CN112084651B - 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统 - Google Patents

计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统 Download PDF

Info

Publication number
CN112084651B
CN112084651B CN202010927855.4A CN202010927855A CN112084651B CN 112084651 B CN112084651 B CN 112084651B CN 202010927855 A CN202010927855 A CN 202010927855A CN 112084651 B CN112084651 B CN 112084651B
Authority
CN
China
Prior art keywords
igbt
junction temperature
time
thermal stress
time scale
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.)
Active
Application number
CN202010927855.4A
Other languages
English (en)
Other versions
CN112084651A (zh
Inventor
何怡刚
王传坤
王晨苑
李猎
吴晓欣
曾昭瑢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202010927855.4A priority Critical patent/CN112084651B/zh
Publication of CN112084651A publication Critical patent/CN112084651A/zh
Priority to US17/168,127 priority patent/US11543446B2/en
Application granted granted Critical
Publication of CN112084651B publication Critical patent/CN112084651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/26—Testing of individual semiconductor devices
    • G01R31/2607—Circuits therefor
    • G01R31/2608—Circuits therefor for testing bipolar transistors
    • G01R31/2619—Circuits therefor for testing bipolar transistors for measuring thermal properties thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L29/00—Semiconductor devices specially adapted for rectifying, amplifying, oscillating or switching and having potential barriers; Capacitors or resistors having potential barriers, e.g. a PN-junction depletion layer or carrier concentration layer; Details of semiconductor bodies or of electrodes thereof ; Multistep manufacturing processes therefor
    • H01L29/66—Types of semiconductor device ; Multistep manufacturing processes therefor
    • H01L29/68—Types of semiconductor device ; Multistep manufacturing processes therefor controllable by only the electric current supplied, or only the electric potential applied, to an electrode which does not carry the current to be rectified, amplified or switched
    • H01L29/70—Bipolar devices
    • H01L29/72—Transistor-type devices, i.e. able to continuously respond to applied control signals
    • H01L29/739—Transistor-type devices, i.e. able to continuously respond to applied control signals controlled by field-effect, e.g. bipolar static induction transistors [BSIT]
    • H01L29/7393—Insulated gate bipolar mode transistors, i.e. IGBT; IGT; COMFET
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/0272—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor by measures acting on the electrical generator
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/303—Temperature
    • F05B2270/3032—Temperature excessive temperatures, e.g. caused by overheating
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/332—Maximum loads or fatigue criteria
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2619—Wind turbines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Sustainable Development (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Power Engineering (AREA)
  • Ceramic Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Wind Motors (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法及系统，利用多时间尺度来综合提取功率器件的寿命信息；建立IGBT模块的电热耦合模型用以获得结温数据；建立IGBT在不同老化状态下的稳态结温数据库；在短期时间尺度剖面下，基于SCADA监测数据，通过电热耦合模型实时输出结温数据，并计算实时热应力循环次数；在长期时间尺度剖面下，依托风机SCADA监测数据获得风速概率分布曲线；结合Bayerer寿命预测模型和稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数；以热应力循环次数为衔接不同时间尺度的评估结果，计算风电变流器IGBT的累积损伤度和预估寿命。本发明具备较强的在线监测能力。

Description

计及疲劳损伤的多尺度风电IGBT可靠性评估方法及系统
技术领域
本发明属于电力电子设备核心器件可靠性领域，更具体地，涉及一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法及系统。
背景技术
风电变流器是风能转换系统中的核心设备，而长时间、高频率和高强度的工况对其产生了大量的热应力冲击，变流器是风能转换系统中最易损坏的部件之一。绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor，IGBT)以其开关速度快、驱动电路较为简单、耐压性好及电流容量大等优势在风电变流器中得以广泛应用，风电变流器的故障在很大程度上由IGBT的失效导致。开展风电变流器IGBT的可靠性评估可以保障风力发电系统安全可靠运行，并降低风电场运行维护成本。由于风速的随机性和波动性，IGBT上承受了大量波动的热应力循环，增加了评估IGBT可靠性的难度。
现阶段，国内外针对风电变流器IGBT模块的可靠性评估主要基于可靠性评估手册和结温数据两方面开展研究。利用可靠性评估手册对风电变流器IGBT进行评估时，往往仅能考虑单一工况，且不符合在线监测的要求；可靠性评估手册的适用范围和精度都十分有限，而结温数据能够针对风力发电应用背景较为准确地开展可靠性评估。结温的在线获取有直接测量和间接测量两种方法。直接测量是通过在IGBT模块内部嵌入集成传感器或通过红外测温仪获取结温数据；集成传感器需要在IGBT设计生产中考虑集成传感器的电磁兼容问题，而IGBT模块的封装影响红外测温仪测量内部结温的精度。此外，直接测量方法在实际工程中存在数据传输延时和增加成本的问题。间接测量是通过建立电热耦合模型实时预估IGBT的结温，具有低延时、在线监测能力强的优点。
在对风电变流器的IGBT模块可靠性进行评估时，需要考虑影响器件的诸多因素，例如风速、环境温度、功率器件老化特性等。基于SCADA监测数据可以考虑风速和环境温度对于IGBT可靠性评估的影响，但SCADA数据实时的观测尺度相较于IGBT模块的整个寿命周期相比是很短的，未有效计及IGBT疲劳损伤累积效应。总的来说，利用结温数据进行风电IGBT可靠性评估时，现有方法对于疲劳损伤的影响未能有效计及，且计算效率尚不能满足在线监测的要求。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法及系统，在计及IGBT疲劳损伤的影响时，利用多时间尺度来综合提取功率器件的寿命信息，减少了单一观测尺度对于SCADA监测数据时间序列长度的依赖，提高了可靠性评估计算效率，具备较强的在线监测能力。
为实现上述目的，按照本发明的一个方面，提供了一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法，包括：
(1)对可靠性评估时间尺度进行划分，利用多时间尺度来综合提取功率器件的寿命信息；
(2)针对风电变流器拓扑和IGBT型号，建立IGBT模块的电热耦合模型用以获得结温数据，并结合IGBT疲劳损伤理论，建立IGBT在不同老化状态下的稳态结温数据库；
(3)在短期时间尺度剖面下，基于SCADA监测数据，全面考虑环境温度及风速的影响，通过所述电热耦合模型实时输出结温数据，并计算实时热应力循环次数；
(4)在长期时间尺度剖面下，依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线，归一化后进行热应力冲击检验次数概率分布，并结合Bayerer寿命预测模型和所述稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数；
(5)以热应力循环次数为衔接不同时间尺度的评估结果，计算风电变流器IGBT的累积损伤度和预估寿命。
在一些可选的实施方案中，所述对可靠性评估时间尺度进行划分，包括：
在长时间尺度剖面，侧重考虑功率器件老化特性，忽略结温波动的瞬态细节仅考虑稳态结温从而保持较高的计算效率；
在短时间尺度剖面，侧重考虑风速和环境温度的影响，全面计及观测到的结温波动数据。
在一些可选的实施方案中，所述建立IGBT在不同老化状态下的稳态结温数据库，包括：
基于疲劳损伤理论，利用累积损伤度D来反应IGBT模块的损伤程度；当D≦a时，不对所述电热耦合模型热网络参数进行修正；当累积损伤度a<D≦b时，按照第一预设值增大电热耦合模型热网络参数；当累积损伤度b<D≦c时，按照第二预设值增大电热耦合模型热网络参数；当累积损伤度c<D≦d时，按照第三预设值增大电热耦合模型热网络参数；当累积损伤度d<D≦e时，按照第四预设值增大电热耦合模型热模型参数，其中，所述第一预设值、所述第二预设值、所述第三预设值及所述第四预设值依次增大，a、b、c、d、e的值依次增大；
在风机切入风速与切出风速之间进行采样，得到风电IGBT的特征工况，计算各特征工况不同老化状态下电热耦合模型输出的稳态结温数值，建立IGBT稳态结温数据库；
在一些可选的实施方案中，由
Figure BDA0002669069740000031
确定累积损伤度，其中，Nf为IGBT模块在某幅值大小不变的应力循环作用下的失效周期数，N表示承受该应力的循环次数。
在一些可选的实施方案中，步骤(4)包括：
依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线；
归一化后进行热应力冲击检验次数概率分布，并判断IGBT老化进程，选定对应老化阶段的稳态结温数据库；
结合Bayerer寿命预测模型和选定的稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数。
在一些可选的实施方案中，步骤(5)包括：
在短期时间尺度剖面下，获得IGBT模块在当前运行状态下的实时热应力循环次数；
在长期时间尺度剖面下，获得计及疲劳损伤的IGBT最大承受循环冲击次数；
以热应力循环次数为衔接，综合各个时间尺度下的输出结果，计算风电变流器IGBT的实时累积损伤度和预估寿命。
在一些可选的实施方案中，由
Figure BDA0002669069740000041
计算风电变流器IGBT的实时累积损伤度，其中，Nt表示在短期时间尺度剖面下，获得的IGBT模块在当前运行状态下的实时热应力循环次数，Nm表示在长期时间尺度剖面下，获得的计及疲劳损伤的IGBT最大承受循环冲击次数。
在一些可选的实施方案中，由
Figure BDA0002669069740000042
计算预估寿命，其中，T表示监测数据的时间序列长度。
按照本发明的另一方面，提供了一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估系统，包括：
时间尺度划分模块，用于对可靠性评估时间尺度进行划分，利用多时间尺度来综合提取功率器件的寿命信息；
稳态结温数据库建立模块，用于针对风电变流器拓扑和IGBT型号，建立IGBT模块的电热耦合模型用以获得结温数据，并结合IGBT疲劳损伤理论，建立IGBT在不同老化状态下的稳态结温数据库；
短期可靠性分析模块，用于在短期时间尺度剖面下，基于SCADA监测数据，全面考虑环境温度及风速的影响，通过所述电热耦合模型实时输出结温数据，并计算实时热应力循环次数；
长期可靠性分析模块，用于在长期时间尺度剖面下，依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线，归一化后进行热应力冲击检验次数概率分布，并结合Bayerer寿命预测模型和所述稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数；
可靠性评估模块，用于以热应力循环次数为衔接不同时间尺度的评估结果，计算风电变流器IGBT的累积损伤度和预估寿命。
按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1.综合考虑风速、环境温度以及功率器件的时间常数特性，对可靠性评估的时间尺度进行划分以获得更多寿命信息，如功率器件疲劳损伤、风速波动以及环境温度波动对寿命的消耗等，从而保证评估结果的准确性；
2.多时间尺度在计及疲劳损伤的影响时，在长期时间尺度剖面下利用稳态结温数据和概率分布来模拟IGBT老化进程，获得计及疲劳损伤影响下的最大热应力循环次数。减少了单一观测尺度对于SCADA数据时间序列长度的依赖，提高了计算效率；
3.多时间尺度的在线监测能力强，通过SCADA监测数据和电热耦合模型输出结温数据，并利用雨流计数法计算IGBT实时热应力循环次数。其次，综合考虑计及疲劳损伤下的IGBT最大热应力循环次数，实时计算累积损伤度，反应IGBT模块的健康状态。该方法更加符合智能电网和能源互联网背景下对风电变流器IGBT健康监测的性能要求。
附图说明
图1是本发明实施例提供的一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法的流程示意图；
图2是本发明实施例提供的一种双馈风电变流器拓扑结构；
图3是本发明实施例提供的一种IGBT模块电热耦合仿真模型；
图4是本发明实施例提供的一种网侧变流器IGBT的实时结温曲线；
图5是本发明实施例提供的一种雨流计数法输出结果；
图6是本发明实施例提供的一种风电场全年风速威布尔概率分布曲线；
图7是本发明实施例提供的一种IGBT模块老化进程。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明实例中，“第一”、“第二”等是用于区别不同的对象，而不必用于描述特定的顺序或先后次序。
实施例一
如图1所示是本发明实施例提供的一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法的流程示意图，在图1所示的方法中包括以下步骤：
(1)对可靠性评估时间尺度进行划分，划分为长期和短期两个时间尺度，利用多时间尺度来综合提取功率器件的寿命信息；
其中，通过步骤(1)以实现在可靠性评估过程中对不同影响因素(风速、环境温度、功率器件老化特性)的有效计及。
(2)针对风电变流器拓扑结构和IGBT具体型号，建立IGBT模块的电热耦合模型用以获得结温数据，并结合IGBT疲劳损伤理论，将IGBT老化进程分为若干个阶段，建立IGBT在不同老化状态下的稳态结温数据库；
(3)在短期时间尺度剖面下，基于SCADA监测数据，全面考虑环境温度及风速的影响，通过电热耦合模型实时输出结温数据，并计算实时热应力循环次数Nt；
其中，可以利用雨流计数法计算实时热应力循环次数Nt。
(4)在长期时间尺度剖面下，依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线，归一化后进行热应力冲击检验次数概率分布；结合Bayerer寿命预测模型和稳态结温数据库预先获得IGBT在不同老化阶段可承受的最大热应力循环次数Nm；
(5)以热应力循环次数衔接不同时间尺度的评估结果，计算风电变流器IGBT的实时累积损伤度Dt和预估寿命，以实现不同时间尺度可靠性分析的优点互补，计及疲劳累积损伤的同时兼顾累积损伤度的计算效率。
进一步地，在步骤(1)中，对风电变流器的IGBT模块可靠性评估时间尺度进行划分时，考虑影响器件的诸多因素，例如风速、环境温度、功率器件特性等；这些因素涉及到不同时间常数的多学科模型，因此很难同时对这些模型进行评估，受到摄影中利用不同焦距的镜头获取不同尺寸和细节图像的启发，根据各影响因素的时间常数特性划分评估时间尺度，形成多时间尺度；利用多时间尺度来综合提取器件的寿命信息，以实现在可靠性评估过程中对不同影响因素的有效计及。利用多时间尺度来综合提取器件的寿命信息，以实现在可靠性评估过程中对不同影响因素的有效计及。
功率器件的热时间常数远小于风速、环境温度的波动周期，因此在计及疲劳损伤影响时可以忽略风机系统瞬态过程对器件结温的影响，将风机系统工况假设为一系列的稳态工况，而只考虑器件的稳态结温；此外，功率器件的老化周期可长达数年，远远大于实时的观测周期，可认为IGBT在短期观测尺度下健康状态保持不变。在长时间尺度剖面，侧重考虑功率器件老化特性，忽略结温波动的瞬态细节仅考虑稳态结温从而保持较高的计算效率；在短时间尺度剖面，侧重考虑风速、环境温度的影响，全面计及观测到的结温波动数据。多时间尺度的设置有利于在风电变流器IGBT可靠性评估过程中捕获不同方面的寿命信息，并提高计算效率。
进一步地，在步骤(2)中，稳态结温数据库建立方法如下：
从风电变流器拓扑出发，结合IGBT运行特性(开关频率fs、直流侧电压Udc、导通电流Ic、占空比δ)，推导IGBT功率损耗模型；基于IGBT模块的物理结构和内部热传导过程推导IGBT热网络等效模型；在MATLAB/Simulink中搭建电热耦合仿真模型。功率损耗模型所输出的功率损耗数值送入IGBT模块的热网络等效模型进行模拟结温计算。
IGBT模块在工作过程中需要承受大量的热应力循环冲击，假设Nf为IGBT模块在某幅值大小不变的应力循环作用下的失效周期数，当其承受该应力N次的循环作用，且N小于Nf时，IGBT模块虽然不会因疲劳损伤而失效，但也产生了一定程度的疲劳损伤，利用累积损伤度可以表示该疲劳损伤的具体大小如下：
Figure BDA0002669069740000081
若器件在k个恒定幅值应力作用下，且每个恒定幅值应力产生的冲击次数为Nf,i次，该工况下的累积损伤度可以表示为：
Figure BDA0002669069740000082
Ni表示第i个恒定幅值应力，Di表示第i个恒定幅值应力产生的疲劳损伤，Nf,i表示在第i个恒定幅值大小不变的应力循环作用下的失效周期数。
当累积损伤度D达到1时，就说明该器件疲劳失效。在风电变流器的实际工作过程之中，IGBT模块的焊料层极易产生疲劳损伤，并伴随器件材料老化进程造成热阻增大。考虑到IGBT模块本身的老化进程对寿命预测不可忽视的影响，对电热耦合模型中的热模型参数进行及时更新十分必要。
考虑到IGBT模块本身的老化进程对寿命预测不可忽视的影响，对电热耦合模型中的热模型参数进行及时更新十分必要。当D≦a时，不对电热耦合模型热网络参数进行修正；当累积损伤度a<D≦b时，按照第一预设值增大电热耦合模型热网络参数；当累积损伤度b<D≦c时，按照第二预设值增大电热耦合模型热网络参数；当累积损伤度c<D≦d时，按照第三预设值增大电热耦合模型热网络参数；当累积损伤度d<D≦e时，按照第四预设值增大电热耦合模型热模型参数，其中，第一预设值、第二预设值、第三预设值及第四预设值依次增大，a、b、c、d、e的值依次增大；
作为一种优选的实施方式，当D≦0.2时，认定IGBT模块处于健康I期，不对电热耦合模型热网络参数进行修正；当累积损伤度0.2<D≦0.4时，认定IGBT模块处于健康II期，增大电热耦合模型热网络参数10％；当累积损伤度0.4<D≦0.6时，认定IGBT模块处于健康III期，增大电热耦合模型热网络参数20％；当累积损伤度0.6<D≦0.8时，认定IGBT模块处于健康IV期，增大电热耦合模型热网络参数30％；当累积损伤度0.8<D≦1时，认定IGBT模块处于健康V期，增大电热耦合模型热模型参数40％。
在风机切入风速与切出风速之间进行按照1m/s的间隔均匀采样，得到风电IGBT的特征工况；计算各特征工况不同老化状态下电热耦合模型输出的稳态结温数值，建立IGBT稳态结温数据库。
进一步地，在步骤(4)中，长时间尺度剖面下可靠性评估方法流程如下：
1)依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线；
2)归一化后进行热应力冲击检验次数概率分布，并判断IGBT老化进程，选定对应老化阶段的稳态结温数据库；
3)结合Bayerer寿命预测模型和稳态结温数据库预先获得IGBT在不同老化阶段可承受的最大热应力循环次数Nm。
进一步地，在步骤(5)中，综合不同时间尺度算法输出结果，进行可靠性评估：在短期时间尺度剖面下，获得了IGBT模块在当前运行状态下的实时热应力循环次数Nt；在长期时间尺度剖面下，获得了计及疲劳损伤的IGBT最大承受循环冲击次数Nm；多时间尺度以热应力循环次数为衔接，综合两个时间尺度下的输出结果计算风电变流器IGBT的实时累积损伤度Dt和预估寿命S。
Figure BDA0002669069740000101
Figure BDA0002669069740000102
其中，T表示监测数据的时间序列长度。
本发明提出的多时间尺度可靠性方法在计及IGBT疲劳损伤的影响时减少了单一观测尺度对于SCADA数据时间序列长度的依赖，提高了可靠性评估计算效率，具备较强的在线监测能力。
实施例二
下面以一个2MW双馈风力发电系统为具体实施例，具体参数详见表1。利用计及疲劳损伤的多时间尺度方法针对其网侧变流器IGBT进行可靠性分析，并结合附图对本发明作进一步详细描述。
表1风力发电系统参数
类别 参数
额定功率/MW 2
切入风速/(m/s) 3
额定风速/(m/s) 11
切出风速/(m/s) 25
网侧电压/V 690
网侧频率/Hz 50
IGBT开关频率/Hz 3500
直流侧电压/V 1100
IGBT型号 Infineon-FF1400R17IP4
参照图1，本发明实施例包括以下步骤：
(1)划分风电变流器IGBT可靠性评估时间尺度，利用多时间尺度来综合提取功率器件的寿命信息：
在长时间尺度剖面，侧重考虑功率器件老化特性，忽略结温波动的瞬态细节仅考虑稳态结温从而保持较高的计算效率；在短时间尺度剖面，侧重考虑风速、环境温度的影响，全面计及观测到的结温波动数据。
(2)针对风电变流器拓扑和IGBT型号，建立IGBT模块的电热耦合模型用以获得结温数据，结合IGBT疲劳损伤理论，将其老化进程分为五个阶段，建立IGBT在不同老化状态下的稳态结温数据库；
结温波动是导致IGBT失效的主要原因，由于IGBT内部材料热膨胀系数不同将导致其内部结构热应力受力不均匀，导致键合线、焊料层以及芯片内部等材料交接部位常常因此受到损伤。针对如图2所示双馈式风电变流器拓扑结构，结合IGBT运行特性(开关频率fs、直流侧电压Udc、导通电流Ic、占空比δ)，推导IGBT功率损耗模型；基于IGBT模块的物理结构和内部热传导过程推导IGBT热网络等效模型；最后，在MATLAB/Simulink中搭建电热耦合仿真模型，如图3所示。功率损耗模型所输出的功率损耗数值送入IGBT模块的热模型等效网络进行模拟结温计算。
IGBT模块在工作过程中需要承受大量的热应力循环冲击，假设Nf为IGBT模块在某幅值大小不变的应力循环作用下的失效周期数，当其承受该应力N次的循环作用，且N小于Nf时，IGBT模块虽然不会因疲劳损伤而失效，但也产生了一定程度的疲劳损伤，利用累积损伤度可以表示该疲劳损伤的具体大小如下：
Figure BDA0002669069740000121
若器件在k个恒定幅值应力作用下，且每个恒定幅值应力产生的冲击次数为Nf,i次，该工况下的累积损伤度可以表示为：
Figure BDA0002669069740000122
当累积损伤度D达到1时，就说明该器件疲劳失效。在风电变流器的实际工作过程之中，IGBT模块的焊料层极易产生疲劳损伤，并伴随器件材料老化进程造成热阻增大。考虑到IGBT模块本身的老化进程对寿命预测不可忽视的影响，对电热耦合模型中的热模型参数进行及时更新十分必要。考虑到IGBT模块本身的老化进程对寿命预测不可忽视的影响，对电热耦合模型中的热模型参数进行及时更新十分必要。当D≦0.2时，认定IGBT模块处于健康I期，不对电热耦合模型热网络参数进行修正；当累积损伤度0.2<D≦0.4时，认定IGBT模块处于健康II期,增大电热耦合模型热网络参数10％；当累积损伤度0.4<D≦0.6时，认定IGBT模块处于健康III期,增大电热耦合模型热网络参数20％；当累积损伤度0.6<D≦0.8时，认定IGBT模块处于健康IV期,增大电热耦合模型热网络参数30％；当累积损伤度0.8<D≦1时，认定IGBT模块处于健康V期,增大电热耦合模型热模型参数40％。
在风机切入风速(3m/s)与切出风速(25m/s)之间进行按照1m/s的间隔均匀采样，得到风电IGBT的23个特征工况；计算各工况不同老化状态下的稳态结温数值，建立IGBT稳态结温数据库；
(3)在短时间尺度剖面下，基于SCADA监测数据，全面考虑环境温度及风速的影响，通过电热耦合模型实时输出结温数据，并利用雨流计数法计算实时热应力循环次数；
将SCADA数据库中记录的1年内的风速和环境温度，导入风机模型和电热耦合模型，得到网侧变流器IGBT的实时结温曲线，见图4；其次，利用雨流计数法提取热应力载荷分布，计算实时的热应力循环次数Nt，即短期可靠性参量，如图5所示。
(4)在长时间尺度剖面下，依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线，归一化后进行热应力冲击检验次数概率分布；结合Bayerer寿命预测模型和稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数；
风电变流器IGBT的结温受到风速波动影响最大，而风场的风速概率特性能够通过双参数威布尔分布进行准确地描述：
Figure BDA0002669069740000131
式中，k为由该地区测风速期间平均风速决定威布尔分布形状参数，c为由风速标准偏差值决定的威布尔分布尺度参数，v是风速。对该式进行积分运算可得威布尔概率分布函数如下所示：
Figure BDA0002669069740000132
为计及风速的季节性特征，以该风电场SCADA数据库中一年的风速数据进行威布尔概率分布拟合，拟合后的概率分布曲线如图6所示，各参数如表2所示。
表2威布尔概率分布参数
Figure BDA0002669069740000141
本发明实施例研究的风电变流器采用了Infineon公司的IGBT模块。Bayerer模型是Infineon公司针对自家产品测试拟合出的寿命预测模型，选取该寿命预测模型用于模拟IGBT老化进程将更加契合实际，其表达式为：
Figure BDA0002669069740000142
式中：Tjmax为结温最大值；参数K为模型修正系数；β1、β2分别为结温波动指数和结温最大指数；β3～β6分别为功率循环加热时间、器件耐压等级值、键合线电流值以及键合线直径的指数。
表2中给出了不同季度特性的风速概率分布，归一化后进行热应力循环冲击次数的概率分布；然后，在热应力循环冲击的过程中，不断地进行老化进程监测，并及时选择对应的结温库，结合Bayerer寿命预测模型从而准确地模拟IGBT在整个寿命周期内的老化进程，如图7所示；可以发现，在风电变流器工作过程中，不同季节特性的风况将会对IGBT产生不同的损伤，在研究风电IGBT可靠性时考虑风速概率分布的影响十分必要；最终，得到IGBT在失效前能够承受的最大热应力循环次数Nm，即长期可靠性参量。
(5)以热应力循环次数为衔接量，计算风电变流器网侧变流器IGBT的累积损伤度和预估寿命。
短期时间剖面下，获得了IGBT模块在当前运行状态下的实时热应力循环次数Nt；长期时间剖面下，获得了计及疲劳损伤的IGBT最大承受循环冲击次数Nm；多时间尺度算法以热应力循环次数为衔接，进行可靠性评估：
Figure BDA0002669069740000151
Figure BDA0002669069740000152
式中，Dt表示实时累积损伤度，S表示预估寿命，T表示监测数据的时间序列长度。
表3中给出了不同时间尺度算法输出结果，并以同类型风电变流器IGBT模块的累积损伤度和使用寿命统计数据作为数学期望；可以得出，多时间尺度算法可以弥补单一观测尺度无法计及疲劳损伤的缺陷，较为准确地反应风电变流器IGBT模块的健康状况。
表3不同时间尺度算法输出结果对比
Figure BDA0002669069740000153
实施例三
本发明实施例提供了一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估系统，包括：
时间尺度划分模块，用于对可靠性评估时间尺度进行划分，利用多时间尺度来综合提取功率器件的寿命信息；
稳态结温数据库建立模块，用于针对风电变流器拓扑和IGBT型号，建立IGBT模块的电热耦合模型用以获得结温数据，并结合IGBT疲劳损伤理论，建立IGBT在不同老化状态下的稳态结温数据库；
短期可靠性分析模块，用于在短期时间尺度剖面下，基于SCADA监测数据，全面考虑环境温度及风速的影响，通过电热耦合模型实时输出结温数据，并计算实时热应力循环次数；
长期可靠性分析模块，用于在长期时间尺度剖面下，依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线，归一化后进行热应力冲击检验次数概率分布，并结合Bayerer寿命预测模型和稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数；
可靠性评估模块，用于以热应力循环次数为衔接不同时间尺度的评估结果，计算风电变流器IGBT的累积损伤度和预估寿命。
其中，各模块的具体实施方式可以参考方法实施例中的描述，本发明实施例将不再复述。
实施例四
本申请还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现方法实施例中的计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估方法，其特征在于，包括：
(1)对可靠性评估时间尺度进行划分，利用多时间尺度来综合提取功率器件的寿命信息；
(2)针对风电变流器拓扑和IGBT型号，建立IGBT模块的电热耦合模型用以获得结温数据，并结合IGBT疲劳损伤理论，建立IGBT在不同老化状态下的稳态结温数据库；
(3)在短期时间尺度剖面下，基于SCADA监测数据，全面考虑环境温度及风速的影响，通过所述电热耦合模型实时输出结温数据，并计算实时热应力循环次数；
(4)在长期时间尺度剖面下，依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线，归一化后进行热应力冲击检验次数概率分布，并结合Bayerer寿命预测模型和所述稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数；
(5)以热应力循环次数为衔接不同时间尺度的评估结果，计算风电变流器IGBT的累积损伤度和预估寿命；
步骤(5)包括：
在短期时间尺度剖面下，获得IGBT模块在当前运行状态下的实时热应力循环次数；
在长期时间尺度剖面下，获得计及疲劳损伤的IGBT最大承受循环冲击次数；
以热应力循环次数为衔接，综合各个时间尺度下的输出结果，计算风电变流器IGBT的实时累积损伤度和预估寿命；
由
Figure FDA0003722285790000021
计算风电变流器IGBT的实时累积损伤度，其中，Nt表示在短期时间尺度剖面下，获得的IGBT模块在当前运行状态下的实时热应力循环次数，Nm表示在长期时间尺度剖面下，获得的计及疲劳损伤的IGBT最大承受循环冲击次数；
由
Figure FDA0003722285790000022
计算预估寿命，其中，T表示监测数据的时间序列长度。
2.根据权利要求1所述的方法，其特征在于，所述对可靠性评估时间尺度进行划分，包括：
在长时间尺度剖面，侧重考虑功率器件老化特性，忽略结温波动的瞬态细节仅考虑稳态结温从而保持较高的计算效率；
在短时间尺度剖面，侧重考虑风速和环境温度的影响，全面计及观测到的结温波动数据。
3.根据权利要求2所述的方法，其特征在于，所述建立IGBT在不同老化状态下的稳态结温数据库，包括：
基于疲劳损伤理论，利用累积损伤度D来反应IGBT模块的损伤程度；当D≦a时，不对所述电热耦合模型热网络参数进行修正；当累积损伤度a<D≦b时，按照第一预设值增大电热耦合模型热网络参数；当累积损伤度b<D≦c时，按照第二预设值增大电热耦合模型热网络参数；当累积损伤度c<D≦d时，按照第三预设值增大电热耦合模型热网络参数；当累积损伤度d<D≦e时，按照第四预设值增大电热耦合模型热模型参数，其中，所述第一预设值、所述第二预设值、所述第三预设值及所述第四预设值依次增大，a、b、c、d、e的值依次增大；
在风机切入风速与切出风速之间进行采样，得到风电IGBT的特征工况，计算各特征工况不同老化状态下电热耦合模型输出的稳态结温数值，建立IGBT稳态结温数据库。
4.根据权利要求3所述的方法，其特征在于，由
Figure FDA0003722285790000031
确定累积损伤度，其中，Nf为IGBT模块在某幅值大小不变的应力循环作用下的失效周期数，N表示承受该应力的循环次数。
5.根据权利要求1至4任意一项所述的方法，其特征在于，步骤(4)包括：
依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线；
归一化后进行热应力冲击检验次数概率分布，并判断IGBT老化进程，选定对应老化阶段的稳态结温数据库；
结合Bayerer寿命预测模型和选定的稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数。
6.一种计及疲劳损伤的多时间尺度风电IGBT可靠性评估系统，其特征在于，包括：
时间尺度划分模块，用于对可靠性评估时间尺度进行划分，利用多时间尺度来综合提取功率器件的寿命信息；
稳态结温数据库建立模块，用于针对风电变流器拓扑和IGBT型号，建立IGBT模块的电热耦合模型用以获得结温数据，并结合IGBT疲劳损伤理论，建立IGBT在不同老化状态下的稳态结温数据库；
短期可靠性分析模块，用于在短期时间尺度剖面下，基于SCADA监测数据，全面考虑环境温度及风速的影响，通过所述电热耦合模型实时输出结温数据，并计算实时热应力循环次数；
长期可靠性分析模块，用于在长期时间尺度剖面下，依托风机SCADA监测数据建立风速的威布尔概率分布模型，获得风速概率分布曲线，归一化后进行热应力冲击检验次数概率分布，并结合Bayerer寿命预测模型和所述稳态结温数据库预先获得在不同老化阶段IGBT可承受的最大热应力循环次数；
可靠性评估模块，用于以热应力循环次数为衔接不同时间尺度的评估结果，计算风电变流器IGBT的累积损伤度和预估寿命；
所述可靠性评估模块，用于执行以下操作：
在短期时间尺度剖面下，获得IGBT模块在当前运行状态下的实时热应力循环次数；
在长期时间尺度剖面下，获得计及疲劳损伤的IGBT最大承受循环冲击次数；
以热应力循环次数为衔接，综合各个时间尺度下的输出结果，计算风电变流器IGBT的实时累积损伤度和预估寿命；
由
Figure FDA0003722285790000042
计算风电变流器IGBT的实时累积损伤度，其中，Nt表示在短期时间尺度剖面下，获得的IGBT模块在当前运行状态下的实时热应力循环次数，Nm表示在长期时间尺度剖面下，获得的计及疲劳损伤的IGBT最大承受循环冲击次数；
由
Figure FDA0003722285790000041
计算预估寿命，其中，T表示监测数据的时间序列长度。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
CN202010927855.4A 2020-09-07 2020-09-07 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统 Active CN112084651B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010927855.4A CN112084651B (zh) 2020-09-07 2020-09-07 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统
US17/168,127 US11543446B2 (en) 2020-09-07 2021-02-04 Multi-time-scale reliability evaluation method of wind power IGBT considering fatigue damage and system thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010927855.4A CN112084651B (zh) 2020-09-07 2020-09-07 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统

Publications (2)

Publication Number Publication Date
CN112084651A CN112084651A (zh) 2020-12-15
CN112084651B true CN112084651B (zh) 2022-08-26

Family

ID=73731518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010927855.4A Active CN112084651B (zh) 2020-09-07 2020-09-07 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统

Country Status (2)

Country Link
US (1) US11543446B2 (zh)
CN (1) CN112084651B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214951B (zh) * 2020-10-19 2022-05-24 武汉大学 分段式lstm的微网逆变器igbt可靠性评估方法及系统
CN113049376B (zh) * 2021-03-10 2022-05-17 华东理工大学 一种用于过热器管板的蠕变疲劳损伤评估方法
CN113239653B (zh) * 2021-04-20 2022-08-12 武汉大学 基于复合失效模式耦合的igbt寿命预测方法及系统
CN113267690B (zh) * 2021-05-06 2023-02-03 中车青岛四方车辆研究所有限公司 一种牵引变流器功率模块老化评估方法
CN114221390B (zh) * 2021-12-03 2023-09-26 上海电力大学 一种计及变流器寿命和输出电能质量的功率优化控制方法
CN115408755B (zh) * 2022-09-05 2024-03-22 北京交通大学 一种考虑时变效应的组合梁桥动力疲劳可靠性评估方法
CN115713044B (zh) * 2023-01-09 2023-04-25 佰聆数据股份有限公司 一种多工况切换下的机电设备剩余寿命分析方法和装置
CN116776747B (zh) * 2023-08-18 2023-11-03 江西五十铃汽车有限公司 一种igbt模块使用寿命计算方法及系统
CN116992819B (zh) * 2023-09-25 2024-01-26 江西五十铃汽车有限公司 一种igbt结温估算方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5877419A (en) * 1996-03-14 1999-03-02 Siemens Aktiengesellschaft Method for estimating the service life of a power semiconductor component
CN106528987A (zh) * 2016-11-03 2017-03-22 河北工业大学 一种电动汽车用igbt模块累积损伤度计算以及寿命预测方法
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2955368A1 (en) * 2014-06-10 2015-12-16 ABB Technology AG Optimal wind farm operation
US10984154B2 (en) * 2018-12-27 2021-04-20 Utopus Insights, Inc. System and method for evaluating models for predictive failure of renewable energy assets
US20200210824A1 (en) * 2018-12-28 2020-07-02 Utopus Insights, Inc. Scalable system and method for forecasting wind turbine failure with varying lead time windows
US20200236456A1 (en) * 2019-01-22 2020-07-23 Marc N. Gallo Headphones for processing microphone, musical instrument, and audio signals

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5877419A (en) * 1996-03-14 1999-03-02 Siemens Aktiengesellschaft Method for estimating the service life of a power semiconductor component
CN106528987A (zh) * 2016-11-03 2017-03-22 河北工业大学 一种电动汽车用igbt模块累积损伤度计算以及寿命预测方法
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 (1)

* Cited by examiner, † Cited by third party
Title
《Multi-time Scale Reliability Analysis of IGBT Modules in Microgrid Converter》;Chuankun Wang，et al;《2020 5th Asia Conference on Power and Electrical Engineering (ACPEE)》;20200607;1239-1244 *

Also Published As

Publication number Publication date
US11543446B2 (en) 2023-01-03
US20220074985A1 (en) 2022-03-10
CN112084651A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN112084651B (zh) 计及疲劳损伤的多尺度风电igbt可靠性评估方法及系统
CN112214951B (zh) 分段式lstm的微网逆变器igbt可靠性评估方法及系统
US11493911B2 (en) System and method for proactive handling of multiple faults and failure modes in an electrical network of energy assets
Villanueva et al. Normal-based model for true power curves of wind turbines
CN104252649A (zh) 一种计及多风电场相关性的区域风电出力预测方法
Ma et al. Evaluation and design tools for the reliability of wind power converter system
CN105488592A (zh) 一种光伏电站发电量预测的方法
CN113821931A (zh) 风机输出功率预测方法和系统
CN110084403B (zh) 架空导线载流量的多时段联合概率密度预测方法及系统
CN107221933B (zh) 一种概率潮流计算方法
CN116756530B (zh) 用于新能源接入配电网的电网线损评估方法及系统
Cheng et al. Probabilistic wind power generation model: Derivation and applications
CN115577854A (zh) 一种基于eemd-rbf组合的分位数回归风速区间预测方法
Billinton et al. Wind power modelling and the determination of capacity credit in an electric power system
Karki et al. Reliability evaluation of a wind power delivery system using an approximate wind model
Veena et al. Parametric models for predicting the performance of wind turbines
CN115481772A (zh) 一种光伏发电量预测方法及装置
Wu et al. Short-term wind power prediction based on time series analysis model
Hsu et al. Predicting Internal Energy Consumption of a Wind Turbine Using Semi-Supervised Deep Learning
Obdam et al. Flight leader concept for wind farm load counting: offshore evaluation
Mishra et al. An IoT Integrated Reliability Estimation of Wind Energy System
Zhang et al. Wind speed prediction for wind farm based on clayton copula function and deep learning fusion
Xu et al. Application of change-point analysis to abnormal wind power data detection
Obdam et al. Flight leader concept for wind farm load counting: First offshore implementation
Guizhong et al. Wind Turbine Reliability Analysis Considering Operating Environment

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