التشخيص الذكي والتحليل الميكانيكي للأعطال في المحولات العازلة ذات الجهد العالي

في الأنظمة الكهربائية الحديثة، تلعب مفاتيح الفصل ذات الجهد العالي دورًا حاسمًا. فهي تضمن العزل الآمن للمعدات أو الخطوط الكهربائية أثناء الصيانة وموثوقيتها أثناء التشغيل الطبيعي. يمكن أن تؤدي الأعطال الميكانيكية لمفاتيح الفصل ذات الجهد العالي، مثل سوء الاتصال، أو فشل المحرك، أو التعب في المكونات الهيكلية، إلى التأثير بشكل كبير على استقرار وسلامة النظام الكهربائي بأكمله.تعتمد طرق اكتشاف الأخطاء التقليدية على الصيانة الدورية والتفتيش اليدوي.

إن هذه الطرق ليست فقط تستغرق وقتًا طويلًا وتستهلك جهدًا كبيرًا ولكنها أيضًا عرضة لفوات الوقت الأمثل للتدخل في المراحل الأولى للأعطال. مع التقدم المستمر للتكنولوجيا، ظهرت تقنيات التشخيص الذكي، مما يوفر حلًا أكثر كفاءة ودقة لمراقبة الأعطال وتشخيصها.

يمكن لطرق التشخيص الذكي، مثل جمع البيانات بواسطة المستشعرات، ومعالجة البيانات وتحليلها، وتحليل إشارات تيار محرك القيادة، وقياس التشوه المقاوم، تحديد السلوكيات غير الطبيعية لمفاتيح الفصل ذات الجهد العالي في الوقت الحقيقي، وتوقع الأعطال المحتملة، وتوجيه قرارات الصيانة. هذا يعزز بشكل كبير موثوقية وكفاءة تشغيل النظام الكهربائي.

1 أنواع شائعة من الأعطال الميكانيكية في مفاتيح الفصل ذات الجهد العالي
1.1 فشل سوء الاتصال

يسبب سوء الاتصال بشكل أساسي بسبب أكسدة سطح الاتصال، أو ضغط الاتصال غير الكافي، أو تقلص مساحة الاتصال. هذا النوع من الأعطال يؤدي عادةً إلى زيادة المقاومة، مما يؤثر على الموصلية لمفاتيح الفصل ذات الجهد العالي. بسبب سوء الاتصال، يتم إنتاج المزيد من الحرارة عند مرور التيار عبر نقاط الاتصال. وهذا لا يسرع فقط من التآكل لنقاط الاتصال ولكنه يتسبب أيضًا في مشاكل حرارية أكثر خطورة، مثل فشل اللحام أو الاحترار المحلي.

يمكن أن يسبب سوء الاتصال أيضًا عدم استقرار الجهد، مما يؤثر على جودة الجهد للنظام الكهربائي. يمكن أن يؤدي القضايا المستمرة المتعلقة بسوء الاتصال بسهولة إلى تدهور أداء العزل لمفاتيح الفصل ذات الجهد العالي، مما يزيد من مخاطر السلامة التشغيلية للنظام. لذلك، فإن اكتشاف سوء الاتصال ومعالجة المشاكل بشكل صحيح في مفاتيح الفصل ذات الجهد العالي أمر ضروري لضمان التشغيل المستقر والأمن للنظام الكهربائي.

1.2 فشل المحرك

يعتبر فشل المحرك مشكلة كبيرة تؤثر على أداء مفاتيح الفصل ذات الجهد العالي. يشمل هذا النوع من الأعطال التآكل الميكانيكي، والنقص في التزييت، والتقدم في العمر للمكونات. التآكل الميكانيكي يشير عادةً إلى تلف المكونات الدافعة مثل الدعامات والتروس تحت العمليات المتكررة لفترات طويلة. النقص في التزييت يزيد من الاحتكاك، مما يسرع معدل التآكل للمكونات الميكانيكية ويقلل من كفاءة تشغيل المحرك.

مع زيادة فترة الخدمة، تفقد المكونات المختلفة للمحرك خصائصها الأصلية أو تتغير بسبب الشيخوخة المواد، مما يؤثر على موثوقية وأمان تشغيل مفتاح الفصل ذو الجهد العالي. إذا لم يتم اكتشاف هذه الأعطال ومعالجتها في الوقت المناسب، فقد يؤدي ذلك إلى تشغيل غير صحيح لمفتاح الفصل ذو الجهد العالي، وفي الحالات الشديدة، قد يعرض الاستقرار التشغيلي للنظام الكهربائي بأكمله للخطر.

1.3 فشل التعب والتلف للمكونات الهيكلية

عادة ما يحدث فشل التعب والتلف للمكونات الهيكلية تحت تأثير الإجهاد الميكانيكي طويل الأمد والعوامل البيئية. تتأثر المكونات الهيكلية مثل الأعمدة، قضبان الربط، والمحامل تدريجيًا بتعب المادة تحت تأثير الإجهاد الميكانيكي طويل الأمد، خاصة أثناء عمليات الفتح والإغلاق المتكررة. مع مرور الوقت، تتراكم هذه الإجهادات داخل المادة، مما يؤدي إلى تكون وإنتشار الشروخ الدقيقة، والتي تتطور في النهاية إلى تلف ميكانيكي كبير.

بالإضافة إلى ذلك، يمكن أن تسريع العوامل البيئية مثل تغيرات درجة الحرارة والرطوبة والبيئات المسببة للتآكل من معدل التعب للمكونات الهيكلية، مما يؤثر على خصائصها الميكانيكية ومدة الخدمة. فشل التعب والتلف للمكونات الهيكلية لا يؤثر فقط على الوظيفة الطبيعية لمفاتيح الفصل ذات الجهد العالي ولكنه يشكل أيضًا تهديدًا لاستقرار النظام الكهربائي ككل.

2 طرق التشخيص الذكي للأعطال الميكانيكية لمفاتيح الفصل ذات الجهد العالي
2.1 المستشعرات وجمع البيانات

تلعب المستشعرات دورًا حاسمًا في تشخيص الأعطال الميكانيكية لمفاتيح الفصل ذات الجهد العالي. وهي مسؤولة بشكل أساسي عن التقاط المعالم الفيزيائية الرئيسية أثناء تشغيل المعدات، مثل الاهتزاز، والصوت، والحرارة، والتيار. بالنسبة لمفاتيح الفصل ذات الجهد العالي، المستشعرات الرئيسية المستخدمة تشمل مستشعرات الاهتزاز، ومستشعرات البث الصوتي، ومستشعرات التيار والجهد.

تستخدم مستشعرات الاهتزاز للكشف عن تردد وهزة المكونات المعدنية خلال التشغيل. من خلال تحليل بيانات الاهتزاز، يمكن التنبؤ بالبلى والعيوب الموجودة. عادةً، يجب أن يكون تردد الاهتزاز لمفتاح الفصل ذو الجهد العالي يعمل بشكل طبيعي ضمن نطاق محدد (عادةً، يتم تحديد العتبة بـ 10 مرات أو أكثر من تردد التشغيل). إذا تجاوز هذا النطاق، فقد يشير ذلك إلى وجود انحراف. يتم عرض مخطط توضيحي لمستشعر الاهتزاز في الشكل 1.

تلتقط مستشعرات البث الصوتي الصوت بناءً على الموجات الصوتية عالية التردد التي يولدها العيوب في المواد أو الهياكل. أثناء تشغيل مفتاح الفصل ذو الجهد العالي، إذا كان هناك شروخ أو ترهل، يمكن لمستشعرات البث الصوتي التقاط التقلبات الصوتية الناجمة عن هذه التشوهات الصغيرة أو الانهيارات. يتم عرض مبدأ عمل مستشعر البث الصوتي في الشكل 2.

مستشعرات التيار والجهد تراقب بشكل أساسي التغييرات في مستويات التيار والجهد المار بمفتاح الفصل ذو الجهد العالي. القراءات غير الطبيعية لهذه المستشعرات عادةً ما تشير إلى مشاكل في الاتصالات الكهربائية أو الوظائف.

1 - ثقوب البراغي؛ 2 - الأساس؛ 3 - البلورات الضغطية؛ 4 - المكبّر الإلكتروني؛ 5 - موصل الطرف

فيما يتعلق بجمع البيانات، فإن المهمة الرئيسية هي تحويل البيانات التي تم جمعها بواسطة المستشعرات إلى معلومات قابلة للاستخدام. نظام جمع البيانات عادةً ما يتكون من الجوانب الثلاثة التالية:

• وحدة جمع البيانات (DAU). تتحمل الوحدة الرئيسية مسؤولية استقبال الإشارات التناظرية من مختلف المستشعرات وتحويل هذه الإشارات التناظرية إلى إشارات رقمية. تضمن الوحدة جمع البيانات بمعدل مناسب (عادةً بوقت استجابة في الميلي ثانية) وبدرجة دقة معينة (عادةً تصل إلى 16 بت أو أعلى) لتلبية متطلبات المعالجة اللاحقة.

• نقل البيانات. يتم نقل البيانات المجمعة إلى خادم معالجة مركزية عبر شبكة اتصال مستقرة. غالبًا ما تعتمد هذه الخطوة على تكنولوجيات الاتصال اللاسلكي مثل Wi-Fi أو شبكات 4G/5G، مما يمكن من زيادة سرعة وكفاءة نقل البيانات وتقليل التعقيد والتكلفة المرتبطة بالتوصيل.

• تخزين البيانات وإدارتها. بعد نقل البيانات بنجاح، يجب إجراء تخزين وإدارة فعالة للبيانات على خادم أو في السحابة لإنشاء قاعدة بيانات أكثر شمولية. يحتاج تخزين البيانات إلى دعم الوصول السريع وتحليل البيانات الضخمة، لذا تتطلب قواعد بيانات عالية الأداء لتحقيق الاستعلام والاسترجاع للبيانات. يتم عرض مخطط توضيحي لإنشاء قاعدة البيانات في الشكل 3.

من خلال المستشعرات وجمع البيانات، يمكن رصد حالة التشغيل والأداء المؤشرات للمعدات في الوقت الحقيقي واكتشاف العيوب المحتملة، مما يوفر أساسًا ضروريًا لتشخيص الأعطال الميكانيكية بطريقة ذكية، ومنع حدوث الأعطال وضمان التشغيل المستقر للنظام الكهربائي.

2.2 معالجة البيانات وتحليلها
2.2.1 تحليل الزمن والتردد

تحليل الزمن والتردد هو طريقة فعالة لمعالجة البيانات يمكنها تحويل الإشارات من المجال الزمني إلى المجال الترددي، وبالتالي كشف الخصائص الداخلية وتوجهات التغيير للإشارات. تشمل الطرق الشائعة لتحليل الزمن والتردد التحويل السريع لفورير (STFT)، والتحويل المويجي، وتوزيع Wigner-Ville.

يقوم STFT بإجراء تحويل فورير محلي للإشارة عبر نافذة بحجم ثابت، مما يجعله مناسبًا لتحليل الإشارات التي تتغير تردداتها ببطء مع الزمن. على سبيل المثال، عند مراقبة المحرك، يمكن لـ STFT تحديد الانحرافات الترددية الناجمة عن الاحتكاك أو الترهل الهيكلي بكفاءة.

يمكن للتحويل المويجي توفير نوافذ بحجم متغير، مما يجعله مناسبًا لمعالجة الإشارات ذات الخصائص المتغيرة فجأة. من خلال ضبط دالة الأم المويجية، يمكن تحقيق تحديد دقيق للاهتزازات غير الطبيعية في نطاق ترددي محدد.

كأداة متقدمة لتحليل الزمن والتردد، رغم أن توزيع Wigner-Ville يولد تداخلات متقاطعة، فإنه يقدم تحليلًا أكثر دقة للزمن والتردد للإشارة، مما يجعله مناسبًا بشكل خاص لكشف الأعطال في بيئات الإشارة المعقدة.

في التطبيقات العملية، يمكن الجمع بين الطرق المذكورة أعلاه لتحليل الزمن والتردد مع البيانات الأولية المقاسة بواسطة المستشعرات لرصد وتشخيص حالة تشغيل مفاتيح الفصل ذات الجهد العالي بدقة. تحت ظروف التشغيل الطبيعية، يمكن عادةً الحفاظ على نطاق التردد لمفاتيح الفصل ذات الجهد العالي بين 50-100 هرتز، بينما في حالة سوء الاتصال أو التعب والتلف الهيكلي، سيتغير تردد مفاتيح الفصل ذات الجهد العالي بشكل كبير أو ستظهر مكونات تردد جديدة.

2.2.2 التعلم الآلي والتعرف على الأنماط

أولاً، بعد جمع البيانات، يتم تحضير البيانات للخوارزميات التعليمية الآلية من خلال مرحلة ما قبل المعالجة مثل إزالة الضوضاء واستخراج الميزات. تشمل البيانات المكونات التردديه للإشارات الاهتزازية، والميزات الموجية للبارامترات الكهربائية، وغيرها.

ثانياً، يمكن استخدام خوارزميات التعلم المشرف مثل آلات المتجهات الداعمة (SVM) والغابات العشوائية لتصنيف البيانات المستلمة من المستشعرات. يتم تدريب هذه الخوارزميات على تحديد أنماط الأعطال المختلفة، مثل الأنماط الإشارية الفريدة الناجمة عن سوء الاتصال أو فشل المحرك. في التطبيقات العملية، يتم إدخال آلاف النقاط البيانات في الخوارزميات للتدريب لضمان أنها يمكنها التعرف بدقة على حالات الأعطال.

أخيراً، يتم استخدام تقنيات التعلم العميق، وخاصة الشبكات العصبية المحددة (CNN)، للتعرف على الأنماط المعقدة. يمكن لتقنيات التعلم العميق استخراج المعلومات المفيدة من البيانات متعددة الأبعاد الكبيرة من خلال قدراتها على تعلم الميزات تلقائيًا، مما يحسن دقة التشخيص. على سبيل المثال، في نموذج CNN محدد، يتم تصميم عدة طبقات تجميعية وطبقات تجميعية لمعالجة بيانات الصور الفيديوية المجمعة لتحديد ميزات الأعطال النموذجية.

2.3 تحليل إشارة تيار محرك القيادة

يمكن أن يساعد الرصد والتحليل الفعليين لإشارات التيار التي تولدها محرك القيادة أثناء التشغيل في التنبؤ وتشخيص الأعطال الميكانيكية المحتملة. يركز تحليل إشارة تيار محرك القيادة بشكل عام على اكتشاف التغيرات الصغيرة في إشارة التيار لتحديد التشوهات أو التآكل في المكونات الميكانيكية.

إذا كانت هناك أعطال في المكونات الميكانيكية لمفتاح الفصل ذو الجهد العالي، مثل تلف الدعم أو تآكل التروس أو عدم التوازن، فسيؤثر ذلك بشكل غير مباشر على الحمل على محرك القيادة، مما يسبب تغيرات نمطية محددة في إشارة التيار الخاصة به.

فيما يتعلق بتحليل البيانات، يتم استخدام مستشعر التيار لتسجيل شكل الموجة للتيار حول ملفات الطاقة لمحرك القيادة في ظروف التشغيل الطبيعية. عادةً ما يتم تحديد تردد العينة فوق 20 كيلو هرتز لالتقاط المعلومات التفصيلية وضمان تحليل البيانات بدقة عالية.

فيما يتعلق باستخراج الميزات، يتم استخدام التحويل السريع لفورير لتحويل إشارة التيار من المجال الزمني إلى المجال الترددي، مما يساعد في تحديد التشوهات التوافقية الناجمة عن الأعطال الميكانيكية. على سبيل المثال، في ظروف خالية من الأعطال، تحتوي إشارة تيار محرك القيادة بشكل أساسي على التردد الأساسي وأضعافه التوافقية. إذا كان هناك عطل، مثل تلف الدعم، سيتم ملاحظة قمم جديدة في ترددات محددة.

في المعالجة اللاحقة للبيانات، يمكن استخدام الطرق الإحصائية لتحليل الترددات المستخرجة. على سبيل المثال، يمكن حساب التغيرات في السعة لكل نقطة تردد، وتدريب نموذج تحديد الأعطال باستخدام خوارزمية التعلم الآلي. يتم إدخال الترددات المميزة لإشارة التيار في الخوارزمية، والخرج هو التنبؤ بنوع العطل وشدته.

من خلال تحليل إشارة التيار، يمكن تحديد الانحراف في إشارة التيار. على سبيل المثال، في المرحلة الأولية لتلف الدعم، يمكن أن يزداد سعة التوافق التيار بنسبة 5-10 أمبير، بينما في حالة تآكل التروس، يمكن أن يزداد سعة التوافق المتعلق بنسبة 3-8 أمبير. هذا يسمح لفريق الصيانة بتحديد حالة المعدات بدقة وتخطيط أعمال الصيانة، وبالتالي تجنب انقطاعات الطاقة الكبيرة الناجمة عن الأعطال.

2.4 تطبيق تقنية قياس التشوه المقاوم

يمكن استخدام تقنية قياس التشوه المقاوم لمراقبة الإجهاد والتشوه الهيكلي لمفاتيح الفصل ذات الجهد العالي. يتم تحقيق هذه التقنية من خلال تركيب مقاومات التشوه على المكونات الرئيسية.

مقاومات التشوه هي أجهزة استشعار تحول التشوه الميكانيكي إلى إشارة كهربائية. مبدأ عملها يعتمد على خاصية تغير قيمة المقاومة لموصل معدني عندما يتشوه تحت تأثير القوة. يتم عرض مخطط توضيحي لتركيب مقاومات التشوه في الشكل 4.

عند اختيار مقاومات التشوه، يمكن اختيار مقاومات التشوه ذات الفويل المعدني عالية الدقة. هذه المقاومات لها خصائص خطية جيدة واستجابة مستقرة للحرارة، وتُثبت عادةً في المواقع الأكثر تعرضاً للضغط والتعب في مفتاح الفصل ذو الجهد العالي، مثل ذراع الاتصال والمحور الدوار.

بعد الانتهاء من اختيار وتثبيت مقاومات التشوه، يجب ربطها بنظام جمع البيانات عبر أسلاك. يتحمل نظام جمع البيانات مسؤولية تسجيل التغييرات في المقاومة المنقولة من مقاومات التشوه وتحويلها إلى إشارات كهربائية لقراءتها. يحتاج نظام جمع البيانات إلى معدل أخذ عينات عالي ودقة عالية لضمان قدرته على التقاط التغييرات السريعة في التشوه أثناء تشغيل مفتاح الفصل ذو الجهد العالي. يتم استخدام معدل أخذ العينات عادةً في نطاق الكيلو هرتز، والدقة تصل إلى مستوى المللي فولت.

يتم استخدام برامج مناسبة لمعالجة الإشارات الكهربائية المسجلة. أولاً، يتم تنفيذ التصفية لإزالة أي تداخلات ضوضائية، ثم يتم استخدام خوارزميات رياضية مثل التحويل السريع لفورير (FFT) لتحليل طيف الإشارة واستخراج بيانات التشوه. يمكن تحويل بيانات التشوه للحصول على حالة الإجهاد الفعلية للمكون المقابل.

تتم مقارنة بيانات التشوه المقاسة مع نموذج الإجهاد المسبق لإعداد مفتاح الفصل ذو الجهد العالي لتقييم الحالة الصحية الحالية للمعدات. عندما يتجاوز الإجهاد الذي يتم رصده الحد المصمم له، سيصدر نظام جمع البيانات إشارة تحذير تلقائيًا لتذكير فريق التشغيل والصيانة بإجراء عمليات فحص أو صيانة.

3 الخاتمة

تناول هذا المقال بشكل معمق الأنواع الشائعة للأعطال الميكانيكية لمفاتيح الفصل ذات الجهد العالي وطرق التشخيص الذكية لها. يمكن استخدام طرق التشخيص الذكية للأعطال الميكانيكية لمفاتيح الفصل ذات الجهد العالي ليس فقط لتحسين موثوقية تشغيل المعدات ولكن أيضًا لتقليل تكاليف الصيانة بشكل كبير وتحسين عملية اتخاذ قرارات الصيانة.

مع التقدم العلمي والتكنولوجي وزيادة نضج تقنيات تحليل البيانات، يحتاج الأشخاص المعنيون إلى زيادة استثمارات البحث لتحسين مستوى التشخيص الذكي للأعطال الميكانيكية لمفاتيح الفصل ذات الجهد العالي، مما يوفر دعمًا قويًا لتشغيل النظام الكهربائي بشكل مستقر.