CN115580082B - 风电机组变桨伺服电机铁芯散热处理系统及方法 - Google Patents
风电机组变桨伺服电机铁芯散热处理系统及方法 Download PDFInfo
- Publication number
- CN115580082B CN115580082B CN202211303347.4A CN202211303347A CN115580082B CN 115580082 B CN115580082 B CN 115580082B CN 202211303347 A CN202211303347 A CN 202211303347A CN 115580082 B CN115580082 B CN 115580082B
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- turbine generator
- servo motor
- iron core
- next time
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02K—DYNAMO-ELECTRIC MACHINES
- H02K9/00—Arrangements for cooling or ventilating
-
- 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)
- Power Engineering (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及一种风电机组变桨伺服电机铁芯散热处理系统，包括：信号分发机构，用于在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求；布置执行机构，用于在接收到冷却降温请求后，在下一时间分区到达时对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理，布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元。本发明还涉及一种风电机组变桨伺服电机铁芯散热处理方法。通过本发明，能够基于周围风电机组的电机铁芯散热数值以及风电机组的物理参数提前预测未来时间的当前风电机组的电机铁芯散发热量，并在未来时间基于预测的散发热量选择相同数值的热量吸收策略，从而克服了冷却降温处理的滞后性。
Description
技术领域
本发明涉及电机铁芯领域，尤其涉及一种风电机组变桨伺服电机铁芯散热处理系统及方法。
背景技术
电机铁芯，又称作为马达铁芯，是电机里面的核心部件，铁芯也就是磁芯。铁芯(磁芯)在整个马达里面起到了举足轻重的作用，它用来增加电感线圈的磁通量，以实现电磁功率的最大转换。电机铁芯通常是由一个定子和一个转子组合而成。
工作状态下的电机铁芯的发热问题需要解决，由于工作时电机铁芯的线圈的能量损失，会产生大量的热量，如果驱动空间较小，就会使电机温度急剧升高，导致电机铁芯周围的热量过高，会产生相关部件的温度变化过大，产生热变形。尤其对于风电机组的变桨伺服电机铁芯来说，因为风电机组的额定功率较高，运行起来有可能散热大量的热量，如果散热不及时，甚至会烧毁风电机组的各个部件。
申请公布号为CN114498968A的发明公开一种电机铁芯导磁冲片多方向组合叠压结构，属于发电、变电或配电的技术领域。定子铁芯冲片是用磁导率高的薄板材料硅钢片单片冲制。当电机运行时存在垂直于冲片表面的磁力线时，根据磁力线在铁芯中的轨迹方向，改变冲片的叠压方式，定子铁芯由径向叠片区与轴向叠片区组成。径向叠片区由径向导磁冲片径向设置沿轴向堆叠而成，位于磁力线径向分量大于轴向分量处；轴向叠片区由轴向导磁冲片轴向设置沿径向堆叠而成，位于磁力线轴向分量大于径向分量处。最大限度地使导磁冲片平面与磁力线平行，从而减少垂直于冲片表面的磁力线，达到限制冲片内部涡流、减少铁芯损耗的效果。
申请公布号为CN112901427A的发明公开了一种风电机组电机监测系统及风力发电场，其中，该风电机组电机监测系统包括：安装在风电机组中的偏航电机的供电电缆上的第一电流采集装置；安装在风电机组中的变桨电机的供电电缆上的第二电流采集装置；与第一电流采集装置、第二电流采集装置及风机控制器相连、用于确定偏航电机是否异常确定变桨电机是否异常，在偏航电机和/或变桨电机异常时发出提示并通知风机控制器的终端；与风电机组的发电机相连的电源转换器。该申请公开的上述技术方案，利用风电机组电机监测系统实现对偏航电机和变桨电机的检测，以及时发现异常，从而便于及时对电机进行处理，进而尽量减少对电机进行更换，以降低成本，减少风电机组的电量损失。
现有技术中会采用对风电机组的变桨伺服电机铁芯的散发热量进行测量，并基于测量结果选择相应的制冷降温策略，然而，制冷降温的处理时间滞后于散发热量的测量时间，容易导致制冷降温的数据不准，影响对电机铁芯的制冷效果，为了解决这一技术问题，需要提前预知未来时间的电机铁芯的散发热量，显然，现有技术中缺乏有效的电机铁芯散发热量的可靠预测机制。
发明内容
为了解决现有技术中的技术问题，本发明提供了一种风电机组变桨伺服电机铁芯散热处理系统及方法，能够采用人工智能体基于周围风电机组的电机铁芯散热数值以及风电机组的物理参数提前预测未来时间的当前风电机组的电机铁芯散发热量，并在未来时间到达时基于预测的散发热量选择相同数值的热量吸收策略，从而保证各个时间区间的电机铁芯的散热效果。
根据本发明的一方面，提供了一种风电机组变桨伺服电机铁芯散热处理系统，所述系统包括：
信号分发机构，用于接收下一时间分区的预测散发热量，并在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，以及在下一时间分区的预测散发热量小于所述设定热量阈值时，发出自行降温信号；
布置执行机构，与所述信号分发机构连接，用于在接收到所述冷却降温请求后，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元，所述降温设定单元用于确定在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量，所述冷却降温单元与所述降温设定单元连接，用于基于所述降温设定单元确定的热量执行对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述数据存储单元与所述降温设定单元连接，用于存储所述降温设定单元确定的热量；
联动预测器件，与所述信号分发机构连接，用于基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，所述下一时间分区为所述当前时间分区的后续时间分区且在时间轴上均匀分割多个持续时长相同的时间分区，当前风电机组以及其周围各个邻近风电机组型号相同；
其中，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理包括：基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理；
其中，基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理包括：在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量等于下一时间分区的预测散发热量。
根据本发明的另一方面，还提供了一种风电机组变桨伺服电机铁芯散热处理方法，所述方法包括：
使用信号分发机构，用于接收下一时间分区的预测散发热量，并在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，以及在下一时间分区的预测散发热量小于所述设定热量阈值时，发出自行降温信号；
使用布置执行机构，与所述信号分发机构连接，用于在接收到所述冷却降温请求后，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元，所述降温设定单元用于确定在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量，所述冷却降温单元与所述降温设定单元连接，用于基于所述降温设定单元确定的热量执行对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述数据存储单元与所述降温设定单元连接，用于存储所述降温设定单元确定的热量；
使用联动预测器件，与所述信号分发机构连接，用于基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，所述下一时间分区为所述当前时间分区的后续时间分区且在时间轴上均匀分割多个持续时长相同的时间分区，当前风电机组以及其周围各个邻近风电机组型号相同；
其中，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理包括：基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理；
其中，基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理包括：在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量等于下一时间分区的预测散发热量。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明第一实施方案示出的风电机组变桨伺服电机铁芯散热处理系统的结构方框图。
图2为根据本发明第三实施方案示出的风电机组变桨伺服电机铁芯散热处理方法的步骤流程图。
具体实施方式
下面将参照附图对本发明的风电机组变桨伺服电机铁芯散热处理方法的实施方案进行详细说明。
第一实施方案
图1为根据本发明第一实施方案示出的风电机组变桨伺服电机铁芯散热处理系统的结构方框图，所述系统包括：
信号分发机构，用于接收下一时间分区的预测散发热量，并在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，以及在下一时间分区的预测散发热量小于所述设定热量阈值时，发出自行降温信号；
布置执行机构，与所述信号分发机构连接，用于在接收到所述冷却降温请求后，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元，所述降温设定单元用于确定在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量，所述冷却降温单元与所述降温设定单元连接，用于基于所述降温设定单元确定的热量执行对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述数据存储单元与所述降温设定单元连接，用于存储所述降温设定单元确定的热量；
联动预测器件，与所述信号分发机构连接，用于基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，所述下一时间分区为所述当前时间分区的后续时间分区且在时间轴上均匀分割多个持续时长相同的时间分区，当前风电机组以及其周围各个邻近风电机组型号相同；
其中，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理包括：基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理；
其中，基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理包括：在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量等于下一时间分区的预测散发热量；
例如，当下一时间分区的预测散发热量为200千瓦时，在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量也为200千瓦；
又例如，当下一时间分区的预测散发热量为500千瓦时，在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量也为500千瓦。
接着，继续对本发明的风电机组变桨伺服电机铁芯散热处理系统的具体结构进行进一步的说明。
第二实施方案
所述风电机组变桨伺服电机铁芯散热处理系统中可以包括：
信号分发机构，用于接收下一时间分区的预测散发热量，并在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，以及在下一时间分区的预测散发热量小于所述设定热量阈值时，发出自行降温信号；
布置执行机构，与所述信号分发机构连接，用于在接收到所述冷却降温请求后，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元，所述降温设定单元用于确定在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量，所述冷却降温单元与所述降温设定单元连接，用于基于所述降温设定单元确定的热量执行对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述数据存储单元与所述降温设定单元连接，用于存储所述降温设定单元确定的热量；
联动预测器件，与所述信号分发机构连接，用于基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，所述下一时间分区为所述当前时间分区的后续时间分区且在时间轴上均匀分割多个持续时长相同的时间分区，当前风电机组以及其周围各个邻近风电机组型号相同；
其中，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理包括：基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理；
其中，基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理包括：在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量等于下一时间分区的预测散发热量；
数据传输器件，与所述联动预测器件连接，用于将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量通过频分双工通信链路无线发送给远端的风电机组管理端；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组包括：所述圆形以所述当前风电机组所在位置为圆心，以预设半径为半径；
其中，风电机组的变桨伺服电机铁芯的体积越大，预设半径的取值越大；
例如，风电机组的变桨伺服电机铁芯的体积为1000平方分米，预设半径的取值可以为10分米，风电机组的变桨伺服电机铁芯的体积为216平方分米，预设半径的取值可以为6分米，风电机组的变桨伺服电机铁芯的体积为125平方分米，预设半径的取值可以为5分米。
在所述风电机组变桨伺服电机铁芯散热处理系统中：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据。
在所述风电机组变桨伺服电机铁芯散热处理系统中：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量作为智能预测体的单项输出数据；
其中，将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据包括：所述智能预测体为基于Hopfield神经网络的智能模型。
以及在所述风电机组变桨伺服电机铁芯散热处理系统中：
在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理还包括：在当前时刻等于下一时间分区的起始时刻时，判断下一时间分区到达。
第三实施方案
图2为根据本发明第三实施方案示出的风电机组变桨伺服电机铁芯散热处理方法的步骤流程图，所述方法包括：
步骤S201：使用信号分发机构，用于接收下一时间分区的预测散发热量，并在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，以及在下一时间分区的预测散发热量小于所述设定热量阈值时，发出自行降温信号；
步骤S202：使用布置执行机构，与所述信号分发机构连接，用于在接收到所述冷却降温请求后，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元，所述降温设定单元用于确定在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量，所述冷却降温单元与所述降温设定单元连接，用于基于所述降温设定单元确定的热量执行对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述数据存储单元与所述降温设定单元连接，用于存储所述降温设定单元确定的热量；
步骤S203：使用联动预测器件，与所述信号分发机构连接，用于基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，所述下一时间分区为所述当前时间分区的后续时间分区且在时间轴上均匀分割多个持续时长相同的时间分区，当前风电机组以及其周围各个邻近风电机组型号相同；
其中，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理包括：基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理；
其中，基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理包括：在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量等于下一时间分区的预测散发热量；
例如，当下一时间分区的预测散发热量为200千瓦时，在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量也为200千瓦；
又例如，当下一时间分区的预测散发热量为500千瓦时，在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量也为500千瓦。
接着，继续对本发明的风电机组变桨伺服电机铁芯散热处理方法的具体步骤进行进一步的说明。
所述风电机组变桨伺服电机铁芯散热处理方法还可以包括：
使用数据传输器件，与所述联动预测器件连接，用于将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量通过频分双工通信链路无线发送给远端的风电机组管理端；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组包括：所述圆形以所述当前风电机组所在位置为圆心，以预设半径为半径；
其中，风电机组的变桨伺服电机铁芯的体积越大，预设半径的取值越大；
例如，风电机组的变桨伺服电机铁芯的体积为1000平方分米，预设半径的取值可以为10分米，风电机组的变桨伺服电机铁芯的体积为216平方分米，预设半径的取值可以为6分米，风电机组的变桨伺服电机铁芯的体积为125平方分米，预设半径的取值可以为5分米。
所述风电机组变桨伺服电机铁芯散热处理方法中：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据。
所述风电机组变桨伺服电机铁芯散热处理方法中：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量作为智能预测体的单项输出数据；
其中，将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据包括：所述智能预测体为基于Hopfield神经网络的智能模型。
以及所述风电机组变桨伺服电机铁芯散热处理方法中：
在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理还包括：在当前时刻等于下一时间分区的起始时刻时，判断下一时间分区到达。
另外，在所述风电机组变桨伺服电机铁芯散热处理系统以及方法中，所述布置执行机构还包括石英振荡单元，所述石英振荡单元分别与所述冷却降温单元、所述降温设定单元以及所述数据存储单元连接，用于分别为所述冷却降温单元、所述降温设定单元以及所述数据存储单元提供各自需求的参考时钟序列。
由此可见，本发明至少具备以下两处有益的技术效果：
第一处、基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，从而实现对未来时间分区电机铁芯散发热量的提前预知；
第二处、在预测到当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，并在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，从而克服原有散热处理机制的滞后性，避免散发热量测量时间与冷却降温时间的错配。
采用本发明的风电机组变桨伺服电机铁芯散热处理系统及方法，针对现有技术中风电机组变桨伺服电机铁芯散热操作滞后于热量测量操作导致散热效果不佳的技术问题，能够基于周围风电机组的电机铁芯散热数值以及风电机组的物理参数提前预测未来时间的当前风电机组的电机铁芯散发热量，并在未来时间基于预测的散发热量选择相同数值的热量吸收策略，从而克服了冷却降温处理的滞后性。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
Claims (10)
1.一种风电机组变桨伺服电机铁芯散热处理系统，其特征在于，所述系统包括：
信号分发机构，用于接收下一时间分区的预测散发热量，并在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，以及在下一时间分区的预测散发热量小于所述设定热量阈值时，发出自行降温信号；
布置执行机构，与所述信号分发机构连接，用于在接收到所述冷却降温请求后，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元，所述降温设定单元用于确定在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量，所述冷却降温单元与所述降温设定单元连接，用于基于所述降温设定单元确定的热量执行对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述数据存储单元与所述降温设定单元连接，用于存储所述降温设定单元确定的热量；
联动预测器件，与所述信号分发机构连接，用于基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，所述下一时间分区为所述当前时间分区的后续时间分区且在时间轴上均匀分割多个持续时长相同的时间分区，当前风电机组以及其周围各个邻近风电机组型号相同；
其中，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理包括：基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理；
其中，基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理包括：在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量等于下一时间分区的预测散发热量。
2.如权利要求1所述的风电机组变桨伺服电机铁芯散热处理系统，其特征在于，所述系统还包括：
数据传输器件，与所述联动预测器件连接，用于将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量通过频分双工通信链路无线发送给远端的风电机组管理端；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组包括：所述圆形以所述当前风电机组所在位置为圆心，以预设半径为半径；
其中，风电机组的变桨伺服电机铁芯的体积越大，预设半径的取值越大。
3.如权利要求1-2任一所述的风电机组变桨伺服电机铁芯散热处理系统，其特征在于：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据。
4.如权利要求3所述的风电机组变桨伺服电机铁芯散热处理系统，其特征在于：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量作为智能预测体的单项输出数据；
其中，将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据包括：所述智能预测体为基于Hopfield神经网络的智能模型。
5.如权利要求1-2任一所述的风电机组变桨伺服电机铁芯散热处理系统，其特征在于：
在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理还包括：在当前时刻等于下一时间分区的起始时刻时，判断下一时间分区到达。
6.一种风电机组变桨伺服电机铁芯散热处理方法，其特征在于，所述方法包括：
使用信号分发机构，用于接收下一时间分区的预测散发热量，并在下一时间分区的预测散发热量大于等于设定热量阈值时，发出冷却降温请求，以及在下一时间分区的预测散发热量小于所述设定热量阈值时，发出自行降温信号；
使用布置执行机构，与所述信号分发机构连接，用于在接收到所述冷却降温请求后，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述布置执行机构包括冷却降温单元、降温设定单元以及数据存储单元，所述降温设定单元用于确定在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量，所述冷却降温单元与所述降温设定单元连接，用于基于所述降温设定单元确定的热量执行对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理，所述数据存储单元与所述降温设定单元连接，用于存储所述降温设定单元确定的热量；
使用联动预测器件，与所述信号分发机构连接，用于基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量，所述下一时间分区为所述当前时间分区的后续时间分区且在时间轴上均匀分割多个持续时长相同的时间分区，当前风电机组以及其周围各个邻近风电机组型号相同；
其中，在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理包括：基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理；
其中，基于下一时间分区的预测散发热量在下一时间分区内对当前风电机组的变桨伺服电机铁芯执行自适应冷却降温处理包括：在下一时间分区内对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理吸收的热量等于下一时间分区的预测散发热量。
7.如权利要求6所述的风电机组变桨伺服电机铁芯散热处理方法，其特征在于，所述方法还包括：
使用数据传输器件，与所述联动预测器件连接，用于将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量通过频分双工通信链路无线发送给远端的风电机组管理端；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组；
其中，当前风电机组周围各个邻近风电机组为预设面积的圆形覆盖的多个邻近风电机组包括：所述圆形以所述当前风电机组所在位置为圆心，以预设半径为半径；
其中，风电机组的变桨伺服电机铁芯的体积越大，预设半径的取值越大。
8.如权利要求6-7任一所述的风电机组变桨伺服电机铁芯散热处理方法，其特征在于：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据。
9.如权利要求8所述的风电机组变桨伺服电机铁芯散热处理方法，其特征在于：
基于当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积预测当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量包括：将当前风电机组的变桨伺服电机铁芯在下一时间分区的预测散发热量作为智能预测体的单项输出数据；
其中，将当前风电机组周围各个邻近风电机组分别在当前时间分区的散发热量、风电机组的额定功率以及风电机组的变桨伺服电机铁芯的体积作为智能预测体的多项输入数据包括：所述智能预测体为基于Hopfield神经网络的智能模型。
10.如权利要求6-7任一所述的风电机组变桨伺服电机铁芯散热处理方法，其特征在于：
在下一时间分区到达时启动对当前风电机组的变桨伺服电机铁芯的自适应冷却降温处理还包括：在当前时刻等于下一时间分区的起始时刻时，判断下一时间分区到达。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211303347.4A CN115580082B (zh) | 2022-10-24 | 2022-10-24 | 风电机组变桨伺服电机铁芯散热处理系统及方法 |
| GBGB2300009.4A GB202300009D0 (en) | 2022-10-24 | 2023-01-03 | Structure analysis of motor core rotor and heat dissipation treatment system of motor core |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211303347.4A CN115580082B (zh) | 2022-10-24 | 2022-10-24 | 风电机组变桨伺服电机铁芯散热处理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115580082A CN115580082A (zh) | 2023-01-06 |
| CN115580082B true CN115580082B (zh) | 2023-03-17 |
Family
ID=84587856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211303347.4A Active CN115580082B (zh) | 2022-10-24 | 2022-10-24 | 风电机组变桨伺服电机铁芯散热处理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115580082B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116225194B (zh) * | 2023-05-10 | 2023-07-14 | 江苏智能低碳科技发展有限公司 | 基于智能算法的服务器集群控制平台 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08163827A (ja) * | 1994-12-08 | 1996-06-21 | Mitsubishi Electric Corp | 車両用電動機 |
| JP2011041362A (ja) * | 2009-08-07 | 2011-02-24 | Mitsubishi Electric Plant Engineering Corp | 電動機冷却制御システム |
| CN103840608A (zh) * | 2012-11-23 | 2014-06-04 | 现代摩比斯株式会社 | 轮毂电动机的冷却方法及其装置 |
| CN104279121A (zh) * | 2013-07-01 | 2015-01-14 | 株式会社安川电机 | 风力发电系统 |
| CN106837704A (zh) * | 2017-04-17 | 2017-06-13 | 北京耀能科技有限公司 | 一种中型低速永磁直驱风电机组及其参数自学习控制方法 |
| CN107499176A (zh) * | 2017-05-05 | 2017-12-22 | 宝沃汽车（中国）有限公司 | 车辆电驱动系统的冷却方法和装置 |
| EP3291422A1 (de) * | 2016-09-05 | 2018-03-07 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines generators mit einer kühleinrichtung |
| CN113027700A (zh) * | 2020-12-01 | 2021-06-25 | 景能科技有限公司 | 一种塔筒快速冷却方法 |
| CN114004164A (zh) * | 2021-11-05 | 2022-02-01 | 上海交通大学 | 一种用于控制的电机转子温度预测方法及系统 |
| CN114599878A (zh) * | 2019-08-09 | 2022-06-07 | 尼森冷却解决方案有限公司 | 风力涡轮机冷却系统 |
| CN114963683A (zh) * | 2022-06-01 | 2022-08-30 | 深圳市汉盛制冷科技有限公司 | 一种精确控温制冷系统 |
| CN115023095A (zh) * | 2021-03-03 | 2022-09-06 | 观致汽车有限公司 | 电机控制器冷却方法、存储介质、车辆及冷却装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4015792A1 (en) * | 2020-12-17 | 2022-06-22 | Volvo Truck Corporation | Apparatus and method for cooling components of a heavy-duty electric vehicle |
-
2022
- 2022-10-24 CN CN202211303347.4A patent/CN115580082B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08163827A (ja) * | 1994-12-08 | 1996-06-21 | Mitsubishi Electric Corp | 車両用電動機 |
| JP2011041362A (ja) * | 2009-08-07 | 2011-02-24 | Mitsubishi Electric Plant Engineering Corp | 電動機冷却制御システム |
| CN103840608A (zh) * | 2012-11-23 | 2014-06-04 | 现代摩比斯株式会社 | 轮毂电动机的冷却方法及其装置 |
| CN104279121A (zh) * | 2013-07-01 | 2015-01-14 | 株式会社安川电机 | 风力发电系统 |
| EP3291422A1 (de) * | 2016-09-05 | 2018-03-07 | Siemens Aktiengesellschaft | Verfahren zum betrieb eines generators mit einer kühleinrichtung |
| CN106837704A (zh) * | 2017-04-17 | 2017-06-13 | 北京耀能科技有限公司 | 一种中型低速永磁直驱风电机组及其参数自学习控制方法 |
| CN107499176A (zh) * | 2017-05-05 | 2017-12-22 | 宝沃汽车（中国）有限公司 | 车辆电驱动系统的冷却方法和装置 |
| CN114599878A (zh) * | 2019-08-09 | 2022-06-07 | 尼森冷却解决方案有限公司 | 风力涡轮机冷却系统 |
| CN113027700A (zh) * | 2020-12-01 | 2021-06-25 | 景能科技有限公司 | 一种塔筒快速冷却方法 |
| CN115023095A (zh) * | 2021-03-03 | 2022-09-06 | 观致汽车有限公司 | 电机控制器冷却方法、存储介质、车辆及冷却装置 |
| CN114004164A (zh) * | 2021-11-05 | 2022-02-01 | 上海交通大学 | 一种用于控制的电机转子温度预测方法及系统 |
| CN114963683A (zh) * | 2022-06-01 | 2022-08-30 | 深圳市汉盛制冷科技有限公司 | 一种精确控温制冷系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘晓林 ; .维斯塔斯高温型风力发电机的结构和原理.2010,(第08期),第62-65页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115580082A (zh) | 2023-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115580082B (zh) | 风电机组变桨伺服电机铁芯散热处理系统及方法 | |
| Zavvos et al. | Optimisation tools for large permanent magnet generators for direct drive wind turbines | |
| Liu et al. | Topology comparison of superconducting generators for 10-MW direct-drive wind turbines: Cost of energy based | |
| CN101469669A (zh) | 风电场群、风电场及其控制方法 | |
| Lee et al. | Optimisation method to maximise torque density of high‐speed slotless permanent magnet synchronous machine in aerospace applications | |
| EP3424122B1 (en) | Power control of a microgrid | |
| EP3987177B1 (en) | Method for computer-implemented determination of control parameters of a turbine | |
| CN102918733B (zh) | 用于对生产过程调节生产流程计划的方法和装置 | |
| EP3994354B1 (en) | Method for computer-implemented determination of control parameters for wind turbines | |
| US20220271531A1 (en) | Method for computer-implemented determination maximization of annual energy production of wind turbines of a wind park | |
| CN115149547A (zh) | 储能辅助火电二次调频系统及控制方法 | |
| CN110580366B (zh) | 一种直流电网限流电抗器电气参数的优化方法和装置 | |
| CN118050579B (zh) | 一种基于数据分析的智能化分析控制方法 | |
| CN111889920B (zh) | 一种基于激光抑制中厚板焊接变形的无线闭环控制方法、装置及存储介质 | |
| CN214900560U (zh) | 一种定子内设置有电机控制器的电机 | |
| CN117055654A (zh) | 一种电力变压器温控系统 | |
| Mujeeb et al. | Ramp-reference Track Algorithm for the Provision of AGC dispatch through VPP in Frequency Regulation Market | |
| Jung et al. | Design of 20 MW direct‐drive permanent magnet synchronous generators for wind turbines based on constrained many‐objective optimization | |
| Xu et al. | A Lambert importance model‐based reliability design method for power converters in switched reluctance motor systems | |
| CN118607216A (zh) | 一种高频变压器电磁结构优化设计方法、系统 | |
| CN113258851A (zh) | 一种匝数可控的电机控制器、电机及电机控制方法 | |
| CN112152254A (zh) | 双绕组变流器的控制方法和控制系统 | |
| CN115566738A (zh) | 一种风电机组自优化的场群控制方法及装置 | |
| CN115472403A (zh) | 一种变压器冷却控制方法及其系统 | |
| CN116896067A (zh) | 无功功率预测方法、装置、电子设备及存储介质 |
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 |