Diagnóstico y Análisis Inteligente de Fallas Mecánicas en Interruptores de Aislamiento de Alta Tensión

En los sistemas de energía modernos, los interruptores de desconexión de alta tensión desempeñan un papel crucial. Aseguran la aislación segura del equipo eléctrico o líneas durante el mantenimiento y la confiabilidad durante la operación normal. Las fallas mecánicas de los interruptores de desconexión de alta tensión, como mal contacto, fallo del actuador o fatiga de componentes estructurales, pueden afectar severamente la estabilidad y seguridad del sistema de energía en su totalidad.Los métodos tradicionales de detección de fallas se basan en el mantenimiento regular e inspecciones manuales.

Estos métodos no solo son consumidores de tiempo y mano de obra, sino que también tienden a perderse el momento óptimo de intervención en las primeras etapas de una falla. Con el avance continuo de la tecnología, han surgido técnicas de diagnóstico inteligente, ofreciendo una solución más eficiente y precisa para el monitoreo y diagnóstico de fallas.

Los métodos de diagnóstico inteligente, como la recolección de datos basada en sensores, el procesamiento y análisis de datos, el análisis de señales de corriente del motor de accionamiento y la medición de deformación resistiva, pueden identificar comportamientos anormales de los interruptores de desconexión de alta tensión en tiempo real, predecir fallas potenciales y guiar las decisiones de mantenimiento. Esto mejora significativamente la confiabilidad y eficiencia operativa del sistema de energía.

1 Tipos Comunes de Fallas Mecánicas en Interruptores de Desconexión de Alta Tensión
1.1 Falta de Contacto

La mala conexión es causada principalmente por la oxidación de la superficie de contacto, presión de contacto insuficiente o área de contacto reducida. Este tipo de falla generalmente conduce a un aumento en la resistencia, afectando la conductividad del interruptor de desconexión de alta tensión. Debido a la mala conexión, se genera más calor cuando la corriente pasa por los puntos de contacto. Esto no solo acelera el desgaste de los puntos de contacto, sino que también causa problemas más serios de efecto térmico, como fallas de soldadura o sobrecalentamiento local.

La mala conexión también puede causar inestabilidad de voltaje, afectando la calidad de voltaje del sistema de energía. Los problemas persistentes de mala conexión pueden llevar fácilmente a una disminución del rendimiento de aislamiento del interruptor de desconexión de alta tensión, aumentando los riesgos de seguridad operativa del sistema. Por lo tanto, detectar y abordar adecuadamente los problemas de mala conexión en los interruptores de desconexión de alta tensión es esencial para garantizar la operación estable y segura del sistema de energía.

1.2 Fallo del Actuador

El fallo del actuador es un problema significativo que afecta el rendimiento de los interruptores de desconexión de alta tensión. Este tipo de falla incluye desgaste mecánico, lubricación insuficiente y envejecimiento de componentes. El desgaste mecánico se refiere típicamente al daño de componentes de accionamiento como rodamientos y engranajes bajo operaciones repetitivas a largo plazo. La lubricación insuficiente aumenta la fricción, acelerando la tasa de desgaste de las partes mecánicas y reduciendo la eficiencia operativa del actuador.

A medida que aumenta el tiempo de servicio, varios componentes del actuador pierden sus propiedades originales o se deforman debido al envejecimiento del material, afectando así la confiabilidad y seguridad de la operación del interruptor de desconexión de alta tensión. Si estas fallas no se detectan y abordan a tiempo, pueden llevar a una operación incorrecta del interruptor de desconexión de alta tensión, y en casos graves, incluso poner en peligro la operación estable del sistema de energía en su totalidad.

1.3 Fatiga y Daño de Componentes Estructurales

Las fallas de fatiga y daño de componentes estructurales generalmente ocurren bajo la influencia de estrés mecánico a largo plazo y factores ambientales. Los componentes estructurales, como pilares, varillas de conexión y rodamientos, experimentan gradualmente fatiga del material bajo la acción de estrés mecánico a largo plazo, especialmente durante operaciones frecuentes de apertura y cierre. Con el tiempo, estos esfuerzos se acumulan dentro del material, llevando a la generación y propagación de microgrietas, que eventualmente se desarrollan en daños mecánicos significativos.

Además, factores ambientales como cambios de temperatura, humedad y ambientes corrosivos pueden acelerar la tasa de fatiga de los componentes estructurales, afectando sus propiedades mecánicas y vida útil. Las fallas de fatiga y daño de componentes estructurales no solo afectan la función normal de los interruptores de desconexión de alta tensión, sino que también representan una amenaza para la estabilidad general del sistema de energía.

2 Métodos de Diagnóstico Inteligente para Fallas Mecánicas de Interruptores de Desconexión de Alta Tensión
2.1 Sensores y Recolección de Datos

Los sensores juegan un papel vital en el diagnóstico de fallas mecánicas de los interruptores de desconexión de alta tensión. Principalmente se encargan de capturar parámetros físicos clave durante la operación del equipo, como vibración, sonido, temperatura y corriente. Para los interruptores de desconexión de alta tensión, los sensores principales utilizados incluyen sensores de vibración, sensores de emisión acústica y sensores de corriente y voltaje.

Los sensores de vibración se utilizan para detectar la frecuencia y amplitud de vibración generadas por los componentes del equipo durante la operación. Al analizar los datos de vibración, es posible predecir el desgaste del equipo y las fallas existentes. Generalmente, la frecuencia de vibración de un interruptor de desconexión de alta tensión en funcionamiento normal debe estar dentro del rango estándar (generalmente, el umbral se establece en más de 10 veces la frecuencia de operación). Si excede este rango, puede indicar una anomalía. Un diagrama esquemático de un sensor de vibración se muestra en la Figura 1.

Los sensores de emisión acústica capturan sonidos basados en ondas sonoras de alta frecuencia generadas por defectos de material o estructurales. Durante la operación de un interruptor de desconexión de alta tensión, si hay grietas o aflojamiento, los sensores de emisión acústica pueden captar rápidamente las fluctuaciones de sonido causadas por estas pequeñas deformaciones o rupturas. El principio de un sensor de emisión acústica se muestra en la Figura 2.

Los sensores de corriente y voltaje monitorizan principalmente los cambios en los niveles de corriente y voltaje que pasan a través del interruptor de desconexión de alta tensión. Lecturas anormales de corriente o voltaje de estos sensores generalmente indican problemas con las conexiones eléctricas o la funcionalidad.

1 - Orificios de pernos; 2 - Fundación; 3 - Cristales piezoeléctricos; 4 - Amplificador electrónico; 5 - Conector terminal

En términos de recolección de datos, la tarea principal es convertir los datos recopilados por los sensores en información utilizable. Un sistema de recolección de datos generalmente consta de los siguientes tres aspectos:

• Unidad de Adquisición de Datos (DAU). La DAU se encarga principalmente de recibir señales analógicas de diversos sensores y convertirlas en señales digitales. La DAU asegura que los datos se recolecten a una tasa apropiada (generalmente con un tiempo de respuesta en el rango de milisegundos) y con cierta precisión (generalmente alcanzando 16 bits o más) para satisfacer los requisitos de procesamiento posteriores.

• Transmisión de Datos. Los datos recolectados se transmiten a un servidor de procesamiento central a través de una red de comunicación estable. Este paso a menudo se basa en tecnologías de comunicación inalámbrica como Wi-Fi o redes 4G/5G, lo que puede aumentar aún más la velocidad y eficiencia de la transmisión de datos y reducir la complejidad y el costo de cableado.

• Almacenamiento y Gestión de Datos. Después de la transmisión exitosa de los datos, se debe realizar un almacenamiento y gestión de datos efectivos en un servidor o en la nube para establecer una base de datos más completa. El almacenamiento de datos necesita soportar acceso rápido y análisis de datos a gran escala, por lo que se requieren bases de datos de alto rendimiento para lograr consultas y recuperación de datos. Un diagrama esquemático de la creación de la base de datos se muestra en la Figura 3.

A través de los sensores y la recolección de datos, el monitoreo en tiempo real del estado operativo e indicadores de rendimiento del equipo puede detectar de manera oportuna posibles defectos, proporcionando una base necesaria para el diagnóstico inteligente de fallas mecánicas, previniendo la ocurrencia de fallas y asegurando la operación estable del sistema de energía.

2.2 Procesamiento y Análisis de Datos
2.2.1 Análisis Tiempo-Frecuencia

El análisis tiempo-frecuencia es un método eficiente de procesamiento de datos que puede transformar señales del dominio del tiempo al dominio de la frecuencia, revelando así las características internas y las tendencias de cambio de las señales. Los métodos de análisis tiempo-frecuencia comúnmente utilizados incluyen la Transformada de Fourier de Tiempo Corto (STFT), la transformada wavelet y la distribución Wigner-Ville.

La STFT realiza una transformada de Fourier local en la señal a través de una ventana de tamaño fijo, lo que la hace adecuada para analizar señales cuyas frecuencias cambian lentamente con el tiempo. Por ejemplo, al monitorear el actuador, la STFT puede identificar eficazmente los desplazamientos de frecuencia causados por la fricción o el aflojamiento estructural.

La transformada wavelet puede proporcionar ventanas de tamaño variable, lo que la hace adecuada para procesar señales con características de mutación instantánea. Ajustando la función madre wavelet, se puede lograr una identificación precisa de vibraciones anormales dentro de una banda de frecuencia específica.

Como una herramienta avanzada de análisis tiempo-frecuencia, la distribución Wigner-Ville, a pesar de generar interferencia cruzada, ofrece un análisis más refinado del tiempo y la frecuencia de la señal, lo que la hace particularmente adecuada para la detección de fallas en entornos de señales complejas.

En aplicaciones prácticas, combinando los métodos de análisis tiempo-frecuencia mencionados anteriormente con los datos originales medidos por los sensores, se puede monitorear y diagnosticar con precisión las condiciones operativas de los interruptores de desconexión de alta tensión. Bajo condiciones de operación normal, el rango de frecuencia de los interruptores de desconexión de alta tensión generalmente se puede mantener entre 50-100 Hz; mientras que en caso de mala conexión, fatiga de componentes estructurales y fallas de daño, la frecuencia de los interruptores de desconexión de alta tensión se desplazará significativamente o aparecerán nuevos componentes de frecuencia.

2.2.2 Aprendizaje Automático y Reconocimiento de Patrones

Primero, después de la recolección de datos, a través de una etapa de preprocesamiento como la eliminación de ruido y la extracción de características, se preparan los datos de entrada para los algoritmos de aprendizaje automático. Los datos incluyen componentes de frecuencia de señales de vibración, características de forma de onda de parámetros eléctricos, etc.

Segundo, se pueden utilizar algoritmos de aprendizaje supervisado como Máquinas de Vectores de Soporte (SVM) y Bosques Aleatorios para clasificar los datos obtenidos de los sensores. Estos algoritmos se entrenan para identificar diferentes tipos de patrones de falla, como los patrones de señal únicos causados por mala conexión o fallas del actuador. En aplicaciones prácticas, miles de puntos de datos se introducen en los algoritmos para el entrenamiento, para asegurar que puedan identificar con precisión los estados de falla.

Finalmente, se utilizan técnicas de aprendizaje profundo, especialmente Redes Neuronales Convolucionales (CNN), para el reconocimiento de patrones complejos. Las técnicas de aprendizaje profundo pueden extraer información útil de grandes conjuntos de datos multidimensionales a través de sus capacidades de aprendizaje automático de características, mejorando la precisión del diagnóstico. Por ejemplo, en un modelo CNN específico, se diseñan varias capas convolucionales y de agrupación para procesar los datos de imagen de video recopilados para identificar características de falla típicas.

2.3 Análisis de Señales de Corriente del Motor de Accionamiento

El monitoreo y análisis en tiempo real de las señales de corriente generadas durante la operación del motor de accionamiento pueden predecir y diagnosticar fallas mecánicas potenciales. El análisis de señales de corriente del motor de accionamiento generalmente se centra en detectar pequeños cambios en la señal de corriente para determinar anomalías o desgaste de componentes mecánicos.

Si hay fallas en los componentes mecánicos del interruptor de desconexión de alta tensión, como daño en los rodamientos, desgaste de engranajes o desequilibrio, esto afectará indirectamente la carga del motor de accionamiento, causando variaciones específicas en su señal de corriente.

En términos de análisis de datos, se utiliza un sensor de corriente para registrar la forma de onda de corriente en condiciones de operación normales alrededor de la bobina de alimentación del motor. La frecuencia de muestreo generalmente se establece por encima de 20 kHz para capturar información detallada y asegurar un análisis de datos de alta precisión.

En cuanto a la extracción de características, se utiliza la transformada de Fourier para convertir la señal de corriente en el dominio del tiempo en una señal en el dominio de la frecuencia, lo que ayuda a identificar anomalías armónicas causadas por fallas mecánicas. Por ejemplo, en condiciones sin fallas, la señal de corriente del motor de accionamiento contiene principalmente la frecuencia fundamental y sus armónicos enteros. Si hay una falla, como el fallo de un rodamiento, se observarán nuevos picos en frecuencias específicas.

En el procesamiento posterior de datos, se pueden utilizar métodos estadísticos para analizar las frecuencias extraídas. Por ejemplo, calcular los cambios de amplitud de cada punto de frecuencia y entrenar un modelo de identificación de fallas utilizando un algoritmo de aprendizaje automático. La entrada del algoritmo son las características de frecuencia de la señal de corriente, y la salida es la predicción del tipo y gravedad de la falla.

Al analizar la señal de corriente, se puede cuantificar la desviación de la señal de corriente. Por ejemplo, en la etapa inicial de fallo de un rodamiento, la amplitud de la armónica de corriente puede aumentar de 5 a 10 A, mientras que en el caso de desgaste de engranajes, la amplitud de la armónica relevante puede aumentar de 3 a 8 A. Esto permite al equipo de mantenimiento determinar con precisión el estado del equipo y planificar el trabajo de mantenimiento, evitando así apagones a gran escala causados por fallas.

2.4 Aplicación de la Tecnología de Medición de Deformación Resistiva

La tecnología de medición de deformación resistiva se puede utilizar para monitorear el estrés estructural y la deformación de los interruptores de desconexión de alta tensión. Esta tecnología se realiza a través de extensómetros de resistencia instalados en componentes clave.

Un extensómetro de resistencia es un sensor que convierte la deformación mecánica en una señal eléctrica. Su principio de funcionamiento se basa en la propiedad de que el valor de resistencia de un conductor metálico cambia cuando se deforma bajo fuerza. Un diagrama esquemático de la estructura del extensómetro de resistencia se muestra en la Figura 4.

Al seleccionar extensómetros de resistencia, se pueden elegir extensómetros de resistencia de lámina de metal de alta precisión. Estos extensómetros tienen buenas características lineales y una respuesta de temperatura estable, y generalmente se instalan en las posiciones donde el interruptor de desconexión de alta tensión está más sometido a estrés y más propenso a la fatiga, como el brazo de contacto y el eje de rotación.

Después de completar la selección e instalación de los extensómetros de resistencia, se requiere conectarlos al sistema de recolección de datos a través de cables. El sistema de recolección de datos se encarga de registrar los cambios de resistencia transmitidos por los extensómetros de resistencia y convertirlos en señales de voltaje para su lectura. El sistema de recolección de datos necesita tener una tasa de muestreo rápida y alta resolución para asegurar que pueda capturar los cambios de deformación rápidos generados durante la operación del interruptor de desconexión de alta tensión. La tasa de muestreo utilizada suele estar en el rango de kilohertzios, y la resolución alcanza el nivel de milivoltios.

Se utiliza software apropiado para procesar las señales de voltaje recolectadas. Primero, se realiza un filtrado para eliminar posibles interferencias de ruido, y luego se utilizan algoritmos matemáticos como la Transformada Rápida de Fourier (FFT) para analizar el espectro de la señal y extraer datos de deformación. Los datos de deformación se pueden convertir para obtener el estado de estrés actual del componente correspondiente.

Los datos de deformación medidos se comparan con el modelo de estrés preestablecido del interruptor de desconexión de alta tensión para evaluar el estado de salud actual del equipo. Cuando el estrés monitoreado supera el umbral de diseño, el sistema de recolección de datos emitirá automáticamente una señal de advertencia para recordar al personal de operación y mantenimiento que realice inspecciones o mantenimiento.

3 Conclusión

Este artículo ha explorado en profundidad los tipos comunes de fallas mecánicas de los interruptores de desconexión de alta tensión y sus métodos de diagnóstico inteligente. Utilizar métodos de diagnóstico inteligente para las fallas mecánicas de los interruptores de desconexión de alta tensión no solo puede mejorar la confiabilidad de la operación del equipo, sino que también puede reducir significativamente los costos de mantenimiento y optimizar el proceso de toma de decisiones de mantenimiento.

Con el progreso de la ciencia y la tecnología y la madurez creciente de la tecnología de análisis de datos, el personal relevante necesita aumentar la inversión en investigación para mejorar el nivel de diagnóstico inteligente de las fallas mecánicas de los interruptores de desconexión de alta tensión, proporcionando un fuerte apoyo para la operación estable del sistema de energía.