CN116298569A - 超级电容疲劳预测方法、装置和风力发电机组变桨控制器 - Google Patents
超级电容疲劳预测方法、装置和风力发电机组变桨控制器 Download PDFInfo
- Publication number
- CN116298569A CN116298569A CN202111572712.7A CN202111572712A CN116298569A CN 116298569 A CN116298569 A CN 116298569A CN 202111572712 A CN202111572712 A CN 202111572712A CN 116298569 A CN116298569 A CN 116298569A
- Authority
- CN
- China
- Prior art keywords
- super capacitor
- value
- voltage
- supercapacitor
- voltage value
- 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
- 239000003990 capacitor Substances 0.000 title claims abstract description 291
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 230000008859 change Effects 0.000 claims description 25
- 230000032683 aging Effects 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 13
- 239000000178 monomer Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0236—Adjusting aerodynamic properties of the blades by changing the active surface of the wind engaging parts, e.g. reefing or furling
-
- 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
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/08—Measuring resistance by measuring both voltage and current
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J2207/50—Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors
-
- 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)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Fluid Mechanics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种超级电容疲劳预测方法、装置和风力发电机组变桨控制器，通过对发电机组的运行数据分析判断，判断所述运行数据判断是否达到超级电容检测条件，当达到超级电容检测条件时，对超级电容的电压值进行测量，得到超级电容的压降值，再基于变桨瞬间变桨电机的电流值，计算得到超级电容的放电电流，再将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值，最后根据所述超级电容的内阻对超级电容进行疲劳度预测，从而实现了在风力发电机组运行过程中，实时对超级电容的疲劳度进行预测，保证了风力发电机组的安全运行。
Description
技术领域
本发明涉及设备监控技术领域，具体涉及一种超级电容疲劳预测方法和相关设备。
背景技术
在风力发电机组设备中，风力发电机组正常运行的运行工况下，如果检测到风速超过机组额定风速时，为了控制风力发电机组的功率输出，变桨系统通过控制叶片的桨距角变化，以使风轮的转速保持恒定。当风力发电机组发生故障时，变桨系统会执行紧急收桨功能，实现气动刹车，保障机组安全。变桨系统在有电网正常供电的情况下，是依靠电网来工作；当电网发生故障时(比如电网掉电或低电压穿越)，变桨系统需要有后备电源来供电进行收桨操作，为了防止重大事故的发生，严格监控后备电源的性能至关重要。
超级电容是风力发电机组设备的重要组成部分之一，超级电容具有以下优点：功率密度高(可达300W/KG～5000W/KG，相当于普通电池的5～10倍)、充电速度快(充电10秒～10分钟可达到其额定容量的95％以上)、循环寿命长(>50万次)、工作温度范围宽(-40℃～+70℃)等优点，非常适用于风力发电机组变桨系统严酷的工作环境。
如果超级电容出现单体击穿、开路、电参数变化(包括电容量超差、损耗角正切值增大、绝缘性能下降或漏电流上下漂升等)、环境湿度、使用时间长短等因素，都会导致超级电容的使用寿命下降，甚至有可能导致超级电容失效，会严重危害风力发电机组的安全性和可靠性。
如何实现超级电容的疲劳度的预测，以保证风力发电机组的正常运行，为本领域技术人员亟待解决的技术问题之一。
发明内容
有鉴于此，本发明实施例提供一种超级电容疲劳预测方法、装置和风力发电机组变桨控制器，以实现对风力发电机组的超级电容的疲劳度进行预测。
为实现上述目的，本发明实施例提供如下技术方案：
一种超级电容疲劳预测方法，包括：
获取风力发电机组的运行数据；
基于所述运行数据判断是否达到超级电容检测条件；
当达到所述超级电容检测条件时，获取当达到所述超级电容检测条件之后的预设时长内的超级电容的电压值；
获取所述预设时长内检测到的最小的超级电容的电压值；
基于超级电容的额定电压值与所述最小的超级电容的电压值，计算得到所述预设时长内超级电容的压降值；
获取变桨瞬间变桨电机的电流值；
基于所述变桨电机的电流值计算得到所述超级电容的放电电流；
将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值；
基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测。
可选的，上述超级电容疲劳预测方法中，还包括：
判断所述预设时长内的超级电容的电压值的波动率是否大于预设值，如果大于，舍去检测到的超级电容的电压值。
可选的，上述超级电容疲劳预测方法中，获取所述预设时长内检测到的最小的超级电容的电压值，包括：
将所述预设时长内检测到的超级电容的电压值中的最小值，作为最小的超级电容的电压值；
或，当检测到预设时长内超级电容电压开始下降后，连续记录相邻两个电压采集点之间的变化斜率，如果变化斜率方向一致，则表明超级电容电压持续下降；同时连续计算并存储检测到的超级电容的电压最小值；
当检测到超级电容电压开始上升时，连续记录相邻两个电压采集点之间的变化斜率，如果变化斜率方向一致，则判定超级电容电压持续上升；
当超级电容电压连续升高到幅值变化的一半时，判定超级电容电压恢复，停止数据采集和记录，将记录的最小值作为预设时长内检测到的超级电容的电压值中的最小值。
可选的，上述超级电容疲劳预测方法中，基于所述运行数据判断是否达到超级电容检测条件，包括：
基于所述运行数据，判断风力发电机组是否触发变桨操作或停机操作，当出现所述变桨操作或停机操作时，表明达到超级电容检测条件。
可选的，上述超级电容疲劳预测方法中，基于所述变桨电机的电流值计算得到所述超级电容的放电电流，包括：
对所述变桨电机的电流值进行积分运算；
采用预设修正系数对积分运算后的变桨电机的电流值进行修正，将修正后的电流值作为所述超级电容的放电电流。
可选的，上述超级电容疲劳预测方法中，基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测，包括：
基于预设的电容器的内阻值与老化时间之间的映射关系，获取所述超级电容的已老化时间；
获取超级电容的额定老化时间；
将所述额定老化时间与所述已老化时间之差，作为所述超级电容的剩余寿命。
一种超级电容疲劳预测装置，包括：
数据采集单元，用于获取风力发电机组的运行数据；
检测条件判断单元，用于基于所述运行数据判断是否达到超级电容检测条件；
内阻计算单元，用于当达到所述超级电容检测条件时，获取当达到所述超级电容检测条件之后的预设时长内的超级电容的电压值；获取所述预设时长内检测到的最小的超级电容的电压值；基于超级电容的额定电压值与所述最小的超级电容的电压值，计算得到所述预设时长内超级电容的压降值；获取变桨瞬间变桨电机的电流值；基于所述变桨电机的电流值计算得到所述超级电容的放电电流；将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值；
疲劳度预测单元，用于基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测。
可选的，所述超级电容疲劳预测装置设置在风力发电机组变桨控制器中。
一种风力发电机组变桨控制器，包括存储器和处理器；
所述存储器存储有计算机可执行指令，其中，所述计算机可执行指令在被所述处理器运行时，所述处理器实现上述任一项所述的超级电容疲劳预测方法。一种计算机可读存储介质，当所述计算机可读存储介质中的指令被至少一个处理器运行时，所述至少一个处理器执行上述任一项所述的超级电容疲劳预测方法。
基于上述技术方案，本发明实施例提供的上述方案，通过对发电机组的运行数据分析判断，判断所述运行数据判断是否达到超级电容检测条件，当达到超级电容检测条件时，对超级电容的电压值进行测量，得到超级电容的压降值，再基于变桨瞬间变桨电机的电流值，计算得到超级电容的放电电流，再将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值，最后根据所述超级电容的内阻对超级电容进行疲劳度预测，从而实现了在风力发电机组运行过程中，实时对超级电容的疲劳度进行预测，保证了风力发电机组的安全运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的超级电容疲劳预测方法的流程示意图；
图2为风力发电机的启动顺桨时超级电容的最小电压值的测量曲线；
图3为图2中对应的变桨电机启动瞬间的电机电流曲线；
图4为本申请实施例公开的超级电容疲劳预测装置的结构示意图；
图5为本申请实施例公开的风力发电机组变桨控制器的结构示意图；
图6为本申请实施例公开的风力发电机组的变桨系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了对风力发电机组的超级电容的疲劳度进行预测，以保证风力发电机组的正常运行，本申请公开了一种超级电容疲劳预测方法，通过该方法对风力发电机组的超级电容进行测量，本方法通过实时监测风力发电机组的运行状态，在风力发动机组的变桨系统启动调桨运行时，或风力发电机停机启动顺桨时，采集电容电压值、电机电流值，进行风力发电机组的超级电容内阻计算，通过所述超级电容的内阻可以映射得到超级电容的疲劳度，从而能够及时检测超级电容是否能够保障风力发电机组的正常运行。
图1为本申请实施例公开的超级电容疲劳预测方法的流程示意图，具体的，参见图1，本申请实施例公开的超级电容疲劳预测方法可以包括：步骤S101-S109。
步骤S101：获取风力发电机组的运行数据。
在风力发电机发电运行时，实时获取风力发电机组的运行数据，这些运行数据可以为与风力发电机组调桨、顺桨操作相关的运行数据，通过这些运行数据可以判断风力发电机组是否进行调桨或顺桨动作。具体的，这些运行数据可以包括变桨控制器的故障字、或检测主控发送的停机指令，同时采集变桨电机的转到方向从0值或开桨方向等。
步骤S102：基于所述运行数据判断是否达到超级电容检测条件。
在本申请实施例公开的技术方案中，预先设置一些超级电容的检测条件，基于获取到的运行数据进行分析计算，判断所述风力发电机组的运行状态是否达到所述超级电容检测条件，当满足预设条件时，继续执行后续步骤，否则，继续对风力发电机组的运行参数进行监测。
其中，在本申请实施例公开的技术方案中，所述超级电容检测条件，可以包括但不限于：风力发电机组触发变桨操作或停机操作，此时，基于所述运行数据判断是否达到超级电容检测条件，包括：基于所述运行数据，判断风力发电机组是否触发变桨操作或停机操作，当出现所述变桨操作或停机操作时，表明达到超级电容检测条件。
步骤S103：当达到所述超级电容检测条件时，获取当达到所述超级电容检测条件之后的预设时长内的超级电容的电压值。
在本步骤中，当检测到达到超级电容检测条件时，在之后的预设时长范围内，检测待检测的超级电容的电压值，在本步骤中，可以通过电压传感器直接测量所述超级电容的电压值，也可以由所述风力发电机组的电池管理模块调取所述超级电容的电压值。
步骤S104：获取所述预设时长内检测到的最小的超级电容的电压值。
在本方案中，通过将相邻的两个时刻检测到的超级电容进行比较的方式，来确定预设时长内检测到的最小的超级电容的电压值，所述最小的超级电容的电压值指的是在预设时长内检测到的超级电容的最小电压值。
在本方案中，之所以在预设时长内检测超级电容的电压值，其原因是，风力发电机组变桨系统启动顺桨的瞬间，超级电容电压变化较快，超级电容的电压值在预设时长之后会在充电器作用下，电压值又会逐渐恢复，因此，只需测量在预设时长内的超级电容的电压值即可，其中，所述预设时长可以为200ms或其他时长。
假设超级电容的电压值的初始值为150V，在变桨或主控触发停机命令时，如果某一时刻检测到超级电容的实际电压值小于150V，则将该实际电容电压值写入最小电压值，之后再对所述超级电容进行下一周期的电压检测，直到检测结束，记录检测到的最小电压值。
即首先设置超级电容的最小电压值为额定电压值，记为a，如果检测到的当前的超级电容的电压值小于a，则所述最小电压值更新为a；例如额定电压值是100V，之后检测到的超级电容的实际电压变为99.6V，99.6<100，则最小电压值记录为99.6，之后检测到的实际电压值变为99.4V，99.4<99.6，则最小电压值记录为99.4；再之后检测到的实际电压值为99.8V，99.8>99.4，则最小电压值仍是99.4，如果所述预设时长内并没有比99.4更小的电压值，则将所述超级电容的最下电压值记为99.4V。
考虑到由于风力发动机组启动顺桨的瞬间，超级电容的电压本身为下降状态，所以通过方差法、标准差法、幅值法(最大值-最小值的波动范围)等多种方法，不能准确识别出超级电容电压是下降还是发生了波动。本申请还公开了一种其他的超级电容的最小电压值的判断方法，具体的，方法为：
基于所述预设时长内检测到的超级电容的电压值，检测到超级电容的电压值开始下降后，连续记录相邻两个时间节点的超级电容的电压值的变化斜率，如果变化斜率方向一致，且大小接近(差值小于预设值)，则判定超级电容的电压值持续下降；同时连续计算、存储电压最小值；同时，当检测到超级电容的电压值开始上升时，连续记录相邻两时间节点的超级电容的电压值的变化斜率，如果变化斜率方向一致，且大小接近(差值小于预设值)，则判断电容电压持续上升；当超级电容的电压值连续升高到幅值变化的一半时，判断电容电压恢复，停止数据采集和记录，将记录的超级电容的最小电压值作为所述预设时长内检测到的超级电容的最小电压值，例如超级电容的电压值下降前是99.968V，电压值下降后是99.406V，当电压连续升高到99.406+(99.968-99.406)/2＝99.687V时，判断电容电压恢复，停止数据采集和记录。
在本申请另一实施例公开的技术方案中，为了保证计算结果的可靠性，还可以判断所述预设时长内的超级电容的电压值的波动率是否大于预设值，如果大于，舍去检测到的超级电容的电压值。例如，如果检测到所述超级电容的电压值在所述预设时长内连续波动了两次以上，则可以认为超级电容的最小电压值检测受到了干扰，放弃本次检测，具体的：检测预设时长之内，超级电容的电压值是否发生了波动；如果没有发生波动，则执行下一步骤；否则不再进行检测。此处所有的方法是采用斜率双向判断的方法来识别所述预设时长内超级电容的最小电压值，即超级电容的电压值从最大值至到达最小值时，电压值只升高、下降了各一次。否则认为发生了波动，发生波动后，流程结束，不再执行本次检测。
在本方案中，当超级电容的电压值由某一低点连续升高到幅值变化的一半时，记为超级电容的电压值发生了一次波动。即，连续记录相邻两个时间节点的超级电容的电压值的变化斜率，如果变化斜率方向一致，且大小接近(差值小于预设值)，则判定超级电容的电压值持续下降；同时连续计算、存储电压最小值；同时，当检测到超级电容的电压值开始上升时，连续记录相邻两时间节点的超级电容的电压值的变化斜率，如果变化斜率方向一致，且大小接近(差值小于预设值)，则判断电容电压持续上升；当超级电容的电压值连续升高到幅值变化的一半时，表明超级电容的电压值发生了一次波动。
例如，参见图2，图2是风力发电机的启动顺桨时超级电容的最小电压值的测量曲线，横坐标为时间，纵坐标为电压值；有图2可见，在-3.7秒，超级电容的电压值为实际额定电压99.968V，之后在电机启动瞬间，超级电容的电容电压值下降至99.406V；当电机启动后，超级电容的电压值在充电器的充电左右下，又逐渐恢复到接近于实际额定电压值。同时，在图2中，超级电容的电压值从最大值到最小值，只经历了一次斜率的变化，没有发生反复变化的情况。此时，超级电容的最小电压值的测量结果可靠。
例如，参见图3，是图2中对应的变桨电机启动瞬间的电机电流曲线；横坐标为时间，总坐标为电机电流值；从图3中可看出，在变桨电机启动瞬间，其电机电流很大。
步骤S105：基于超级电容的额定电压值与所述最小的超级电容的电压值，计算得到所述预设时长内超级电容的压降值。
本步骤中，在获取到预设时长内超级电容的最小值以后，将所述最小值与所述超级电容的额定电压值进行差值计算，将两者的差值作为该超级电容的压降值。
此步骤是计算超级电容放电瞬间的电压变化量；其中，放电后的电压值为前述步骤检测到的超级电容的最小电压值，假设超级电容的额定电压值为100V，记录的最小电压值为99.4V，则据此计算超级电容放电瞬间的压降值为100-99.4＝0.6V。
步骤S106：获取变桨瞬间变桨电机的电流值。
本步骤中，在计算得到所述超级电容的压降值以后，采集风力发电机组变桨、停机瞬间变桨电机的电流值，为了保证采集结果的可靠性，还可以对采集到的电流值进行积分运算，得到积分运算后的电流值。
步骤S107：基于所述变桨电机的电流值计算得到所述超级电容的放电电流。
本步骤中，根据驱动器的运行特性，采用预设修正系数对积分运算后的电流值进行修正，将修正后的电流值作为所述超级电容的放电电流。
由于变桨电机是超级电容的主要耗电元件，且变桨电机一般为三相电机，根据能量守恒定律，电机单相电流的1.732倍近似于超级电容的放电电流；因此，超级电容的放电电流为变桨瞬间变桨电机的电流值的1.732倍，即所述修正系数为1.732。
步骤S108：将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值。
当超级电容器被用做后备电源时的电压降：由于超级电容器具有内阻较大的特点，在放电的瞬间存在电压降，有：ΔV＝IR；其中，ΔV是电压下降量，I是放电电流，R是超级电容的内阻。
因此，本步骤中，在获取到所述超级电容的压降值△v以及所述超级电容的放电电流I以后，将两者代入公式△v＝IR，即可计算超级电容的内阻R；
步骤S109：基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测。
本步骤中，可以根据超级电容内阻下降程度以及理论寿命，评估超级电容的剩余使用寿命，即超级电容的疲劳度；各个电容内阻值所对应的疲劳度可以基于预设映射表查表得到，该映射表中存储有电容的内阻值与疲劳度之间的映射关系。
在本方案中，可以基于预测得到的疲劳度计算得到超级电容的已老化时间，基于所述已老化时间与额定老化时间之差，可以得到所述超级电容的剩用寿命，即，本步骤具体可以包括：基于预设的电容器的内阻值与老化时间之间的映射关系，获取所述超级电容的已老化时间；获取超级电容的额定老化时间；将所述额定老化时间与所述已老化时间之差，作为所述超级电容的剩余寿命。所述额定老化时间为超级电容的最大老化时间，当达到该额定老化时间时，表明超级电容急需更换。
对超级电容(以及其它电池同理)而言，介质越多则容量越大，密度越大电阻越小，而介质越少则容量越小，密度越小电阻越大；即超级电容容值降低后，其内阻会增大；对超级电容进行充放电时，明确了电容的容量与内阻要求后，需要考虑并利用电阻及电容量对放电特性的影响。因此，在本方案中，除了对所述超级电容进行疲劳度预测之外，还可以基于所述超级电容的内阻计算得到超级电容的容值以及容值的下降率，
例如，根据实验室老化测试的超级电容内阻和容值的关系，超级电容模组单体内阻大于0.5mΩ时，表示超级电容老化较为严重，此时其容值下降率约为20％。
例如，型号为Maxwell1号(B型)、Maxwell2号(B型)和Maxwell3号(B型)超级电容的容值的内阻与老花市场、容值、容值变化率之间的关系可以参见表1所示，表1是实验室加速老化测试的数据，其老化时间为800小时。从表1中可看出，随着老化实际的延长，超级电容的容值逐渐下降，同时内阻逐渐增大。当超级电容的单体内阻(ESR)大于0.5mΩ时，超级电容容值下降率就接近于20％。
表1
在本申请另一实施例公开的技术方案中，在确定超级电容的内阻以后，可以采用比例曲线拟合关系，计算超级电容容值。
见表2，是本方案所涉及的容值检测方法的示例，假设超级电容的理论容值为518F/7＝74F；其中，518F是超级电容单个模组的容值，7是超级电容的串联模组数；表1中的容值是超级电容每个单体的容值，每个模组单体由6个单体串联，因此单个模组的容值为3110F/6-518F，所述3110F为型号为Maxwell 1号(B型)、Maxwell 2号(B型)和Maxwell 3号(B型)的超级电容模组的平均容值。根据表2中的数据，经计算可得其单体内阻为0.2041mΩ；之后根据曲线拟合的方法对表1中的超级电容容值与内阻值进行曲线拟合，可得出其容值约为72F。
对超级电容寿命进行评估的算法为：根据内阻值与老化时间进行时间折算，并等价为理论剩余寿命，例如，单体内阻为0.2041mΩ，对应时间约为老化时间为122小时，而老化时间800小时对应超级电容寿命10年，则122小时对应1.525年，即该组电容的理论剩余寿命为10-1.525＝8.475年。本申请可以将这些映射关系预先添加到映射表中，在获取到超级电容的内阻以后，即可基于该映射表查询相应的数据。
表2
本实施例中，各个单元的具体工作内容，请参见上述方法实施例的内容，下面对本发明实施例提供的超级电容疲劳预测装置进行描述，下文描述的超级电容疲劳预测装置与上文描述的超级电容疲劳预测方法可相互对应参照。
具体的，参见图4，本申请实施例公开的超级电容疲劳预测装置，可以包括：数据采集单元A，检测条件判断单元B，内阻计算单元C，疲劳度预测单元D。
数据采集单元A，其与上述方法中步骤S101相对应，用于获取风力发电机组的运行数据；
检测条件判断单元B，其与上述方法中步骤S102相对应，用于基于所述运行数据判断是否达到超级电容检测条件；
内阻计算单元C，其与上述方法中步骤S103-S108相对应，用于当达到所述超级电容检测条件时，获取当达到所述超级电容检测条件之后的预设时长内的超级电容的电压值；获取所述预设时长内检测到的最小的超级电容的电压值；基于超级电容的额定电压值与所述最小的超级电容的电压值，计算得到所述预设时长内超级电容的压降值；获取变桨瞬间变桨电机的电流值；基于所述变桨电机的电流值计算得到所述超级电容的放电电流；将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值；
疲劳度预测单元D，其与上述方法中步骤S109相对应，用于基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测。
本申请上述实施例所述的超级电容疲劳预测装置可以设置在风力发电机组变桨控制器中。
所述超级电容疲劳预测装置还可以实现本申请上述方法实施例公开的其他功能，具体并不进行累述。
对应于上述方法，本申请还公开了风力发电机组变桨控制器，参见图5所示，所述风力发电机组变桨控制器可以包括：至少一个处理器100，至少一个通信接口200，至少一个存储器300和至少一个通信总线400；
在本发明实施例中，处理器100、通信接口200、存储器300、通信总线400的数量为至少一个，且处理器100、通信接口200、存储器300通过通信总线400完成相互间的通信；显然，图5所示的处理器100、通信接口200、存储器300和通信总线400所示的通信连接示意仅是可选的；
可选的，通信接口200可以为通信模块的接口，如GSM模块的接口；
处理器100可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器300可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
其中，处理器100具体用于：
获取风力发电机组的运行数据；
基于所述运行数据判断是否达到超级电容检测条件；
当达到所述超级电容检测条件时，获取当达到所述超级电容检测条件之后的预设时长内的超级电容的电压值；
获取所述预设时长内检测到的最小的超级电容的电压值；
基于超级电容的额定电压值与所述最小的超级电容的电压值，计算得到所述预设时长内超级电容的压降值；
获取变桨瞬间变桨电机的电流值；
基于所述变桨电机的电流值计算得到所述超级电容的放电电流；
将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值；
基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测。
所述处理器100还用于执行本申请上述实施例公开的超级电容疲劳预测方法的其他步骤，在此不再进行累述。
参见图6，本申请实施例还公开了一种风力发电机组的变桨系统，参见图6，该变桨系统可以包括：超级电容101、变桨电机102、变频器103、充电器104、电网输入105、控制器106，所述控制器即为上述风力发电机组变桨控制器。
其中，超级电容101的作用是电网输入侧发生异常时，继续为变频器103提供电源；变频器103用于控制变桨电机102运行；充电器104用于在电网输入105正常时，为超级电容充电；控制器106用于控制变桨系统运行，并控制变频器103运行，控制器106与充电器104以通信的方式进行数据交互；
如图6所示，充电器104的输出的“+”端与超级电容101的“+”端、变频器103的“+”端电连接；充电器104的输出的“-”端与超级电容101的“-”端、变频器103的“-”端电连接；
其中，充电器104的工作原理为：充电器104实时监测超级电容101的电压值，并与预设的电压值进行比较，当超级电容101的电压值由于变桨电机102的耗能而下降时，充电器104开始为超级电容101充电，其充电过程为PID控制，即输入量是超级电容预设的电压值，反馈量是超级电容实际的电压值，输出量为充电电流的大小。
系统的工作过程为：当变桨电机102运行时，超级电容101开始为变频器103提供电能，以驱动变桨电机102运行。同时，充电器104为超级电容101充电；且超级电容的电容电压下降越小，充电电流越小(差值接近于0时，充电电流接近于0)。另一方面，充电器104的充电过程为：检测到超级电容的电容电压下降后，即充电器内检测到实际电压值与目标电压值出现偏差后，之后才启动充电，因此充电具有一定的滞后性。
所述控制器采用本申请上述实施例公开的超级电容疲劳预测方法对超级电容的疲劳值进行预测，以保证系统的正常运行。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种超级电容疲劳预测方法，其特征在于，包括：
获取风力发电机组的运行数据；
基于所述运行数据判断是否达到超级电容检测条件；
当达到所述超级电容检测条件时，获取当达到所述超级电容检测条件之后的预设时长内的超级电容的电压值；
获取所述预设时长内检测到的最小的超级电容的电压值；
基于超级电容的额定电压值与所述最小的超级电容的电压值，计算得到所述预设时长内超级电容的压降值；
获取变桨瞬间变桨电机的电流值；
基于所述变桨电机的电流值计算得到所述超级电容的放电电流；
将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值；
基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测。
2.根据权利要求1所述的超级电容疲劳预测方法，其特征在于，还包括：
判断所述预设时长内的超级电容的电压值的波动率是否大于预设值，如果大于，舍去检测到的超级电容的电压值。
3.根据权利要求1所述的超级电容疲劳预测方法，其特征在于，获取所述预设时长内检测到的最小的超级电容的电压值，包括：
将所述预设时长内检测到的超级电容的电压值中的最小值，作为最小的超级电容的电压值；
或，当检测到预设时长内超级电容电压开始下降后，连续记录相邻两个电压采集点之间的变化斜率，如果变化斜率方向一致，则表明超级电容电压持续下降；同时连续计算并存储检测到的超级电容的电压最小值；
当检测到超级电容电压开始上升时，连续记录相邻两个电压采集点之间的变化斜率，如果变化斜率方向一致，则判定超级电容电压持续上升；
当超级电容电压连续升高到幅值变化的一半时，判定超级电容电压恢复，停止数据采集和记录，将记录的最小值作为预设时长内检测到的超级电容的电压值中的最小值。
4.根据权利要求1所述的超级电容疲劳预测方法，其特征在于，基于所述运行数据判断是否达到超级电容检测条件，包括：
基于所述运行数据，判断风力发电机组是否触发变桨操作或停机操作，当出现所述变桨操作或停机操作时，表明达到超级电容检测条件。
5.根据权利要求1所述的超级电容疲劳预测方法，其特征在于，基于所述变桨电机的电流值计算得到所述超级电容的放电电流，包括：
对所述变桨电机的电流值进行积分运算；
采用预设修正系数对积分运算后的变桨电机的电流值进行修正，将修正后的电流值作为所述超级电容的放电电流。
6.根据权利要求1所述的超级电容疲劳预测方法，其特征在于，基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测，包括：
基于预设的电容器的内阻值与老化时间之间的映射关系，获取所述超级电容的已老化时间；
获取超级电容的额定老化时间；
将所述额定老化时间与所述已老化时间之差，作为所述超级电容的剩余寿命。
7.一种超级电容疲劳预测装置，其特征在于，包括：
数据采集单元，用于获取风力发电机组的运行数据；
检测条件判断单元，用于基于所述运行数据判断是否达到超级电容检测条件；
内阻计算单元，用于当达到所述超级电容检测条件时，获取当达到所述超级电容检测条件之后的预设时长内的超级电容的电压值；获取所述预设时长内检测到的最小的超级电容的电压值；基于超级电容的额定电压值与所述最小的超级电容的电压值，计算得到所述预设时长内超级电容的压降值；获取变桨瞬间变桨电机的电流值；基于所述变桨电机的电流值计算得到所述超级电容的放电电流；将所述超级电容的放电电流、以及所述超级电容的压降值代入欧姆定律计算得到超级电容的内阻值；
疲劳度预测单元，用于基于所述超级电容的内阻值，对所述超级电容进行疲劳度预测。
8.根据权利要求7所述的超级电容疲劳预测装置，其特征在于，所述超级电容疲劳预测装置设置在风力发电机组变桨控制器中。
9.一种风力发电机组变桨控制器，其特征在于，包括存储器和处理器；
所述存储器存储有计算机可执行指令，其中，所述计算机可执行指令在被所述处理器运行时，所述处理器实现如权利要求1至6中任一项所述的超级电容疲劳预测方法。
10.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令被至少一个处理器运行时，所述至少一个处理器执行如权利要求1至6中任一项所述的超级电容疲劳预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111572712.7A CN116298569A (zh) | 2021-12-21 | 2021-12-21 | 超级电容疲劳预测方法、装置和风力发电机组变桨控制器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111572712.7A CN116298569A (zh) | 2021-12-21 | 2021-12-21 | 超级电容疲劳预测方法、装置和风力发电机组变桨控制器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116298569A true CN116298569A (zh) | 2023-06-23 |
Family
ID=86822637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111572712.7A Pending CN116298569A (zh) | 2021-12-21 | 2021-12-21 | 超级电容疲劳预测方法、装置和风力发电机组变桨控制器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116298569A (zh) |
-
2021
- 2021-12-21 CN CN202111572712.7A patent/CN116298569A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230207905A1 (en) | Method and apparatus for dynamic management and control of lithium battery energy storage system, and electronic device therewith | |
| CN109212321B (zh) | 超级电容容值检测方法和装置 | |
| CN104956565B (zh) | 用于汽车系统的备用能量源及相关控制方法 | |
| JP6088543B2 (ja) | 蓄電装置及びその充電方法 | |
| US8933577B2 (en) | Pitch system for a wind energy system and method for operating a pitch system | |
| CN109298245B (zh) | 变桨系统中超级电容的检测方法和装置 | |
| US20160103188A1 (en) | Method for monitoring the state of a battery in a motor vehicle | |
| CN105242136A (zh) | 风电机组的超级电容检测方法和装置 | |
| US11821959B2 (en) | Method for estimating state of health of a battery | |
| CN111156131B (zh) | 风机变桨系统后备电源的智能控制系统及方法 | |
| CN102495372A (zh) | 一种风电机组变桨距系统蓄电池容量检测方法 | |
| CN113504422A (zh) | 超级电容模组监控、预警方法、设备、存储介质及装置 | |
| CN116224075A (zh) | 动力电池单体异常预警方法、装置、电子设备和存储介质 | |
| US20150008883A1 (en) | Method for charging an electric emergency energy storage device | |
| CN116298569A (zh) | 超级电容疲劳预测方法、装置和风力发电机组变桨控制器 | |
| KR100460878B1 (ko) | 하이브리드 전기 자동차의 배터리 충전 상태 관리방법 | |
| CN112444677B (zh) | 超级电容寿命监测方法、装置及存储介质 | |
| CN110691709A (zh) | 用于运行电能存储系统的方法和设备以及具有该设备的电能存储系统和相应的用途 | |
| CN114325119A (zh) | 新能源汽车高压系统电容健康度预测方法、系统及汽车 | |
| CN113864133B (zh) | 超级电容器的电容特性检测方法、装置以及变桨系统 | |
| CN112526246A (zh) | 风力发电机组的超级电容工况检测方法和装置 | |
| CN112117505A (zh) | 一种化成分容控制方法及化成分容控制系统 | |
| CN210294874U (zh) | 一种用于风力发电机变桨系统的超级电容模组后备电源分布式管理系统 | |
| CN117767506B (zh) | 基于数据驱动的新能源汽车电源适配器功率自适应方法 | |
| CN114062943B (zh) | 一种锂离子电池系统极化异常预警方法及系统 |
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 | ||
| CB02 | Change of applicant information |
Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant after: Jinfeng Technology Co.,Ltd. Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information |