Intelligente Diagnose und Analyse von mechanischen Fehlern in Hochspannungs-Abschalthebeln

In modernen Stromnetzen spielen Hochspannungsschalter eine entscheidende Rolle. Sie gewährleisten die sichere Isolierung von elektrischen Geräten oder Leitungen während der Wartung und die Zuverlässigkeit während des normalen Betriebs. Mechanische Ausfälle von Hochspannungsschaltern, wie beispielsweise schlechter Kontakt, Antriebsausfall oder Ermüdung von Strukturkomponenten, können die Stabilität und Sicherheit des gesamten Stromnetzes erheblich beeinträchtigen.Traditionelle Fehlersuchmethoden basieren auf regelmäßiger Wartung und manuellen Inspektionen.

Diese Methoden sind nicht nur zeitaufwendig und arbeitsintensiv, sondern sie verfehlen auch oft den optimalen Eingriffspunkt in den frühen Stadien eines Fehlers. Mit dem ständigen Fortschritt der Technologie haben sich intelligente Diagnoseverfahren entwickelt, die eine effizientere und genauere Lösung für die Überwachung und Diagnose von Fehlern bieten.

Intelligente Diagnosemethoden, wie sensorbasierte Datenerfassung, Datenverarbeitung und -analyse, Analyse des Antriebsstromsignals und widerstandsbasierte Dehnungsmessung, können Abnormitäten bei Hochspannungsschaltern in Echtzeit erkennen, potenzielle Fehler vorhersagen und Wartungsentscheidungen leiten. Dies verbessert erheblich die Zuverlässigkeit und den Betriebsgrad des Stromnetzes.

1 Häufige Arten von mechanischen Fehlern bei Hochspannungsschaltern
1.1 Fehler durch schlechten Kontakt

Ein schlechter Kontakt wird hauptsächlich durch Oxidation der Kontaktoberfläche, unzureichenden Kontaktdruck oder eine reduzierte Kontaktoberfläche verursacht. Diese Art von Fehler führt in der Regel zu einem Anstieg des Widerstands und beeinflusst die Leitfähigkeit des Hochspannungsschalters. Aufgrund des schlechten Kontakts wird mehr Wärme erzeugt, wenn der Strom durch die Kontaktpunkte fließt. Dies beschleunigt nicht nur den Verschleiß der Kontaktpunkte, sondern verursacht auch ernstere thermische Probleme, wie Schweißversagen oder lokale Überhitzung.

Ein schlechter Kontakt kann auch zu Spannungsinstabilität führen und die Spannungsqualität des Stromnetzes beeinträchtigen. Dauerhafte Probleme mit schlechtem Kontakt können leicht zu einer Verschlechterung der Isolierleistung des Hochspannungsschalters führen und die Betriebssicherheit des Systems erhöhen. Daher ist es entscheidend, dass Probleme mit schlechtem Kontakt bei Hochspannungsschaltern frühzeitig erkannt und angemessen behandelt werden, um den stabilen und sicheren Betrieb des Stromnetzes sicherzustellen.

1.2 Antriebsausfall

Antriebsausfälle sind ein bedeutendes Problem, das die Leistung von Hochspannungsschaltern beeinträchtigt. Dieser Typ von Ausfall umfasst mechanischen Verschleiß, unzureichende Schmierung und Komponentenalterung. Mechanischer Verschleiß bezieht sich in der Regel auf den Schaden an Antriebskomponenten wie Lagern und Getrieben, die unter langfristigen wiederholten Operationen entstehen. Unzureichende Schmierung erhöht die Reibung, beschleunigt den Verschleiß von mechanischen Teilen und verringert die Betriebsleistung des Antriebs.

Mit zunehmender Betriebsdauer verlieren verschiedene Komponenten des Antriebs ihre ursprünglichen Eigenschaften oder verformen sich aufgrund von Materialalterung, was die Zuverlässigkeit und Sicherheit des Gesamtbetriebs des Hochspannungsschalters beeinträchtigt. Wenn diese Ausfälle nicht rechtzeitig erkannt und behoben werden, kann dies zu falscher Funktion des Hochspannungsschalters führen und in schweren Fällen sogar den stabilen Betrieb des gesamten Stromnetzes gefährden.

1.3 Strukturkomponenten-Ermüdung und -Schadensausfälle

Strukturkomponenten-Ermüdung und -Schadensausfälle treten in der Regel unter dem Einfluss langfristiger mechanischer Belastungen und Umweltfaktoren auf. Strukturkomponenten wie Pfeiler, Verbindungsstangen und Lager erfahren unter der Wirkung langfristiger mechanischer Belastungen, insbesondere bei häufigen Öffnen- und Schließenoperationen, allmählich Materialermüdung. Im Laufe der Zeit akkumulieren diese Belastungen im Material, was zur Entstehung und Ausbreitung von Mikrorissen führt, die schließlich zu signifikanten mechanischen Schäden ausarten.

Darüber hinaus können Umweltfaktoren wie Temperaturänderungen, Feuchtigkeit und korrosive Umgebungen die Ermüdungsrate der Strukturkomponenten beschleunigen und deren mechanische Eigenschaften und Lebensdauer beeinträchtigen. Strukturkomponenten-Ermüdung und -Schadensausfälle beeinträchtigen nicht nur die normale Funktion von Hochspannungsschaltern, sondern stellen auch eine Bedrohung für die Gesamtstabilität des Stromnetzes dar.

2 Intelligente Diagnosemethoden für mechanische Fehler bei Hochspannungsschaltern
2.1 Sensoren und Datenerfassung

Sensoren spielen eine entscheidende Rolle bei der mechanischen Fehlersuche bei Hochspannungsschaltern. Sie sind hauptsächlich dafür zuständig, wichtige physikalische Parameter während des Betriebs der Ausrüstung zu erfassen, wie Vibration, Schall, Temperatur und Strom. Für Hochspannungsschalter werden hauptsächlich Vibrationssensoren, akustische Emissionsensoren und Strom- und Spannungssensoren verwendet.

Vibrationssensoren dienen dazu, die Vibrationshäufigkeit und -amplitude, die von Ausrüstungskomponenten während des Betriebs erzeugt werden, zu detektieren. Durch die Analyse von Vibrationdaten ist es möglich, Verschleiß und bestehende Fehler der Ausrüstung vorherzusagen. Im Allgemeinen sollte die Vibrationshäufigkeit eines normal betriebenen Hochspannungsschalters innerhalb des Standardbereichs (in der Regel wird der Schwellenwert auf mehr als 10 Mal die Betriebsfrequenz festgelegt) liegen. Wenn dieser Bereich überschritten wird, könnte dies auf eine Anomalie hinweisen. Eine schematische Darstellung eines Vibrationssensors ist in Abbildung 1 dargestellt.

Akustische Emissionsensoren erfassen Schall basierend auf hochfrequenten Schallwellen, die durch Material- oder Strukturschäden erzeugt werden. Während des Betriebs eines Hochspannungsschalters können akustische Emissionsensoren bei Rissen oder Lockerungen prompt die Schallschwankungen erfassen, die durch diese geringfügigen Verformungen oder Brüche verursacht werden. Das Prinzip eines akustischen Emissionsensors ist in Abbildung 2 dargestellt.

Strom- und Spannungssensoren überwachen hauptsächlich Änderungen der Strom- und Spannungsniveaus, die durch den Hochspannungsschalter fließen. Abnorme Strom- oder Spannungswerte, die von diesen Sensoren gemessen werden, deuten in der Regel auf Probleme mit elektrischen Verbindungen oder Funktionalität hin.

1 - Bolzenlöcher; 2 - Fundament; 3 - Piezokristalle; 4 - Elektronischer Verstärker; 5 - Endanschluss

Was die Datenerfassung betrifft, besteht die Hauptaufgabe darin, die von Sensoren erfassten Daten in nutzbare Informationen zu konvertieren. Ein Datenerfassungssystem besteht in der Regel aus den folgenden drei Aspekten:

• Datenerfassungseinheit (DAU). Die DAU ist hauptsächlich dafür zuständig, analoge Signale von verschiedenen Sensoren zu empfangen und diese analogen Signale in digitale Signale umzuwandeln. Die DAU stellt sicher, dass Daten mit einer angemessenen Rate (in der Regel mit einer Antwortzeit im Millisekundenbereich) und mit einer bestimmten Genauigkeit (in der Regel 16 Bit oder höher) erfasst werden, um den Anforderungen der nachfolgenden Verarbeitung gerecht zu werden.

• Datenübertragung. Die erfassten Daten werden über ein stabiles Kommunikationsnetzwerk an einen zentralen Verarbeitungsserver übertragen. Dieser Schritt beruht oft auf drahtlosen Kommunikationstechnologien wie Wi-Fi oder 4G/5G-Netzwerken, was die Geschwindigkeit und Effizienz der Datenübertragung weiter erhöhen und die Komplexität und Kosten der Verkabelung reduzieren kann.

• Datenhaltung und -verwaltung. Nach erfolgreicher Datenübertragung muss eine effektive Datenhaltung und -verwaltung auf einem Server oder in der Cloud durchgeführt werden, um eine vollständigere Datenbank zu erstellen. Die Datenhaltung muss schnellem Zugriff und der Analyse großer Datenmengen standhalten, weshalb leistungsfähige Datenbanken erforderlich sind, um Datenabfrage und -abruf zu ermöglichen. Eine schematische Darstellung der Datenbankerstellung ist in Abbildung 3 dargestellt.

Durch Sensoren und Datenerfassung kann der Betriebsstatus und die Leistungsindikatoren der Ausrüstung in Echtzeit überwacht werden, um potenzielle Defekte frühzeitig zu erkennen, was eine notwendige Grundlage für die intelligente Diagnose von mechanischen Fehlern bietet, um das Auftreten von Fehlern zu verhindern und den stabilen Betrieb des Stromnetzes sicherzustellen.

2.2 Datenverarbeitung und -analyse
2.2.1 Zeit-Frequenz-Analyse

Zeit-Frequenz-Analyse ist eine effiziente Methode zur Datenverarbeitung, die Signale vom Zeitbereich in den Frequenzbereich transformiert, um die internen Merkmale und Veränderungstrends der Signale zu enthüllen. Gebräuchliche Zeit-Frequenz-Analysemethoden umfassen die Kurzzeit-Fourier-Transformation (STFT), Wavelet-Transformation und Wigner-Ville-Verteilung.

STFT führt eine lokale Fourier-Transformation des Signals durch ein Fenster fester Größe durch, was es für die Analyse von Signalen geeignet macht, deren Frequenzen sich langsam über die Zeit ändern. Zum Beispiel kann STFT beim Überwachen des Antriebs effektiv Frequenzdrifts identifizieren, die durch Reibung oder strukturelle Lockerung verursacht werden.

Die Wavelet-Transformation kann Fenster variabler Größe bereitstellen, was sie für die Verarbeitung von Signalen mit instannten Veränderungsmerkmalen geeignet macht. Durch die Anpassung der Mutterwavelet-Funktion kann eine präzise Identifizierung von anomalen Schwingungen in einem spezifischen Frequenzband erreicht werden.

Als fortschrittliches Werkzeug zur Zeit-Frequenz-Analyse bietet die Wigner-Ville-Verteilung trotz der Erzeugung von Kreuzterm-Interferenzen eine verfeinerte Analyse der Zeit und Frequenz des Signals, was sie besonders für die Fehlersuche in komplexen Signalumgebungen geeignet macht.

In der praktischen Anwendung können die oben genannten Zeit-Frequenz-Analysemethoden in Kombination mit den ursprünglich von Sensoren gemessenen Daten verwendet werden, um den Betriebszustand von Hochspannungsschaltern präzise zu überwachen und zu diagnostizieren. Unter normalen Betriebsbedingungen kann der Frequenzbereich von Hochspannungsschaltern in der Regel zwischen 50 und 100 Hz gehalten werden; bei schlechtem Kontakt, Strukturkomponenten-Ermüdung und -Schadensausfällen verschiebt sich die Frequenz von Hochspannungsschaltern jedoch erheblich oder es erscheinen neue Frequenzkomponenten.

2.2.2 Maschinelles Lernen und Musterekennung

Erstens wird nach der Datenerfassung durch eine Vorverarbeitungsphase wie Rauschunterdrückung und Merkmalsextraktion die Eingangsdaten für maschinelle Lernalgorithmen vorbereitet. Die Daten umfassen Frequenzkomponenten von Schwingungssignalen, Wellenformmerkmale von elektrischen Parametern usw.

Zweitens können überwachte Lernalgorithmen wie Support Vector Machines (SVM) und Random Forest verwendet werden, um die von Sensoren erfassten Daten zu klassifizieren. Diese Algorithmen werden trainiert, um verschiedene Arten von Fehlmustern zu identifizieren, wie beispielsweise die einzigartigen Signalmuster, die durch schlechten Kontakt oder Antriebsausfälle verursacht werden. In der Praxis werden Tausende von Datenpunkten in die Algorithmen eingegeben, um sicherzustellen, dass sie Fehlzustände präzise identifizieren können.

Schließlich werden Deep-Learning-Techniken, insbesondere Convolutional Neural Networks (CNN), für komplexe Musterekennung eingesetzt. Deep-Learning-Techniken können durch ihre automatischen Merkmalsextraktionsfähigkeiten nützliche Informationen aus großen Mengen multidimensionaler Daten extrahieren und die Genauigkeit der Diagnose verbessern. Zum Beispiel werden in einem spezifischen CNN-Modell mehrere Faltungs- und Pooling-Schichten entworfen, um die gesammelten Video-Bilddaten zu verarbeiten, um typische Fehlmuster zu identifizieren.

2.3 Analyse des Antriebsstromsignals

Die Echtzeitüberwachung und -analyse der Stromsignale, die während des Betriebs des Antriebsmotors erzeugt werden, können potenzielle mechanische Fehlfälle vorhersagen und diagnostizieren. Die Analyse des Antriebsstromsignals konzentriert sich in der Regel darauf, kleine Änderungen im Stromsignal zu detektieren, um Anomalien oder Verschleiß von mechanischen Komponenten zu bestimmen.

Wenn es bei den mechanischen Komponenten des Hochspannungsschalters zu Fehlern kommt, wie zum Beispiel Lagerbeschädigung, Zahnradverschleiß oder Ungleichgewicht, wirkt sich dies indirekt auf die Last des Antriebsmotors aus und führt zu spezifischen Musteränderungen in seinem Stromsignal.

Was die Datenanalyse betrifft, wird ein Stromsensor verwendet, um die Stromwelle unter normalen Betriebsbedingungen in der Nähe der Stromversorgungsspule des Motors aufzuzeichnen. Die Abtastrate wird in der Regel oberhalb von 20 kHz eingestellt, um detaillierte Informationen zu erfassen und eine hohe Präzision der Datenanalyse sicherzustellen.

Was die Merkmalsextraktion betrifft, wird die Fourier-Transformation verwendet, um das zeitbezogene Stromsignal in ein frequenzbezogenes Signal zu konvertieren, was hilft, harmonische Anomalien zu identifizieren, die durch mechanische Fehlfälle verursacht werden. Beispielsweise enthält das Antriebsstromsignal unter fehlerfreien Bedingungen hauptsächlich die Grundfrequenz und ihre ganzzahligen Oberschwingungen. Bei einem Fehler, wie zum Beispiel einer Lagerbeschädigung, werden an spezifischen Frequenzen neue Spitzen beobachtet.

In der nachfolgenden Datenverarbeitung können statistische Methoden verwendet werden, um die extrahierten Frequenzen zu analysieren. Zum Beispiel können die Amplitudenänderungen jedes Frequenzpunktes berechnet und ein Fehlerserkennungsmodell mit einem maschinellen Lernalgorithmus trainiert werden. Die Eingabe des Algorithmus sind die Frequenzmerkmale des Stromsignals, und die Ausgabe ist die Vorhersage des Fehlertyps und der Schweregrad.

Durch die Analyse des Stromsignals kann die Abweichung des Stromsignals quantifiziert werden. Zum Beispiel kann in der Anfangsphase einer Lagerbeschädigung die Amplitude der Stromharmonischen um 5-10 A zunehmen, während bei Zahnradschaden die Amplitude der relevanten Harmonischen um 3-8 A zunehmen kann. Dies ermöglicht es dem Wartungsteam, den Ausrüstungsstatus präzise zu bestimmen und Wartungsarbeiten zu planen, um große Stromausfälle durch Fehlfälle zu vermeiden.

2.4 Anwendung der Widerstandsdehnungsmesstechnologie

Die Widerstandsdehnungsmesstechnologie kann verwendet werden, um die Strukturbelastung und -deformation von Hochspannungsschaltern zu überwachen. Diese Technologie wird durch Widerstandsdehnungsmessstreifen, die an Schlüsselkomponenten installiert sind, realisiert.

Ein Widerstandsdehnungsmessstreifen ist ein Sensor, der mechanische Deformationen in ein elektrisches Signal umwandelt. Sein Arbeitsprinzip basiert auf der Eigenschaft, dass der Widerstandswert eines Metalleiters bei Belastung verändert wird. Eine schematische Darstellung der Struktur eines Widerstandsdehnungsmessstreifens ist in Abbildung 4 dargestellt.

Bei der Auswahl von Widerstandsdehnungsmessstreifen können hochpräzise metallische Widerstandsdehnungsmessstreifen gewählt werden. Diese Streifen haben gute lineare Eigenschaften und eine stabile Temperaturantwort und werden in der Regel an den Positionen installiert, an denen der Hochspannungsschalter am meisten belastet und anfällig für Ermüdung ist, wie zum Beispiel am Kontaktteller und am Drehzapfen.

Nach der Auswahl und Installation der Widerstandsdehnungsmessstreifen müssen diese über Drähte mit dem Datenerfassungssystem verbunden werden. Das Datenerfassungssystem ist dafür verantwortlich, die vom Widerstandsdehnungsmessstreifen übertragenen Widerstandsänderungen aufzuzeichnen und sie in Spannungssignale zu konvertieren, die gelesen werden können. Das Datenerfassungssystem muss eine hohe Abtastrate und eine hohe Auflösung haben, um sicherzustellen, dass es die schnellen Dehnungsänderungen erfassen kann, die während des Betriebs des Hochspannungsschalters auftreten. Die verwendete Abtastrate liegt in der Regel im Kilohertz-Bereich, und die Auflösung erreicht das Millivolt-Niveau.

Angemessene Software wird verwendet, um die gesammelten Spannungssignale zu verarbeiten. Zuerst wird eine Filterung durchgeführt, um mögliche Störungen zu entfernen, und dann werden mathematische Algorithmen wie die Schnelle Fourier-Transformation (FFT) verwendet, um das Spektrum des Signals zu analysieren und Dehnungsdaten zu extrahieren. Die Dehnungsdaten können umgerechnet werden, um den tatsächlichen Spannungszustand der entsprechenden Komponente zu erhalten.

Die gemessenen Dehnungsdaten werden mit dem vorgegebenen Spannungsmodell des Hochspannungsschalters verglichen, um den aktuellen Gesundheitszustand der Ausrüstung zu bewerten. Wenn die überwachte Spannung den Entwurfs-Schwellenwert überschreitet, gibt das Datenerfassungssystem automatisch ein Warnsignal aus, um die Betriebs- und Wartungspersonal zu Inspektionen oder Wartungsarbeiten zu veranlassen.

3 Fazit

Dieser Artikel hat die häufigen Arten von mechanischen Fehlern bei Hochspannungsschaltern und ihre intelligenten Diagnosemethoden detailliert untersucht. Die Verwendung intelligenter Diagnosemethoden für mechanische Fehlfälle bei Hochspannungsschaltern kann nicht nur die Betriebssicherheit der Ausrüstung verbessern, sondern auch die Wartungskosten erheblich reduzieren und den Wartungsentscheidungsprozess optimieren.

Mit dem Fortschritt der Wissenschaft und Technologie und der zunehmenden Reife der Datenanalysetechnologie sollten relevante Fachkräfte die Forschungsinvestitionen erhöhen, um das Niveau der intelligenten Diagnose von mechanischen Fehlfällen bei Hochspannungsschaltern zu verbessern und starke Unterstützung für den stabilen Betrieb des Stromnetzes bereitzustellen.