CN117113679A - 电机稳态温升的预测方法、装置、系统和介质 - Google Patents
电机稳态温升的预测方法、装置、系统和介质 Download PDFInfo
- Publication number
- CN117113679A CN117113679A CN202311070855.7A CN202311070855A CN117113679A CN 117113679 A CN117113679 A CN 117113679A CN 202311070855 A CN202311070855 A CN 202311070855A CN 117113679 A CN117113679 A CN 117113679A
- Authority
- CN
- China
- Prior art keywords
- temperature
- constant
- time
- motor
- motor stator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004804 winding Methods 0.000 claims abstract description 130
- 238000005070 sampling Methods 0.000 claims description 159
- 238000012545 processing Methods 0.000 claims description 48
- 238000010438 heat treatment Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 11
- 230000000630 rising effect Effects 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 abstract description 66
- 230000000694 effects Effects 0.000 abstract description 9
- 230000001360 synchronised effect Effects 0.000 abstract description 8
- 229910000831 Steel Inorganic materials 0.000 abstract description 6
- 238000009413 insulation Methods 0.000 abstract description 6
- 239000010959 steel Substances 0.000 abstract description 6
- 238000004904 shortening Methods 0.000 abstract description 5
- 230000005347 demagnetization Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- 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
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种电机稳态温升的预测方法、装置、系统和介质。该电机稳态温升的预测方法包括:建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数;获取预设运行时间内所述电机定子绕组的实测温度数据;基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值;将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式;基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。通过采用上述方案,实现了缩短测试时间、节省能源以及防止温升过高破坏大功率、高功率密度的永磁同步样机的绝缘等级和导致磁钢退磁的效果。
Description
技术领域
本发明涉及电机测试的技术领域,尤其涉及一种电机稳态温升的预测方法、装置、系统和介质。
背景技术
电机温升测试是判断电机绝缘材料,生产工艺是否满足电机正常工作及研发设计寿命的重要指标。在实际温升测试过程中,往往需要被试永磁同步电机在稳定负载下从冷态运行至热稳定工况,虽然电机有不同的冷却方式,但通常都需要90min~120min的时间电机才能达到热稳定。这使得在电机在研发阶段进行温升测试需要浪费大量的时间,电能且测试效率低。尤其是针对大功率、高功率密度的永磁同步样机在进行温升测试可能温升过高破坏绝缘等级且导致磁钢退磁。
发明内容
本发明提供了一种电机稳态温升的预测方法、装置、系统和介质,以实现缩短测试时间、节省能源以及防止温升过高破坏大功率、高功率密度的永磁同步样机的绝缘等级和导致磁钢退磁的效果。
根据本发明的一方面,提供了一种电机定子稳态温升的预测方法,该电机定子稳态温升的预测方法包括:
建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数;
获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间;
基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值;
将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式;
基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
在本发明的可选实施例中,所述实测温度数据包括多个采样时间下的实测温度;所述基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值,包括:
基于所述温度时间关系式确定多个所述采样时间下的电机定子绕组计算温度;
将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和;
将所述偏差平方和为最小值时的所述运算常数确定为所述运算常数的最优值。
在本发明的可选实施例中,所述将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和之前,还包括:
对多个所述采样时间的所述实测温度进行加权平均处理;
相应的,所述将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和,包括:
将所述运算常数设定为变量计算加权平均处理后的多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。
在本发明的可选实施例中,所述对多个所述采样时间的所述实测温度进行加权平均处理,包括:
采用下式对多个所述采样时间的所述实测温度进行加权平均处理:
Xn=(Xn-1*c+Xn+Xn+1*d)/2,其中,c+d=1;
其中,Xn为当前采样时间下加权平均处理后的所述实测温度,Xn为当前采样时间下的未加权平均处理的所述实测温度,Xn-1为上一采样时间的未加权平均处理的所述实测温度,Xn+1为下一采样时间的未加权平均处理的所述实测温度,n为采样时间的序号,c、d为加权平均系数。
在本发明的可选实施例中,所述c<d;
和/或,所述c大于或等于0.45且小于或等于0.5;
和/或,所述d大于或等于0.5且小于或等于0.55。
在本发明的可选实施例中,所述获取预设运行时间内所述电机定子绕组的实测温度数据,包括:
获取预设运行时间内所述电机定子绕组的多个温度采样值;
基于当前采样时间内多个所述温度采样值的平均值确定当前采样时间的实测温度;
基于多个所述采样时间的所述实测温度确定所述预设运行时间内所述电机定子绕组的实测温度数据。
在本发明的可选实施例中,所述运算常数包括第一常数和第二常数;
所述温度时间关系式为:T(t)=T0+a*t/(1+b*t);
其中,T(t)为电机定子绕组温度,t为时间,a为第一常数,b为第二常数;
相应的,所述基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值,包括:
基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值。
在本发明的可选实施例中,所述基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值之前,还包括:
确定电机升温状态;
基于所述电机升温状态确定运算常数限定规则,其中,所述第一常数和所述第二常数满足所述运算常数限定规则。
在本发明的可选实施例中,所述基于所述电机升温状态确定运算常数限定规则,包括:
基于所述电机升温状态确定电机是否处于升温状态;
若所述电机处于所述升温状态,确定运算常数限定规则为所述第一常数和所述第二常数均为正数且所述第一常数大于所述第二常数;
若所述电机不处于所述升温状态,确定运算常数限定规则为所述第一常数为负数、所述第二常数为正数以及所述第一常数的绝对值大于所述第二常数的绝对值。
根据本发明的另一方面,提供了一种电机定子稳态温升的预测装置,该电机定子稳态温升的预测装置包括:
关系建立模块,用于建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数;
温度获取模块,用于获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间;
确定模块,用于基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值;
代入模块,用于将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式;
预测模块,用于基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
根据本发明的另一方面,提供了一种电机定子稳态温升的预测系统,所述电机定子稳态温升的预测系统包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
测温元件,用于测量电机定子绕组温度以得到所述电机定子绕组的实测温度数据;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的电机稳态温升预测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电机稳态温升预测方法。
本发明实施例的技术方案,通过建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数;获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间;然后基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值;将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式;最后基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升,故利用了电机温升测试中短时温度的准确测量值,即预设运行时间内所述电机定子绕组的实测温度数据,结合特定的温度时间关系式,可预测电机达到热稳定工况下的电机稳态温升,提高了电机定子稳态温升测试的效率,降低测试的时间成本和电耗成本,提高测试台架的利用率,实现了缩短测试时间、节省能源以及防止温升过高破坏大功率、高功率密度的永磁同步样机的绝缘等级和导致磁钢退磁的效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种电机定子稳态温升的预测方法的流程图;
图2为本发明实施例二提供的一种电机定子稳态温升的预测方法的流程图;
图3为本发明实施例三提供的一种电机定子稳态温升的预测方法的流程图;
图4为本发明实施例三提供的一种步骤获取预设运行时间内所述电机定子绕组的实测温度数据的流程图;
图5为本发明实施例四提供的一种电机定子稳态温升的预测方法的流程图;
图6为本发明实施例五提供的一种电机定子稳态温升的预测方法的流程图;
图7为本发明实施例六提供的一种电机定子稳态温升的预测方法的流程图;
图8为本发明实施例七提供的一种电机定子稳态温升的预测装置的结构示意图;
图9是实现本发明实施例的电机定子稳态温升的预测方法的电机定子稳态温升的预测系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种电机定子稳态温升的预测方法的流程图,本实施例可适用于电机温升测试的情况,具体可用于永磁同步电机的温升测试,该方法可以由电机定子稳态温升的预测装置来执行,该电机定子稳态温升的预测装置可以采用硬件和/或软件的形式实现,该电机定子稳态温升的预测装置可配置于电机定子稳态温升的预测系统的存储器和处理器中。如图1所示,该电机定子稳态温升的预测方法包括:
S110、建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数。
其中,电机定子绕组温度是指电机的定子绕组的温度值,温度时间关系式则反映了电机定子绕组温度随时间变化的规律,该温度时间关系式可通过对电机进行大量测试,基于大量的测试数据积累得到。
运算常数为与测试对象、测试条件及测试环境相关的常数,测试对象指进行温升测试的电机,电机有多种不同的类型,例如有无刷直流电机、有刷直流电机、永磁直流电机和电磁直流电机等。测试条件是指温升测试中的测试条件参数,测试环境是指此次温升测试所处的环境的相关参数,例如环境温度、环境湿度等,在此不做具体限定。对于电机而言,不同型号的电机、不同的测试条件和不同测试环境下电机定子绕组温度随时间变化的规律会有细微的差别,因此定义与测试对象、测试条件及测试环境相关的运算常数来使得温度时间关系式能够更精准的反映电机定子绕组温度随时间变化的规律。
例如,在电机稳态工况下,电机定子绕组的温度随时间变化可用以下温度时间关系式表示:T(t)=T0+f(t)。
上式中T0为电机初始温度,f(t)为收敛函数,当t=0时,f(t)=0,T(t)=T0;当t趋于无穷大时,T(t)趋近于电机稳态温升TW,电机稳态温升TW即为电机处于热稳定工况时的定子绕组的稳态温度。故f(t)=TW–T0。此外,运算常数为收敛函数f(t)的可变系数,当运算常数不同时,f(t)的具体公式也相应的不同。可通过对电机进行大量测试,基于大量的测试数据积累得到f(t)的具体函数式。
S120、获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间。
其中,实测温度数据是指对此次进行温升测试的电机进行温度实测得到的不同时间下电机定子绕组的温度数据,实测温度数据可通过测温元件测量电机定子绕组温度得到,优选的,测温元件可为温度传感器,温度传感器可预埋在电机定子绕组端部。温度传感器可为热敏电阻传感器、电热偶传感器、温度传感器、铂热电阻温度传感器和数字输出传感器中的一种。
预设运行时间是指预设的对电机定子绕组的温度进行实际测试的电机运行的时间,常规的温升测试时,电机会在稳定负载下从冷态运行至热稳定工况,由于预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间,所以在本方案实际进行温升测试时,电机的实际运行时间会小于常规温升测试所用时间。优选的,在一个具体的实施例中,预设运行时间大于20分钟且小于60分钟。优选的,预设运行时间大于30分钟且小于50分钟。进一步的,预设运行时间为35分钟、40分钟、45分钟中的一个。预设运行时间过长时,不能起到极大的缩短测试时间的效果,预设运行时间过短时,得到的实测温度数据可能较少导致后期计算出的所述运算常数的最优值不够精准,通过使得预设运行时间大于30分钟且小于50分钟,能够在极大的缩短测试时间的同时使得根据预设运行时间内所述电机定子绕组的实测温度数据得到的所述运算常数的最优值较为精准。
S130、基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值。
其中,由于实测温度数据反映了对此次进行温升测试的电机进行温度实测得到的不同时间下电机定子绕组的温度数据,所述运算常数的最优值为使得所述温度时间关系式最符合当前进行温升测试的电机的电机定子绕组温度随时间变化的规律的值,故基于所述实测温度数据和所述温度时间关系式能够确定所述运算常数的最优值。
S140、将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式。
其中,稳态温升预测关系式是指能够预测到此次进行温升测试的电机的稳态温升的关系式,由于所述运算常数的最优值为使得所述温度时间关系式最符合当前进行温升测试的电机的电机定子绕组温度随时间变化的规律的值,所以将所述运算常数的最优值代入所述温度时间关系式后得到的关系式便为符合此次进行温升测试的电机的稳态温升预测的稳态温升预测关系式。
S150、基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
其中,电机稳态温升为电机处于热稳定工况时的温度。由于稳态温升预测关系式通过将所述运算常数的最优值代入所述温度时间关系式得到,稳态温升预测关系式也是一个与时间相关的函数,故当稳态温升预测关系式中的时间趋于无穷大时,所得到的值便为电机稳态温升。
上述方案,通过建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数;获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间,所以电机不会在温升测试中上升至过高的温度,起到防止温升过高破坏大功率、高功率密度的永磁同步样机的绝缘等级和导致磁钢退磁的效果;然后基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值;将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式;最后基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升,故利用了电机温升测试中短时温度的准确测量值,即预设运行时间内所述电机定子绕组的实测温度数据,结合特定的温度时间关系式,可预测电机达到热稳定工况下的电机稳态温升,提高了电机定子稳态温升测试的效率,降低测试的时间成本和电耗成本,提高测试台架的利用率。故上述方案实现了缩短测试时间、节省能源以及防止温升过高破坏大功率、高功率密度的永磁同步样机的绝缘等级和导致磁钢退磁的效果。
实施例二
图2为本发明实施例二提供的一种电机定子稳态温升的预测方法的流程图,本实施例与上述实施例之间的关系是对实施例一进行改进。可选的,所述实测温度数据包括多个采样时间下的实测温度;所述基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值,包括:基于所述温度时间关系式确定多个所述采样时间下的电机定子绕组计算温度;将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和;将所述偏差平方和为最小值时的所述运算常数确定为所述运算常数的最优值。基于此,如图2所示,该电机定子稳态温升的预测方法包括:
S210、建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数。
S220、获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间,所述实测温度数据包括多个采样时间下的实测温度。
其中,实测温度代表对电机定子绕组进行实际的温度测量得到的在采样时间对应的温度值,采样时间代表单个实测温度对应的时间间隔,例如当预设运行时间为30分钟且采样时间的时长为1分钟时,实测温度数据包括第一分钟的实测温度、第二分钟的实测温度、……、第三十分钟的实测温度。
S230、基于所述温度时间关系式确定多个所述采样时间下的电机定子绕组计算温度。
其中,电机定子绕组计算温度是指将采样时间代入温度时间关系式得到的电机定子绕组温度。
S240、将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。
其中,偏差平方和即先计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方,然后再对多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方求和,所以偏差平方和的大小能够反映所述实测温度和所述电机定子绕组计算温度的接近程度。此外,由于电机定子绕组计算温度通过将采样时间代入温度时间关系式得到,而温度时间关系式与运算常数有关,所以运算常数不同时电机定子绕组计算温度不同,进而得到的偏差平方和也不同。
示例性的,偏差平方和Δ可表示为:T(n)为采样时间为n时通过温度时间关系式得到的电机定子绕组计算温度,Xn为采样时间为n时的实测温度,n为采样时间的序号,m为采样时间的总个数,例如当预设运行时间为30分钟且采样时间的时长为1分钟时,采样时间的总个数为30个,即当m为30;当预设运行时间为40分钟且采样时间的时长为1分钟时,采样时间的总个数为40个,即当m为40,所以预设运行时间不同时m会不同,在此不做具体限定。
S250、将所述偏差平方和为最小值时的所述运算常数确定为所述运算常数的最优值。
其中,偏差平方和的大小能够反映所述实测温度和所述电机定子绕组计算温度的接近程度,所以偏差平方和为最小值时说明此时所述实测温度和所述电机定子绕组计算温度最为接近,则此时对应的运算常数的值最为符合当前实际情况,所以将此时的所述运算常数确定为所述运算常数的最优值。此外,计算所述偏差平方和为最小值时的所述运算常数的方式有多种,可应用市面上任一种变量求解的工具,例如spss、excel中的一种,在此不对计算所述偏差平方和为最小值时的所述运算常数的方式做具体限定。具体的,当应用excel时,可应用excel中的规划求解工具来计算所述偏差平方和为最小值时的所述运算常数。
S260、将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式。
S270、基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
通过上述方案,能够快速的计算出偏差平方和,同时能够算出所述运算常数的最优值。
实施例三
图3为本发明实施例三提供的一种电机定子稳态温升的预测方法的流程图,本实施例与上述实施例之间的关系是对实施例二进行改进。可选的,所述将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和之前,还包括:对多个所述采样时间的所述实测温度进行加权平均处理;相应的,所述将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和,包括:将所述运算常数设定为变量计算加权平均处理后的多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。基于此,如图3所示,该电机定子稳态温升的预测方法包括:
S310、建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数。
S320、获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间,所述实测温度数据包括多个采样时间下的实测温度。
S330、基于所述温度时间关系式确定多个所述采样时间下的电机定子绕组计算温度。
S340、对多个所述采样时间的所述实测温度进行加权平均处理。
其中,加权平均处理指能够对实测温度进行平滑处理,消除电机定子绕组的实测温度在采集过程中受到的设备、环境等因素的干扰,使得加权平均处理后的实测温度被滤波,消除了外在因素的干扰。
S350、将所述运算常数设定为变量计算加权平均处理后的多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。
其中,通过对实测温度进行加权平均处理,能够消除外在因素对实测温度的影响,使得预测得到的电机稳态温升的准确性更高。
S360、将所述偏差平方和为最小值时的所述运算常数确定为所述运算常数的最优值。
S370、将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式。
S380、基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
在本发明的可选实施例中,所述对多个所述采样时间的所述实测温度进行加权平均处理,包括:
采用下式对多个所述采样时间的所述实测温度进行加权平均处理:
Xn=(Xn-1*c+Xn+Xn+1*d)/2,其中,c+d=1。
其中,Xn为当前采样时间下加权平均处理后的所述实测温度,Xn为当前采样时间下的未加权平均处理的所述实测温度,Xn-1为上一采样时间的未加权平均处理的所述实测温度,Xn+1为下一采样时间的未加权平均处理的所述实测温度,n为采样时间的序号,c、d为加权平均系数。
通过上述方式,能够方便的对所述实测温度进行加权平均处理,消除电机定子绕组的实测温度在采集过程中受到的设备、环境等因素的干扰,使得预测得到的电机稳态温升的准确性更高。
在本发明的可选实施例中,所述c<d。其中,c和d的取值会影响加权平均处理的效果,通过使得c<d,能够更好的对所述实测温度进行加权平均处理,使得加权平均处理后的实测温度受外界因素的干扰更小。
在本发明的可选实施例中,所述c大于或等于0.45且小于或等于0.5。优选的,所述c为0.475。其中,c的取值会影响加权平均处理的效果,通过使得所述c大于或等于0.45且小于或等于0.5,能够更好的对所述实测温度进行加权平均处理,使得加权平均处理后的实测温度受外界因素的干扰更小。
在本发明的可选实施例中,所述d大于或等于0.5且小于或等于0.55。优选的,d为0.525。其中,d的取值会影响加权平均处理的效果,通过使得所述d大于或等于0.5且小于或等于0.55,能够更好的对所述实测温度进行加权平均处理,使得加权平均处理后的实测温度受外界因素的干扰更小。
在本发明的可选实施例中,如图4所示,所述获取预设运行时间内所述电机定子绕组的实测温度数据,包括:
S321、获取预设运行时间内所述电机定子绕组的多个温度采样值。
其中,温度采样值是指对进行温升测试的电机的电机定子绕组的温度实际采样得到的温度值,根据采样频率不同,采样到的温度采样值的数量也不同,例如采样频率为1分钟20次时,倘若预设运行时间为30分钟,则采样到的温度采样值为600次,在此不对采样频率做具体限定。
S322、基于当前采样时间内多个所述温度采样值的平均值确定当前采样时间的实测温度。
其中,当前采样时间是指当前采样到的温度采样值所属于的采样时间,例如当采样时间的时长为1分钟时,当当前采样时间为第一分钟时,第一分钟内采样到的温度采样值的平均值即为第一分钟的采样时间的实测温度。
S323、基于多个所述采样时间的所述实测温度确定所述预设运行时间内所述电机定子绕组的实测温度数据。
其中,由于所述实测温度数据包括多个采样时间下的实测温度,所以只需在每个采样时间内计算该采样时间内采集到的温度采样值的平均值作为该采样时间对应的实测温度,便可得到预设运行时间内全部的采样时间对应的实测温度,即能够得到实测温度数据。例如当采样时间的时长为1分钟同时每分钟能够采集到20个温度采样值时,则可以将每20个温度采样值的平均值作为每分钟的实测温度,即得到每个采样时间的实测温度。
通过上述方案,能够对每个采样时间的实测温度进行平滑处理,保证实测温度数据的精准性。
实施例四
图5为本发明实施例四提供的一种电机定子稳态温升的预测方法的流程图,本实施例与上述实施例之间的关系是对实施例一进行改进。可选的,所述运算常数包括第一常数和第二常数;所述温度时间关系式为:T(t)=T0+a*t/(1+b*t);其中,T(t)为电机定子绕组温度,t为时间,a为第一常数,b为第二常数;相应的,所述基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值,包括:基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值。基于此,如图5所示,该电机定子稳态温升的预测方法包括:
S410、建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数,所述运算常数包括第一常数和第二常数;所述温度时间关系式为:T(t)=T0+a*t/(1+b*t);其中,T(t)为电机定子绕组温度,t为时间,a为第一常数,b为第二常数。
其中,该温度时间关系式可通过大量测试得到的测试数据得知,当t趋于无穷大时,T(t)趋近于电机稳态温升TW。
S420、获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间。
S430、基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值。
其中,由于此时运算常数包括第一常数和第二常数,第一常数和第二常数均为与测试对象、测试条件及测试环境相关的常数,所以第一常数和第二常数均存在最优值,使得所述温度时间关系式最为贴近实测温度数据,进而使得得到的稳态温升预测关系式能够更准确的预测电机稳态温升。
S440、将所述第一常数和所述第二常数的最优值代入所述温度时间关系式得到稳态温升预测关系式。
S450、基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
实施例五
图6为本发明实施例五提供的一种电机定子稳态温升的预测方法的流程图,本实施例与上述实施例之间的关系是对实施例四进行改进。可选的,所述基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值之前,还包括:确定电机升温状态;基于所述电机升温状态确定运算常数限定规则,其中,所述第一常数和所述第二常数满足所述运算常数限定规则。基于此,如图6所示,该电机定子稳态温升的预测方法包括:
S510、建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数,所述运算常数包括第一常数和第二常数;所述温度时间关系式为:T(t)=T0+a*t/(1+b*t);其中,T(t)为电机定子绕组温度,t为时间,a为第一常数,b为第二常数。
S520、获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间。
S530、确定电机升温状态。
其中,电机升温状态反映电机此时是否在升温状态。
S540、基于所述电机升温状态确定运算常数限定规则,其中,所述第一常数和所述第二常数满足所述运算常数限定规则。
其中,运算常数限定规则是指用于限定所述第一常数和所述第二常数的规则,后续中的所述第一常数和所述第二常数的最优值需满足该运算常数限定规则。
S550、基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值。
S560、将所述第一常数和所述第二常数的最优值代入所述温度时间关系式得到稳态温升预测关系式。
S570、基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
在本发明的可选实施例中,所述基于所述电机升温状态确定运算常数限定规则,包括:
基于所述电机升温状态确定电机是否处于升温状态。
若所述电机处于所述升温状态,确定运算常数限定规则为所述第一常数和所述第二常数均为正数且所述第一常数大于所述第二常数。
若所述电机不处于所述升温状态,确定运算常数限定规则为所述第一常数为负数、所述第二常数为正数以及所述第一常数的绝对值大于所述第二常数的绝对值。
其中,通过在电机的不同状态下对第一常数和第二常数进行不同的限定,能够使得最后得到的稳态温升预测关系式能够更准确的预测电机稳态温升。
实施例六
图7为本发明实施例六提供的一种电机定子稳态温升的预测方法的流程图,本实施例与上述实施例之间的关系是对实施例五进行改进。如图7所示,该电机定子稳态温升的预测方法包括:
S610、建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数,所述运算常数包括第一常数和第二常数;所述温度时间关系式为:T(t)=T0+a*t/(1+b*t);其中,T(t)为电机定子绕组温度,t为时间,a为第一常数,b为第二常数。
其中,在电机稳态工况下,电机定子绕组的温度随时间变化可用以下温度时间关系式表示:T(t)=T0+f(t)。上式中T0为电机初始温度,f(t)为收敛函数,t为时间,当t=0时,f(t)=0,T(t)=T0;当t趋于无穷大时,T(t)趋近于电机稳态温升TW,故f(t)=TW–T0。此外,运算常数为收敛函数f(t)的可变系数,当运算常数不同时,f(t)的具体公式也相应的不同。可通过对电机进行大量测试,基于大量的测试数据积累得到f(t)的具体函数式。在本实施例中,f(t)=a*t/(1+b*t),故能够得到T(t)=T0+a*t/(1+b*t),a为第一常数,b为第二常数。
S620、确定电机升温状态。
S630、基于所述电机升温状态确定电机是否处于升温状态。
若所述电机处于所述升温状态,执行步骤S641,若所述电机不处于所述升温状态,执行步骤S642。
S641、确定运算常数限定规则为所述第一常数和所述第二常数均为正数且所述第一常数大于所述第二常数。
其中,当电机处于升温状态,则a>b且a、b均为正数。
S642、确定运算常数限定规则为所述第一常数为负数、所述第二常数为正数以及所述第一常数的绝对值大于所述第二常数的绝对值。
其中,当电机不处于升温状态,则|a|>|b|、a为负数且b为正数。
S650、获取预设运行时间内所述电机定子绕组的多个温度采样值,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间。
其中,可通过测温元件对电机定子绕组进行温度采样得到温度采样值。根据采样频率不同,采样到的温度采样值的数量也不同,例如采样频率为1分钟20次时,倘若预设运行时间为30分钟,则采样到的温度采样值为600次,在此不对采样频率做具体限定。
S660、基于当前采样时间内多个所述温度采样值的平均值确定当前采样时间的实测温度。
其中,当前采样时间是指当前采样到的温度采样值所属于的采样时间,例如当采样时间的时长为1分钟时,当当前采样时间为第一分钟时,第一分钟内采样到的温度采样值的平均值即为第一分钟的采样时间的实测温度。
S670、基于多个所述采样时间的所述实测温度确定所述预设运行时间内所述电机定子绕组的实测温度数据,所述实测温度数据包括多个采样时间下的实测温度。
其中,由于所述实测温度数据包括多个采样时间下的实测温度,所以只需在每个采样时间内计算该采样时间内采集到的温度采样值的平均值作为该采样时间对应的实测温度,便可得到预设运行时间内全部的采样时间对应的实测温度,即能够得到实测温度数据。例如当采样时间的时长为1分钟同时每分钟能够采集到20个温度采样值时,则可以将每20个温度采样值的平均值作为每分钟的实测温度,即得到每个采样时间的实测温度。
S680、基于所述温度时间关系式确定多个所述采样时间下的电机定子绕组计算温度。
其中,由于温度时间关系式为T(t)=T0+a*t/(1+b*t),所以电机定子绕组计算温度T(n)=T0+a*n/(1+b*n),其中,n为所述采样时间的序号,只需将采样时间代入温度时间关系式,便可求得不同采样时间下的电机定子绕组计算温度。
S690、对多个所述采样时间的所述实测温度进行加权平均处理。
其中,采用下式对多个所述采样时间的所述实测温度进行加权平均处理:
Xn=(Xn-1*c+Xn+Xn+1*d)/2,其中,c+d=1。
其中,Xn为当前采样时间下加权平均处理后的所述实测温度,Xn为当前采样时间下的未加权平均处理的所述实测温度,Xn-1为上一采样时间的未加权平均处理的所述实测温度,Xn+1为下一采样时间的未加权平均处理的所述实测温度,n为采样时间的序号,c、d为加权平均系数。
S6100、将所述第一常数和所述第二常数均设定为变量计算加权平均处理后的多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。
其中,偏差平方和Δ可表示为:T(n)为采样时间为n时通过温度时间关系式得到的电机定子绕组计算温度,Xn为采样时间为n时的实测温度,n为采样时间的序号,m为采样时间的总个数。由于T(n)=T0+a*n/(1+b*n),所以T(n)会与a、b有关。
S6110、将所述偏差平方和为最小值时的所述第一常数和第二常数确定为所述第一常数和所述第二常数的最优值。
其中,由于Xn是根据实际测试得到,T0为初始温度也可测试得到,n为测试者通过提前设定预设运行时间和采样时间等得到,所以对于 可通过规划求解得到在偏差平方和Δ为最小值时的a、b,此时的a、b即为最优值。
S6120、将所述第一常数和所述第二常数的最优值代入所述温度时间关系式得到稳态温升预测关系式。
其中,假设a、b的最优值分别为a′、b′,将所述第一常数和所述第二常数的最优值代入所述温度时间关系式便可得到稳态温升预测关系式为:T(t)′=T0+a′*t/(1+b′*t)。
S6130、基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
其中,由于稳态温升预测关系式为:T(t)′=T0+a′*t/(1+b′*t),当t趋于无穷大时,T(t)′趋近于电机稳态温升TW,即TW=T0+a′/b′,所以通过前文步骤得到a、b的最优值a′、b′后,便可计算得到电机稳态温升TW。
故上述方案,利用了电机温升测试中短时温度的准确测量值,即预设运行时间内所述电机定子绕组的实测温度数据,结合特定的温度时间关系式,可预测电机达到热稳定工况下的电机稳态温升,提高了电机定子稳态温升测试的效率,降低测试的时间成本和电耗成本,提高测试台架的利用率。
实施例七
图8为本发明实施例七提供的一种电机定子稳态温升的预测装置的结构示意图。如图8所示,该电机定子稳态温升的预测装置包括:
关系建立模块71,用于建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数。
温度获取模块72,用于获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间。
确定模块73,用于基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值。
代入模块74,用于将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式。
预测模块75,用于基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
在本发明的可选实施例中,所述实测温度数据包括多个采样时间下的实测温度;所述确定模块73包括:
计算温度确定子模块,用于基于所述温度时间关系式确定多个所述采样时间下的电机定子绕组计算温度。
计算子模块,用于将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。
确定子模块,用于将所述偏差平方和为最小值时的所述运算常数确定为所述运算常数的最优值。
在本发明的可选实施例中,所述电机定子稳态温升的预测装置还包括:
加权处理模块,用于对多个所述采样时间的所述实测温度进行加权平均处理。
相应的,所述计算子模块,还用于将所述运算常数设定为变量计算加权平均处理后的多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。
在本发明的可选实施例中,所述加权处理模块具体用于:
采用下式对多个所述采样时间的所述实测温度进行加权平均处理:
Xn=(Xn-1*c+Xn+Xn+1*d)/2,其中,c+d=1。
其中,Xn为当前采样时间下加权平均处理后的所述实测温度,Xn为当前采样时间下的未加权平均处理的所述实测温度,Xn-1为上一采样时间的未加权平均处理的所述实测温度,Xn+1为下一采样时间的未加权平均处理的所述实测温度,n为采样时间的序号,c、d为加权平均系数。
在本发明的可选实施例中,所述c<d。
在本发明的可选实施例中,所述c大于或等于0.45且小于或等于0.5。
在本发明的可选实施例中,所述d大于或等于0.5且小于或等于0.55。
在本发明的可选实施例中,所述温度获取模块72包括:
温度获取子模块,用于获取预设运行时间内所述电机定子绕组的多个温度采样值。
温度确定子模块,用于基于当前采样时间内多个所述温度采样值的平均值确定当前采样时间的实测温度;
数据确定子模块,用于基于多个所述采样时间的所述实测温度确定所述预设运行时间内所述电机定子绕组的实测温度数据。
在本发明的可选实施例中,所述运算常数包括第一常数和第二常数。
所述温度时间关系式为:T(t)=T0+a*t/(1+b*t)。
其中,T(t)为电机定子绕组温度,t为时间,a为第一常数,b为第二常数。
相应的,所述确定模块73还用于基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值。
在本发明的可选实施例中,所述电机定子稳态温升的预测装置还包括:
状态确定模块,用于确定电机升温状态。
规则确定模块,用于基于所述电机升温状态确定运算常数限定规则,其中,所述第一常数和所述第二常数满足所述运算常数限定规则。
在本发明的可选实施例中,所述规则确定模块包括:
状态确定子模块,用于基于所述电机升温状态确定电机是否处于升温状态;
第一规则确定子模块,用于若所述电机处于所述升温状态,确定运算常数限定规则为所述第一常数和所述第二常数均为正数且所述第一常数大于所述第二常数。
第二规则确定子模块,用于若所述电机不处于所述升温状态,确定运算常数限定规则为所述第一常数为负数、所述第二常数为负数以及所述第一常数的绝对值大于所述第二常数的绝对值。
本发明实施例所提供的电机定子稳态温升的预测装置可执行本发明任意实施例所提供的电机定子稳态温升的预测方法,具备执行方法相应的功能模块和有益效果。
实施例八
图9示出了可以用来实施本发明的实施例的电机定子稳态温升的预测系统10的结构示意图。电机定子稳态温升的预测系统旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电机定子稳态温升的预测系统还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图9所示,电机定子稳态温升的预测系统10包括至少一个处理器11、测温元件20以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电机定子稳态温升的预测系统10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。测温元件20用于测量电机定子绕组温度以得到所述电机定子绕组的实测温度数据。优选的,测温元件20可为温度传感器,温度传感器可预埋在电机定子绕组端部。温度传感器可为热敏电阻传感器、电热偶传感器、温度传感器、铂热电阻温度传感器和数字输出传感器中的一种。
电机定子稳态温升的预测系统10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电机定子稳态温升的预测系统10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如电机定子稳态温升的预测方法。
在一些实施例中,电机定子稳态温升的预测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电机定子稳态温升的预测系统10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的电机定子稳态温升的预测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电机定子稳态温升的预测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电机定子稳态温升的预测系统上实施此处描述的系统和技术,该电机定子稳态温升的预测系统具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电机定子稳态温升的预测系统。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种电机定子稳态温升的预测方法,其特征在于,包括:
建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数;
获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间;
基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值;
将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式;
基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
2.根据权利要求1所述的电机定子稳态温升的预测方法,其特征在于,所述实测温度数据包括多个采样时间下的实测温度;所述基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值,包括:
基于所述温度时间关系式确定多个所述采样时间下的电机定子绕组计算温度;
将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和;
将所述偏差平方和为最小值时的所述运算常数确定为所述运算常数的最优值。
3.根据权利要求2所述的电机定子稳态温升的预测方法,其特征在于,所述将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和之前,还包括:
对多个所述采样时间的所述实测温度进行加权平均处理;
相应的,所述将所述运算常数设定为变量计算多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和,包括:
将所述运算常数设定为变量计算加权平均处理后的多个所述采样时间的所述实测温度和所述电机定子绕组计算温度的偏差平方和。
4.根据权利要求3所述的电机定子稳态温升的预测方法,其特征在于,所述对多个所述采样时间的所述实测温度进行加权平均处理,包括:
采用下式对多个所述采样时间的所述实测温度进行加权平均处理:
Xn=(Xn-1*c+Xn+Xn+1*d)/2,其中,c+d=1;
其中,Xn为当前采样时间下加权平均处理后的所述实测温度,Xn为当前采样时间下的未加权平均处理的所述实测温度,Xn-1为上一采样时间的未加权平均处理的所述实测温度,Xn+1为下一采样时间的未加权平均处理的所述实测温度,n为采样时间的序号,c、d为加权平均系数。
5.根据权利要求4所述的电机定子稳态温升的预测方法,其特征在于,所述c<d;
和/或,所述c大于或等于0.45且小于或等于0.5;
和/或,所述d大于或等于0.5且小于或等于0.55。
6.根据权利要求2至5中任一项所述的电机定子稳态温升的预测方法,其特征在于,所述获取预设运行时间内所述电机定子绕组的实测温度数据,包括:
获取预设运行时间内所述电机定子绕组的多个温度采样值;
基于当前采样时间内多个所述温度采样值的平均值确定当前采样时间的实测温度;
基于多个所述采样时间的所述实测温度确定所述预设运行时间内所述电机定子绕组的实测温度数据。
7.根据权利要求1至5中任一项所述的电机定子稳态温升的预测方法,其特征在于,所述运算常数包括第一常数和第二常数;
所述温度时间关系式为:T(t)=T0+a*t/(1+b*t);
其中,T(t)为电机定子绕组温度,t为时间,a为第一常数,b为第二常数;
相应的,所述基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值,包括:
基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值。
8.根据权利要求7所述的电机定子稳态温升的预测方法,其特征在于,所述基于所述实测温度数据和所述温度时间关系式确定所述第一常数和所述第二常数的最优值之前,还包括:
确定电机升温状态;
基于所述电机升温状态确定运算常数限定规则,其中,所述第一常数和所述第二常数满足所述运算常数限定规则。
9.根据权利要求8所述的电机定子稳态温升的预测方法,其特征在于,所述基于所述电机升温状态确定运算常数限定规则,包括:
基于所述电机升温状态确定电机是否处于升温状态;
若所述电机处于所述升温状态,确定运算常数限定规则为所述第一常数和所述第二常数均为正数且所述第一常数大于所述第二常数;
若所述电机不处于所述升温状态,确定运算常数限定规则为所述第一常数为负数、所述第二常数为正数以及所述第一常数的绝对值大于所述第二常数的绝对值。
10.一种电机定子稳态温升的预测装置,其特征在于,包括:
关系建立模块,用于建立电机定子绕组温度和时间的温度时间关系式,所述温度时间关系式包括运算常数;
温度获取模块,用于获取预设运行时间内所述电机定子绕组的实测温度数据,所述预设运行时间小于电机在稳定负载下从冷态运行至热稳定工况的时间;
确定模块,用于基于所述实测温度数据和所述温度时间关系式确定所述运算常数的最优值;
代入模块,用于将所述运算常数的最优值代入所述温度时间关系式得到稳态温升预测关系式;
预测模块,用于基于所述稳态温升预测关系式预测所述电机定子绕组的电机稳态温升。
11.一种电机定子稳态温升的预测系统,其特征在于,所述电机定子稳态温升的预测系统包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
测温元件,用于测量电机定子绕组温度以得到所述电机定子绕组的实测温度数据;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的电机稳态温升预测方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-9中任一所述的电机稳态温升预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070855.7A CN117113679A (zh) | 2023-08-24 | 2023-08-24 | 电机稳态温升的预测方法、装置、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311070855.7A CN117113679A (zh) | 2023-08-24 | 2023-08-24 | 电机稳态温升的预测方法、装置、系统和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117113679A true CN117113679A (zh) | 2023-11-24 |
Family
ID=88812272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311070855.7A Pending CN117113679A (zh) | 2023-08-24 | 2023-08-24 | 电机稳态温升的预测方法、装置、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117113679A (zh) |
-
2023
- 2023-08-24 CN CN202311070855.7A patent/CN117113679A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11215657B2 (en) | Real-time online prediction method for dynamic junction temperature of semiconductor power device | |
WO2021204970A1 (en) | Probabilistic determination of transformer end of life | |
CN115718265A (zh) | 电池直流电阻测试值的修正方法、电子设备及存储介质 | |
CN116595395B (zh) | 一种基于深度学习的逆变器输出电流预测方法及系统 | |
CN117805621A (zh) | 一种电池容量估计方法、装置、设备及存储介质 | |
CN117113679A (zh) | 电机稳态温升的预测方法、装置、系统和介质 | |
CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
CN116957539A (zh) | 电缆状态评价方法、装置、电子设备及存储介质 | |
CN114995545B (zh) | 一种车辆热管理系统的控制方法、装置、设备及介质 | |
CN115630502A (zh) | 电池膨胀力确定方法、电子设备及存储介质 | |
CN115598530A (zh) | 发电机空载特性的评估方法、装置、电子设备及存储介质 | |
CN114779109A (zh) | 电池健康状态的确定方法、装置、电子设备及存储介质 | |
CN115692885A (zh) | 一种电池析锂保护方法、装置、电子设备和存储介质 | |
CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
CN117767846B (zh) | 汽车线控制动电机定子温度估测方法、系统及汽车 | |
CN117131315B (zh) | 基于求解多元二次函数极值的超差电能表确定方法及介质 | |
CN118154026A (zh) | 一种燃料可靠性指标的确定方法、装置、设备及介质 | |
CN117456695A (zh) | 电网输电设备的缺陷预警方法、装置、设备及介质 | |
CN115659572A (zh) | 一种车载冷却液流量估计方法 | |
CN116381538A (zh) | 基于大数据平台修正soh的方法、装置、电子设备及介质 | |
CN116520011A (zh) | 避雷器老化状态的离线确定方法、装置、设备及存储介质 | |
CN117498273A (zh) | 油浸式变压器的保护动作触发方法、装置、设备及介质 | |
CN116087807A (zh) | 电池充电截止电压测试方法、装置、电子设备及存储介质 | |
CN115774949A (zh) | 变压器负载能力预测方法、装置及电子设备 | |
CN118132952A (zh) | 一种工件温度预测方法、装置、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 |