提出的动态冗余方案(每次投入 运行冗余子模块变化)。
I)静态冗余非周期性预防性维护
由于图6和表6可知，都柏林风电场中，冗余子模块为10时， 运维成本最低，为2040万元，维护次数为23次；而青海风电场中， 冗余子模块为8时，运维成本最低，为1982.88万元，维护次数为27次。由于都柏林和青海运行工况的不同，导致最优冗余配置存在 差异，进而使得两种工况下的MMC最优运维成本不同。因此，很 好的验证了本文所提MMC预防性维护考虑运行工况影响的必要性。
表6MMC静态冗余最优运维情况
II)动态冗余非周期性预防性维护
为验证本文所提动态预防性维护方法的有效性，基于所建运维 模型和方法，分别基于都柏林和青海两地工况进行仿真，计算结果 具体见表7、图7和图8所示；并将动态冗余维护、静态冗余维护以 及周期性维护进行对比，具体见表8所示。
从运维成本方面来看，由表7可知，都柏林风电场中，MMC维 护次数为21次时，运维成本最低，为1697.28万元，相比于静态冗 余和周期性维护，维护次数降低了2次和4次，相同冗余子模块下 维护成本分别降低342.72万元和905.76万元；同时，青海风电场中， MMC维护次数为20次时，运维成本最低，为1436.16万元，相比 于静态冗余和周期性维护，动态维护次数降低了7次和5次，维护 成本分别降低546.72万元和1056.72万元。
从停运损失方面来看，以实际永仁换流站每次检修系统停运12 天为标准，由表8可知，相比静态冗余和周期性维护，MMC全寿命 周期内，都柏林风电场动态冗余维护全寿命周期内可减少停运时间 分别为24天和48天，输电量平均可增加7.29×107kW·h和1.46×108kW·h，效益可提升2916万元和5832万元；同时，青海风电场动 态冗余维护可减少停运时间分别为84天和60天，输电量平均可增 加2.40×108kW·h和1.73×108kW·h，效益可提升9600万元和 6943.56万元。可见，所提动态预防性维护方法在降低维护成本和停 运次数方面均有一定效果。
表7MMC动态冗余最优运维情况
表8MMC动态冗余维护与静态冗余、周期性维护对比情况
本发明首先，根据风电输送系统中混合MMC运行特性和 Miner’s损伤理论，采用Bayerer模型，综合计及风速、气温、工频 等环境因素和电气参数影响，建立功率器件多时间尺度可靠性评估 模型；其次，考虑故障SM对完好SM电容影响，建立计及故障SM 电压分担的电容器可靠性评估模型；再次，通过马尔科夫链，构建 计及更新过程的元件可靠性模型，并基于MMC拓扑结构，构建 MMC全寿命周期可靠性模型；以元件更新费用和基本费用最小为优 化目标，考虑MMC每次维护冗余子模块的动态变化，维护次数、 服役年限、可靠性等约束条件，构建MMC动态冗余预防性维护模 型，并通过遗传算法和蒙特卡洛模拟，优化子模块冗余配置和维护 次数，提出MMC动态冗余预防性维护方法；最后，以爱尔兰都柏 林2016年和青海2017年风速、气温数据为输入，在所提的所提MMC 预防性维护方法的基础上，分析了本发明的实现效果。
综上所述，本发明提出的计及运行工况影响的MMC动态冗余 预防性维护方法可以量化不同风电场运行工况的影响，根据不同运 行工况影响来配置MMC的冗余子模块个数，同时，通过灵活调整 MMC的每个运行阶段的冗余子模块个数来降低MMC的预防性维 护成本，实验证明优化后的MMC预防性维护方法可以降低运维成 本。
Claims (8)
1.计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于，主要包括以下步骤：
1)确定待预防性维护的所述风电输送系统，并获取MMC冗余子模块种群样本数据。
2)读取风电输送系统气象数据，从而生成全寿命周期的气象数据样本集；
3)建立风电输送系统中MMC功率器件可靠性评估模型，并计算得到MMC功率器件可靠度；
4)建立混合MMC电容器可靠性评估模型，并计算得到电容器可靠度；
5)建立MMC全寿命周期可靠性评估模型，并计算得到MMC的全寿命周期内可靠度；
6)对MMC进行动态预防性维护，主要步骤如下：
6.1)基于风电输送系统基本数据，判断MMC运行情况是否可以满足约束条件要求，若满足约束条件，则计算MMC的全寿命周期维护成本并作为遗传算法的适应度函数；
若不满足，则重新生成冗余子模块种群样本，并返回步骤3；
6.2)对MMC冗余子模块种群优化，即对冗余子模块种群进行选择、交叉、变异操作，形成新种群，判断是否运行到设定进化代数，如果满足，求解结束；如果不满足，则返回步骤3。
2.根据权利要求1所述的计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于：所述风电输送系统气象数据主要包括风电输送系统风速和气温。
3.根据权利要求1或2所述的计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于：生成全寿命周期的气象数据样本集的方法为利用蒙特卡洛法对风电输送系统数据进行随机抽样。
4.根据权利要求1或3所述的计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于：MMC的主电路由a、b和c三个相单元组成，三相桥臂完全对称，每个相单元分为上、下两个桥臂，每个桥臂由若干个子模块串联而成；MMC中每个桥臂含有N 个子模块，每个子模块主要有功率器件和电容器连接而成；功率器件包括IGBT和二极管；每个桥臂中包含若干冗余子模块SM。
5.根据权利要求1或2所述的计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于：计算MMC功率器件可靠度的主要步骤如下：
1)建立MMC功率器件可靠性评估模型，主要步骤如下：
1.1)计算风电输送系统第g个风机输出功率PWTout,g，即：
式中，为采样时刻tnc对应风速；nc为到当前运行时刻为止采样点总数，也即采样时刻tnc内具有nc个采样周期F；Prated为风机额定功率；Vcutin、Vrated和Vcutout分别为切入风速、额定风速和切出风速；kp为和空气密度与风机面积相关的系数；g＝1,…,NWT；NWT为风机总数；
1.2)计算风电输送系统MMC功率器件的输送功率PMMCout，即：
1.3)理想状态下，MMC中a相上桥臂电流iau和下桥臂电流iad分别如下所示：
式中，Idc和Udc为直流侧电流和电压；Im为交流侧电流峰值；f0为基波频率；
其中，直流侧电流Idc如下所示：
交流侧电流峰值Im如下所示：
式中，Uac为交流侧电压有效值；为功率因数角；
1.4)MMC中a相上桥臂IGBT第j个开关周期平均损耗如下所示：
式中，j＝1,…,nsw；Rce、Uceo和τT分别为IGBT正向导通电阻、阈值电压和占空比；aT、bT和cT为IGBT动态特性曲线拟合参数；Urated为IGBT器件额定电压；fsw和ρt分别为IGBT的开关频率和温度系数；nsw为一个基频周期内开关周期总数；
基频周期内开关周期总数nsw如下所示：
nsw＝fsw/f0； (7)
1.5)基于Foster热网络模型，MMC中IGBT第j个开关周期的结温如下所示：
式中，为采样时刻tnc对应的气温；和为第j个开关周期IGBT结-壳、壳-散热片和散热片-环境热网络中RC并联单元的温差；x＝1时，代表IGBT第1阶结-壳热网络中RC并联单元；x＝2时，代表IGBT第2阶结-壳热网络中RC并联单元；x＝3时，代表IGBT第3阶结-壳热网络中RC并联单元；x＝4时，代表IGBT第4阶结-壳热网络中RC并联单元；
第j个开关周期IGBT结-壳网络中RC并联单元的温差如下所示：
式中，RTjc,x为IGBT结-壳网络中RC并联单元的热阻；τTjc,x为IGBT结-壳网络中RC并联单元的热时间常数；Tsw为开关周期；是第j-1个开关周期IGBT结-壳网络中RC并联单元的温差；
第j个开关周期IGBT壳-散热片网络中RC并联单元的温差如下所示：
式中，RTch为IGBT壳-散热片网络中RC并联单元的热阻；τTch为IGBT壳-散热片网络中RC并联单元的热时间常数；Tsw为开关周期；是第j-1个开关周期IGBT壳-散热片网络中RC并联单元的温差；
壳温如下所示。
式中，PTavg和PDavg分别是IGBT和二极管基频周期平均损耗；Rha为热阻；
1.6)MMC中二极管第j个开关周期的结温的如下所示：
式中，和为第j个开关周期二极管结-壳以及壳-散热片热网络中RC并联单元的温差；
1.7)计算时刻tn对应的采样时间间隔T内基频周期NT_F，即：
NT_F＝F×f0； (13)
式中，F为采样周期；
1.8)第m个基频周期内，以RC并联单元温差为迭代变量，通过式(10)-(13)，得到该基频周期结温曲线，进而得到该基频周期对应的结温均值TTjavg_F；
根据0-tn时刻各采样时间间隔F的基频结温均值TTjavg_F，通过雨流算法得到NTsum_L个低频周期结温曲线，进而得到每个低频周期结温曲线对应的结温最大值TTjmax_L、最小值TTjmin_L和铝键合线电流有效值IL；
1.9)计算低频周期对应的循环失效周期数NTf_L，即：
式中，ton为加热时间；U为模块阻塞电压的η倍；D为铝键合线的直径；k1、β1、β2、β3、β4、β5和β6为计算系数；
计算基频周期对应的循环失效周期数NTf_L，即：
式中，TTjmax_F为基频结温最大值；TTjmin_F为基频结温最小值；IF为基频周期对应的铝键合线电流有效值；
1.10)基于Miner’s损伤理论和基频周期对应的循环失效周期数NTf_F，0-tn时刻的寿命消耗CLT(tn)如下所示：
式中，NTsum_L为0-tnc时刻低频热循环总数；NT_L,d1和NTf_L,d1为第d1次低频热循环对应的热循环次数和循环失效周期数；NT_F,d2、NTf_F,d2分别为第d2个采样时间间隔T对应的基频热循环次数和循环失效周期数；
1.11)IGBT采样时刻tnc对应时间间隔T的平均失效时间MTTFT(tn)如下所示：
IGBT故障率λT(tn)如下所示：
1.12)IGBT可靠度RT(tn)和二极管可靠度RD(tn)分别如下所示：
式中，λD(t)为二极管故障率；
2)将风电输送系统基本数据输入到MMC功率器件可靠性评估模型中，从而计算得到IGBT可靠度RT(tnc)和二极管可靠度RD(tnc)。
6.根据权利要求1所述的计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于，计算混合MMC电容器可靠度的主要步骤如下：
1)建立混合MMC电容器可靠性评估模型，主要步骤如下：
1.1)计算电容器可靠度RC(tnc)，即：
式中，Ws0为电容器初始状态对应的自愈能量；Wsl为l个SM故障对应的自愈能量；λC是电容器故障率；RC为薄膜电阻；
1.2)计算电容器自愈能量Wsl，即：
式中，f(P)为夹层压强相关函数；k2、A和B为相关系数；UCl为l个SM故障对应的电容器电压；C为电容量；
2)将风电输送系统基本数据输入到MMC功率器件可靠性评估模型中，从而计算得到电容器可靠度RC(tnc)和电容器自愈能量Wsl。
7.根据权利要求1所述的计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于，计算MMC的全寿命周期内可靠度的主要步骤如下：
1)建立MMC全寿命周期可靠性评估模型，主要步骤如下：
1.1)计算半桥子模块HBSM可靠度RHB(tnc)，即：
RHB(tnc)＝RT1(tnc)·RD1(tnc)·RT2(tnc)·RD2(tnc)·RC(tnc)； (23)
式中，RT1(tnc)和RT2(tnc)分别为半桥子模块HBSM中两个IGBT的可靠度；RD1(tnc)和RD2(tnc)分别为半桥子模块HBSM中两个二极管的可靠度；RC(tnc)为半桥子模块HBSM中电容器可靠度；
1.2)设定MMC全寿命运行周期内，存在nmt次检修，则所有检修中MMC桥臂投入的冗余子模块个数记为
当MMC运行到第ymt个运维周期时，桥臂第ZSM个子模块运行到对应tn时刻的状态如下所示：
式中，为在[0,1]区间均匀分布的随机数；ZSM＝1,…,NHB+N0HBnmt；0表示故障状态；1表示正常状态；
1.3)第ymt个运维周期MMC中一个桥臂包含NHB个基准子模块和个冗余子模块，因此，桥臂的状态组合如下所示：
1.4)在tnc时刻，桥臂运行状态如下所示
通过NArm次蒙特卡洛抽样，得到第ZArm个桥臂tnc时刻可靠度如下所示：
式中，NArm为抽样总数，为抽样中桥臂完好状态出现的次数。
因此，MMC的可靠度函数如下所示：
1.5)MMC全寿命周期的维护总成本如下所示：
式中，QMMC为MMC全寿命周期维护总成本；QHB为单个子模块成本；QM为一次维护成本；s为子模块所处状态；r为任意次抽样；n为运维总数；δ为任意一次维护；
配置冗余子模块个数的范围如下所示：
式中，N0HBmin为冗余子模块个数最小值；N0HBmax为冗余子模块个数最大值；
MMC全寿命周期的维护次数取值范围如下所示：
式中，和分别冗余子模块分别为最大值和最小值时对应的维护次数。
MMC运行周期之和满足下式：
式中，Tset为规定服役年限；TP为从1到nmt次维修对应的运行时长；nT为运行周期总数；
MMC在运行过程中，可靠度满足下式：
式中，RMMCset为MMC可靠度设定值。
8.根据权利要求1所述的计及运行工况影响的MMC动态冗余预防性维护方法，其特征在于，MMC运行情况是否可以满足约束条件要求的方法为：利用公式30判断冗余子模块的范围是否满足约束，利用公式31判断MMC全寿命周期的维护次数是否满足约束，利用公式32判断MMC运行周期之和是否满足约束，和利用公式33判断MMC可靠度是否满足约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811478461.4A CN109917638B (zh) | 2018-12-05 | 2018-12-05 | 计及运行工况影响的mmc动态冗余预防性维护方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811478461.4A CN109917638B (zh) | 2018-12-05 | 2018-12-05 | 计及运行工况影响的mmc动态冗余预防性维护方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109917638A true CN109917638A (zh) | 2019-06-21 |
| CN109917638B CN109917638B (zh) | 2020-08-18 |
Family
ID=66959796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811478461.4A Active CN109917638B (zh) | 2018-12-05 | 2018-12-05 | 计及运行工况影响的mmc动态冗余预防性维护方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109917638B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111090940A (zh) * | 2019-12-17 | 2020-05-01 | 南方电网科学研究院有限责任公司 | 一种基于ansys的mmc子模块压接式igbt短期失效分析方法 |
| CN111384843A (zh) * | 2020-04-02 | 2020-07-07 | 华北电力大学 | 基于子模块状态监测的mmc维护周期确定方法及系统 |
| CN111817581A (zh) * | 2020-07-17 | 2020-10-23 | 山东大学 | 一种多电平换流器的运行控制方法及控制系统 |
| CN112986707A (zh) * | 2019-12-02 | 2021-06-18 | 北京新能源汽车股份有限公司 | 一种功率模块的寿命评估方法、装置及汽车 |
| CN113050724A (zh) * | 2021-03-24 | 2021-06-29 | 株洲中车时代电气股份有限公司 | 基于igbt器件运行实时结温的列车牵引控制方法及系统 |
| CN113315400A (zh) * | 2021-06-02 | 2021-08-27 | 河北工业大学 | 一种三相两电平逆变器四桥臂的分时动态冗余控制方法 |
| CN115994750A (zh) * | 2022-12-27 | 2023-04-21 | 山东大学 | 一种mmc最优维修周期选择方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106899031A (zh) * | 2017-02-28 | 2017-06-27 | 湖南大学 | 一种柔性直流输电系统中全桥mmc换流阀冗余度优化方法 |
| CN107341326A (zh) * | 2017-08-29 | 2017-11-10 | 中国南方电网有限责任公司电网技术研究中心 | 模块化多电平换流器寿命评估方法 |
| CN108509674A (zh) * | 2018-02-06 | 2018-09-07 | 重庆大学 | 一种基于多时间尺度热损伤的改进混合mmc运行可靠性评估模型及方法 |
-
2018
- 2018-12-05 CN CN201811478461.4A patent/CN109917638B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106899031A (zh) * | 2017-02-28 | 2017-06-27 | 湖南大学 | 一种柔性直流输电系统中全桥mmc换流阀冗余度优化方法 |
| CN107341326A (zh) * | 2017-08-29 | 2017-11-10 | 中国南方电网有限责任公司电网技术研究中心 | 模块化多电平换流器寿命评估方法 |
| CN108509674A (zh) * | 2018-02-06 | 2018-09-07 | 重庆大学 | 一种基于多时间尺度热损伤的改进混合mmc运行可靠性评估模型及方法 |
Non-Patent Citations (2)
| Title |
|---|
| ZHIMING YANG等: "A survey of fault diagnosis for onshore grid-connected converter in wind energy conversion systems", 《RENEWABLE AND SUSTAINABLE ENERGY REVIEWS》 * |
| 陈民武等: "同相供电系统潮流控制器可靠性建模与冗余分析", 《电网技术》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112986707A (zh) * | 2019-12-02 | 2021-06-18 | 北京新能源汽车股份有限公司 | 一种功率模块的寿命评估方法、装置及汽车 |
| CN112986707B (zh) * | 2019-12-02 | 2023-06-02 | 北京新能源汽车股份有限公司 | 一种功率模块的寿命评估方法、装置及汽车 |
| CN111090940A (zh) * | 2019-12-17 | 2020-05-01 | 南方电网科学研究院有限责任公司 | 一种基于ansys的mmc子模块压接式igbt短期失效分析方法 |
| CN111090940B (zh) * | 2019-12-17 | 2023-04-14 | 南方电网科学研究院有限责任公司 | 一种基于ansys的mmc子模块压接式igbt短期失效分析方法 |
| CN111384843A (zh) * | 2020-04-02 | 2020-07-07 | 华北电力大学 | 基于子模块状态监测的mmc维护周期确定方法及系统 |
| CN111817581A (zh) * | 2020-07-17 | 2020-10-23 | 山东大学 | 一种多电平换流器的运行控制方法及控制系统 |
| CN113050724A (zh) * | 2021-03-24 | 2021-06-29 | 株洲中车时代电气股份有限公司 | 基于igbt器件运行实时结温的列车牵引控制方法及系统 |
| CN113315400A (zh) * | 2021-06-02 | 2021-08-27 | 河北工业大学 | 一种三相两电平逆变器四桥臂的分时动态冗余控制方法 |
| CN113315400B (zh) * | 2021-06-02 | 2022-06-10 | 河北工业大学 | 一种三相两电平逆变器四桥臂的分时动态冗余控制方法 |
| CN115994750A (zh) * | 2022-12-27 | 2023-04-21 | 山东大学 | 一种mmc最优维修周期选择方法及系统 |
| CN115994750B (zh) * | 2022-12-27 | 2023-08-04 | 山东大学 | 一种mmc最优维修周期选择方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109917638B (zh) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109917638A (zh) | 计及运行工况影响的mmc动态冗余预防性维护方法 | |
| Peyghami et al. | Incorporating power electronic converters reliability into modern power system reliability analysis | |
| Zhou et al. | Mission profile based system-level reliability analysis of DC/DC converters for a backup power application | |
| Peyghami et al. | A guideline for reliability prediction in power electronic converters | |
| Zhang et al. | Reliability evaluation of grid-connected photovoltaic power systems | |
| Guo et al. | Reliability modeling and evaluation of MMCs under different redundancy schemes | |
| Yu et al. | Reliability analysis and cost optimization of parallel-inverter system | |
| CN108509674B (zh) | 改进混合mmc运行可靠性评估模型及方法 | |
| Moradi-Shahrbabak et al. | Economical design of utility-scale photovoltaic power plants with optimum availability | |
| Abeynayake et al. | Reliability and cost-oriented analysis, comparison and selection of multi-level MVDC converters | |
| Pham et al. | Reliability evaluation of an aggregate battery energy storage system in microgrids under dynamic operation | |
| Xu et al. | Reliability modeling of MMCs considering correlations of the requisite and redundant submodules | |
| Peyghami et al. | System-level design for reliability and maintenance scheduling in modern power electronic-based power systems | |
| Xiao et al. | Method, implementation and application of energy storage system designing | |
| US7610174B2 (en) | System for assured reliability in DC to AC power converters | |
| Zhou et al. | Lifetime estimation of electrolytic capacitors in a fuel cell power converter at various confidence levels | |
| Altamimi et al. | Reliability of power systems with climate change impacts on hierarchical levels of PV systems | |
| Xu et al. | A unified MMC reliability evaluation based on physics-of-failure and SM lifetime correlation | |
| CN103606107A (zh) | 一种风光储联合发电系统设备状态评估信息系统 | |
| Li et al. | Redundancy design of modular DC solid-state transformer based on reliability and efficiency evaluation | |
| Yu et al. | Reliability-centered maintenance for modular multilevel converter in HVDC transmission application | |
| Sabzian-Molaee et al. | An optimal planning model for AC-DC distribution systems considering the converter lifetime | |
| Alavi et al. | Reliability assessment of a stand-alone wind-hydrogen energy conversion system based on thermal analysis | |
| Zhang et al. | IGBT Reliability analysis of photovoltaic inverter with reactive power output capability | |
| Li et al. | Microgrid reliability evaluation based on condition-dependent failure models of power electronic devices |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |