Skip to main content

Untersuchung verschiedener Konzepte zur Abweichungsreduzierung bei der Echtzeit-Temperaturüberwachung mittels thermischer Netzwerke

  • Conference paper
  • First Online:
Experten-Forum Powertrain: Komponenten und Kompetenzen zukünftiger Antriebe 2022 (EFPWRT 2022)

Part of the book series: Proceedings ((PROCEE))

Included in the following conference series:

  • 197 Accesses

Zusammenfassung

Mit dem Wechsel von konventionellen Antrieben hin zu alternativen gewinnt der Elektromotor als Traktionsmotor im Fahrzeug immer mehr Bedeutung. Anders als beim Verbrennungsmotor, bei dem üblicherweise die Dauer- der Spitzenleistung entspricht, unterscheiden sich diese beim Elektromotor je nach Kühlkonzept zum Teil erheblich. Je nach Applikation und Nutzungsprofil kann die Maschine während des Betriebs an ihre thermische Grenze gebracht werden und dann nur noch mit reduzierter Leistung weiter betrieben werden. Ziel der optimierten Betriebsstrategie sollte sein, möglichst nahe an die thermische Grenze heranzufahren, ohne diese jedoch zu überschreiten. Das thermische Netzwerk niedriger Ordnung kann als quasi Echtzeit-Temperaturabschätzung verwendet werden, jedoch können Abweichungen zwischen dem Modell und dem Motor im realen Betrieb auftreten. Dies kann auf eine ungenaue Temperaturabschätzung des Temperaturmodells zurückgeführt werden. Um die Genauigkeit des thermischen Netzwerks auch unter diesen Einflussgrößen zu optimieren, ist die Untersuchung von Maßnahmen zur Abweichungsreduzierung notwendig. In diesem Beitrag wird ein thermisches Netzwerk niedriger Ordnung für elektrisch erregte Synchronmaschinen präsentiert. Basierend auf dem Abkühlungsverhalten werden die initialen Temperaturen des Motors während des Motoranlaufs abgeschätzt. Für die Abweichungsminimierung während des Betriebs des Motors wird die Sensordatenintegration in den Kalman-Filter im thermischen Netzwerk untersucht. Anhand von Prüfstandsmessungen werden diese Konzepte validiert und miteinander verglichen.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 89.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 119.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Wallscheid, O., Böcker, J: Fusion of direct and indirect temperature estimation techniques for permanent magnet synchronous motors. In: 2017 IEEE International Electric Machines and Drives Conference (IEMDC), S. 1–8 (2017)

    Google Scholar 

  2. Kirchgässner, W., Wallscheid O., Böcker, J.: Estimating electric motor temperatures with deep residual machine learning. In: IEEE transactions on power electronics, S. 7480–7488 (2021)

    Google Scholar 

  3. Liang, D., Zhu, Z. Q., Zhang, Y., Feng, J., Guo, S., Li, Y., Wu, J., Zhao, A.: A hybrid lumped-parameter and two-dimensional analytical thermal model for electrical machines. In: IEEE transactions on industry applications, S. 246–258 (2021)

    Google Scholar 

  4. Boglietti, A., Cavagnino, A., Staton, D., Shanel, M., Mueller M., Mejuto, C.: Evolution and modern approaches for thermal analysis of electrical machines. In: IEEE transactions on industrial electronics, S. 871–882 (2009)

    Google Scholar 

  5. Wallscheid, O., Böcker, J.: Global identification of a low-order lumped-parameter thermal network for permanent magnet synchronous motors. In: IEEE transactions on energy conversion, S. 354–365 (2016)

    Google Scholar 

  6. Feng, J., Liang, D., Zhu, Z. Q., Guo, S., Li, Y., Zhao, A.: Improved low-order thermal model for critical temperature estimation of PMSM. In: IEEE transactions on energy conversion, S. 413–423 (2022)

    Google Scholar 

  7. Saheba, R., Rotea, M., Wasynczuk, O., Pekarek, S., Jordan, B.: Virtual thermal sensing for electric machines In: IEEE control systems magazine. S. 42–56 (2010)

    Google Scholar 

  8. Mahle Homepage. https://www.mahle.com/de/products-andservices/emobility/elektrische-antriebe. Accessed 2020/12

  9. Kalman, R. E.: A new approach to linear filtering and prediction problems. 35–45 (1960)

    Google Scholar 

  10. Nguyen, Q. K., Schuster, J., Roth-Stielow, J.: Energy optimal control of an electrically excited synchronous motor used as traction drive. In: 2015 9th international conference on power electronics and ECCE Asia (ICPE-ECCE Asia), pp. 2789–2795, https://doi.org/10.1109/ICPE.2015.7168165 (2015)

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Eryang Wang .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and permissions

Copyright information

© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this paper

Check for updates. Verify currency and authenticity via CrossMark

Cite this paper

Wang, E., Grabherr, P., Koolmann, C., Mack, J., Doppelbauer, M. (2023). Untersuchung verschiedener Konzepte zur Abweichungsreduzierung bei der Echtzeit-Temperaturüberwachung mittels thermischer Netzwerke. In: Heintzel, A. (eds) Experten-Forum Powertrain: Komponenten und Kompetenzen zukünftiger Antriebe 2022. EFPWRT 2022. Proceedings. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-42940-9_5

Download citation

Publish with us

Policies and ethics