掌桥专利:专业的专利平台
掌桥专利
首页

一种晶闸管结温预测方法、系统及存储介质

文献发布时间:2023-06-19 19:30:30


一种晶闸管结温预测方法、系统及存储介质

技术领域

本发明涉及晶闸管结温预测技术领域,具体而言,涉及一种晶闸管结温预测方法、系统及存储介质。

背景技术

高压直流输电(High Voltage Direct Current,HVDC)由于其传输容量大、传输效率高,已成为中国电力行业的关键技术。随着直流输电技术在电力系统的应用,研究人员对直流输电换流阀的可靠性与安全性越来越重视。高压直流换流阀主要由晶闸管可控硅及其控制回路、阀电抗器,均压电容,散热器以及若干连接件组成。其中,晶闸管是高压直流换流阀的核心器件,通过换流阀内各晶闸管的开通和换段实现交流电与直流电的转换。因此,晶闸管的可靠性会直接影响到高压直流换流阀的可靠工作,甚至会对整个直流输电系统的安全稳定运行造成不可忽视的影响。

现有的研究结果表明,晶闸管等半导体开关器件在运行过程中的结温会直接影响到器件的性能与寿命。长期的高温运行会导致晶闸管的工作性能降低,如漏电流过大使得晶闸管丧失阻断能力,从而发生不受控的误导通现象,对换流阀的工作形成造成不良影响,从而缩短晶闸管的使用寿命。在电网中发生短路、雷击等极端工况下,由于系统中电流过载,晶闸管发热极具升高,短时间内热量无法完全散出,导致晶闸管内部结温过高,晶闸管发生热击穿而失效。

研究人员常常构建热网络模型来对晶闸管的结温进行预测,热网络模型法则是按照晶闸管的物理结构,将每层结构看成是热容和热阻的组合单元,得到器件的等效热网络模型。从而对晶闸管的内部结温进行求解。目前有关晶闸管换流阀的热网络模型研究往往只关注了晶闸管本身,并未考虑换流阀的水冷回路对换流阀热量分布的影响,在实际工程应用中,散热器水冷回路入水口的温度存在差异,这种差异会使得晶闸管的结温预测产生误差,预测的结果不准确。

有鉴于此,特提出本申请。

发明内容

本发明所要解决的技术问题是现有技术中,通过晶闸管本身的性能参数对晶闸管结温进行预测,忽略散热器带来的温差影响,从而使得晶闸管的结温预测产生误差,预测的结果不准确,目的在于提供一种晶闸管结温预测方法、系统及存储介质,能够减小晶闸管结温预测的误差,提高预测结果的准确性。

本发明通过下述技术方案实现:

一种晶闸管结温预测方法,方法步骤包括:

获取第一数据与第二数据,所述第一数据为晶闸管性能参数,所述第二数据为水冷散热器的性能参数;

通过所述第一数据构建第一热阻模型;

通过所述第二数据构建第二热阻模型;

根据换流阀及其水冷回路的传热路径,并结合所述第一热阻模型与所述第二热阻模型,构建换流阀热阻网络模型;

基于所述换流阀热阻网络模型,预测晶闸管的结温。

传统的在对晶闸管结温进行预测的时候,通常都是通过晶闸管本身的性能参数以及相关的电路参数来计算的,但是采用这种方法对晶闸管进行预测的时候,通常没有将散热器水冷回路的温差进行考虑,从而使得晶闸管的结温预测产生误差,预测的结果不准确;本发明提供了一种晶闸管结温预测方法,通过将晶闸管性能参数以及水冷散热器的性能参数分别构建热阻模型,再将两个热阻模型整合为换流阀热阻网络模型的方式,对晶闸管的结温进行预测,减小了晶闸管结温预测的误差,提高预测结果的准确性。

优选地,所述第一数据为所述晶闸管的物流结构以及材料属性。

优选地,所述第二数据为所述水冷散热器的结构、尺寸以及参数。

优选地,所述换流阀热阻网络模型的具体构建方法为:

在所述换流阀中,对所述冷水散热器的进水口与出水口的冷却液温度之间的关系进行分析,构建与所述换流阀等效的热阻网络模型,获得换流阀热阻网络模型。

优选地,所述第一热阻模型的具体表达式为:

R

其中R

R

优选地,所述第二热阻模型包括热传导热阻模型以及对流换热热阻模型,所述热传导热阻模型与所述第一热阻模型的构建方法等同;

所述对流换热热阻模型的具体表达式为:

N

优选地,所述结温的具体表达式为:

T

=T

T

优选地,所述冷水散热器的进水口温度的具体表达式为:

C为冷却液的比热容,ρ为冷却液密度,V

本发明还提供了一种晶闸管结温预测系统,包括数据获取模块、第一模型构建模块、第二模型构建模块、第三模型构建模块以及结温计算模块,

所述数据获取模块,用于获取第一数据与第二数据,所述第一数据为晶闸管性能参数,所述第二数据为水冷散热器的性能参数;

所述第一模型构建模块,用于通过所述第一数据构建第一热阻模型;

所述第二模型构建模块,用于通过所述第二数据构建第二热阻模型;

所述第三模型构建模块,用于根据换流阀及其水冷回路的传热路径,并结合所述第一热阻模型与所述第二热阻模型,构建换流阀热阻网络模型;

所述结温计算模块,用于基于所述换流阀热阻网络模型,预测晶闸管的结温。

本发明还提供了一种计算机存储介质,其上存储有计算程序,该计算机程序被处理器执行时,实现如上所述的预测方法。

本发明与现有技术相比,具有如下的优点和有益效果:

本发明实施例提供的一种晶闸管结温预测方法、系统及存储介质,通过将晶闸管性能参数以及水冷散热器的性能参数分别构建热阻模型,再将两个热阻模型整合为换流阀热阻网络模型的方式,对晶闸管的结温进行预测,减小了晶闸管结温预测的误差,提高预测结果的准确性。

附图说明

为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。

图1为预测方法流程示意图;

图2为晶闸管封装结构剖面图;

图3为晶闸管换流阀稳态热阻网络;

图4为平板式水冷散热器结构图;

图5为换流阀及其水冷回路结构图;

图6为本实施例换流阀及其水冷回路热阻模型

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。

在以下描述中,为了提供对本发明的透彻理解阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本本发明。在其他实施例中,为了避免混淆本本发明,未具体描述公知的结构、电路、材料或方法。

在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“一个实施例”、“实施例”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,在此提供的示图都是为了说明的目的,并且示图不一定是按比例绘制的。这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。

在本发明的描述中,术语“前”、“后”、“左”、“右”、“上”、“下”、“竖直”、“水平”、“高”、“低”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。

实施例一

传统的在对晶闸管结温进行预测的时候,通常都是通过晶闸管本身的性能参数以及相关的电路参数来计算的,但是采用这种方法对晶闸管进行预测的时候,通常没有将散热器水冷回路的温差进行考虑,从而使得晶闸管的结温预测产生误差,预测的结果不准确。

本实施例公开了一种晶闸管结温预测方法,通过将晶闸管性能参数以及水冷散热器的性能参数分别构建热阻模型,再将两个热阻模型整合为换流阀热阻网络模型的方式,对晶闸管的结温进行预测,减小了晶闸管结温预测的误差,提高预测结果的准确性;本实施例公开的预测方法如图1所示,该方法换流阀组件的物理结构、尺寸、材料属性和散热条件,计算出换流阀晶闸管及其水冷回路的热阻数值并构建出等效热阻模型,利用该模型可以反应换流阀中水冷回路各出水口结温的结温差异,并在此基础上计算出各晶闸管的结温,为晶闸管的可靠性分析与设计提供依据。方法步骤包括:

S1:获取第一数据与第二数据,所述第一数据为晶闸管性能参数,所述第二数据为水冷散热器的性能参数;

所述第一数据为所述晶闸管的物流结构以及材料属性。所述第二数据为所述水冷散热器的结构、尺寸以及参数。

在步骤S1中,通过获取第一数据来分析晶闸管的热行为,通过该热行为构建晶闸管的稳态热阻网络,即第一热阻模型。

S2:通过所述第一数据构建第一热阻模型;

图2为晶闸管封装结构剖面图,在稳态运行时,晶闸管内部达到热平衡,晶闸管结温度保持恒定。晶闸管硅片因功率损耗产生热量,热量以硅片为中心面沿轴向分别向两侧通过晶闸管内部的钼片、铜座等金属材料层以热传导的形式从硅片传递到散热器。散热器内部循环的冷却液通过热对流的形式吸收部分热量,并将热量释放到换流阀的外部环境中。由此可以构建晶闸管的稳态热阻网络,如图3所示。其中P

热量在晶闸管内部主要以热传导的形式传播。对于晶闸管内部的硅片、钼片、铜座以及外壳,所述第一热阻模型的具体表达式为:

R

其中R

R

S3:通过所述第二数据构建第二热阻模型;所述第二热阻模型包括热传导热阻模型以及对流换热热阻模型,所述热传导热阻模型与所述第一热阻模型的构建方法等同;多通道平板式水冷散热器结构图如图4所示。

其尺寸及参数关系如下:

A

A

其中,e为散热片宽度,b为水路通道宽度,a为散热器宽度,L为散热器长度,H为通道(散热片)高度,N为通道数,P

水冷散热器的热量传递包含热传导和对流换热两种形式。热量在散热器的平面板内的传递方式为热传导,其导热热阻R

其中,h代表对流换热系数,计算公式为:

其中,N

因此,散热器的对流热阻可以表示为:

S4:根据换流阀及其水冷回路的传热路径,并结合所述第一热阻模型与所述第二热阻模型,构建换流阀热阻网络模型;

所述换流阀热阻网络模型的具体构建方法为:

在所述换流阀中,对所述冷水散热器的进水口与出水口的冷却液温度之间的关系进行分析,构建与所述换流阀等效的热阻网络模型,获得换流阀热阻网络模型。

图5为换流阀及其水冷回路结构图,每个阀门组件由一个阀门电抗器和几个串联的晶闸管组成。晶闸管由液体冷却散热器冷却。冷却液首先从阀电抗器一端流入,经阀电抗器流出后依次流入散热器1、3、5、7,8,然后从散热器8另一端口返回,再依次流入散热器6、4、2,冷却液最后从散热器2流出阀组件。串联水路阀组件内散热器的进水口与出水口的冷却液温度相互联系,因此需要将整个换流阀组件看作一个整体研究其热阻模型。图6为对应的换流阀及其水冷回路热阻模型。其中P

S5:基于所述换流阀热阻网络模型,预测晶闸管的结温。

所述结温的具体表达式为:

T

=T

T

所述冷水散热器的进水口温度的具体表达式为:

C为冷却液的比热容,ρ为冷却液密度,V

本实施例首先对环流阀组件中的晶闸管和水冷散热器的结构与材料属性等进行了分析,分别构建了晶闸管和散热器的热阻模型,并对模型中各部分热阻的数值进行了计算;在此基础上,结合换流阀的整体结构,构建了考虑水冷回路的换流阀热阻模型,利用该模型分析各散热器入水口的温度差异,进一步实现各级晶闸管的结温计算。

与现有技术相比,本发明考虑了由于热量积累引起的水冷回路水温不均现象,所建立的热阻模型能够反映各散热器入水口的温度差异,从而实现更加准确的晶闸管结温计算;本发明的技术先进、经济可行并且易于实现,对于提高换流阀器件的利用率和可靠性都有较好的效果,是一个有创新、有较高实用价值的估算方法。

实施例二

本实施例公开了一种晶闸管结温预测系统,本实施例是为了实现如实施例一种的预测方法,包括数据获取模块、第一模型构建模块、第二模型构建模块、第三模型构建模块以及结温计算模块,

所述数据获取模块,用于获取第一数据与第二数据,所述第一数据为晶闸管性能参数,所述第二数据为水冷散热器的性能参数;

所述第一模型构建模块,用于通过所述第一数据构建第一热阻模型;

所述第二模型构建模块,用于通过所述第二数据构建第二热阻模型;

所述第三模型构建模块,用于根据换流阀及其水冷回路的传热路径,并结合所述第一热阻模型与所述第二热阻模型,构建换流阀热阻网络模型;

所述结温计算模块,用于基于所述换流阀热阻网络模型,预测晶闸管的结温。

实施例三

本实施例公开了一种计算机存储介质,其上存储有计算程序,该计算机程序被处理器执行时,实现如实施例一所述的方法。

本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序发布指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序发布指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的发布指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序发布指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的发布指令产生包括发布指令装置的制造品,该发布指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序发布指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的发布指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

相关技术
  • 一种基于神经网络的经营数据预测方法、可读存储介质和预测系统
  • 一种工业动态多维度能耗成本预测方法、系统、存储介质和终端
  • 一种系统容量预测方法、计算机可读存储介质及终端设备
  • 一种行车轨迹预测方法、系统、计算机设备及存储介质
  • 一种数据存储方法、调度装置、系统、设备及存储介质
  • 结温检测系统、结温检测方法、结温检测装置和存储介质
  • 逆变器中功率模块结温预测方法、装置、设备及存储介质
技术分类

06120115929264