Diagnosis dan Analisis Cerdas Kegagalan Mekanis pada Saklar Isolasi Tegangan Tinggi
Dalam sistem tenaga listrik modern, saklar pemutus tegangan tinggi memainkan peran penting. Mereka memastikan isolasi aman dari peralatan atau jalur listrik selama perawatan dan keandalan selama operasi normal. Kegagalan mekanis pada saklar pemutus tegangan tinggi, seperti kontak buruk, kegagalan aktuator, atau kelelahan komponen struktural, dapat sangat mempengaruhi stabilitas dan keamanan seluruh sistem tenaga listrik.Metode deteksi kerusakan tradisional bergantung pada perawatan rutin dan pemeriksaan manual.
Metode-metode ini tidak hanya memakan waktu dan membutuhkan banyak tenaga, tetapi juga rentan terhadap ketinggalan waktu intervensi optimal pada tahap awal kerusakan. Dengan kemajuan teknologi yang berkelanjutan, teknik diagnosis cerdas telah muncul, menawarkan solusi yang lebih efisien dan akurat untuk pemantauan dan diagnosis kerusakan.
Metode diagnosis cerdas, seperti pengumpulan data berbasis sensor, pemrosesan dan analisis data, analisis sinyal arus motor penggerak, dan pengukuran tegangan tahanan, dapat mengidentifikasi perilaku abnormal dari saklar pemutus tegangan tinggi secara real-time, memprediksi potensi kerusakan, dan membimbing keputusan perawatan. Ini secara signifikan meningkatkan keandalan dan efisiensi operasional sistem tenaga listrik.
1 Jenis-jenis Umum Kegagalan Mekanis pada Saklar Pemutus Tegangan Tinggi
1.1 Kegagalan Kontak Buruk
Kontak buruk sebagian besar disebabkan oleh oksidasi permukaan kontak, tekanan kontak yang tidak cukup, atau area kontak yang berkurang. Jenis kegagalan ini biasanya menyebabkan peningkatan resistansi, mempengaruhi konduktivitas saklar pemutus tegangan tinggi. Karena kontak buruk, lebih banyak panas dihasilkan ketika arus melewati titik-titik kontak. Hal ini tidak hanya mempercepat ausnya titik-titik kontak tetapi juga menyebabkan masalah efek termal yang lebih serius, seperti kegagalan penyolderan atau pemanasan lokal.
Kontak buruk juga dapat menyebabkan ketidakstabilan tegangan, mempengaruhi kualitas tegangan sistem tenaga listrik. Masalah kontak buruk yang berkelanjutan dapat dengan mudah menyebabkan penurunan kinerja isolasi saklar pemutus tegangan tinggi, meningkatkan risiko keamanan operasional sistem. Oleh karena itu, mendeteksi dan menangani masalah kontak buruk pada saklar pemutus tegangan tinggi dengan tepat dan cepat sangat penting untuk memastikan operasi yang stabil dan aman dari sistem tenaga listrik.
1.2 Kegagalan Aktuator
Kegagalan aktuator adalah isu penting yang mempengaruhi kinerja saklar pemutus tegangan tinggi. Jenis kegagalan ini mencakup aus mekanis, pelumasan yang tidak cukup, dan penuaan komponen. Aus mekanis biasanya merujuk pada kerusakan komponen penggerak seperti bantalan dan roda gigi akibat operasi repetitif jangka panjang. Pelumasan yang tidak cukup meningkatkan gesekan, mempercepat laju aus komponen mekanis dan mengurangi efisiensi operasional aktuator.
Seiring bertambahnya waktu layanan, berbagai komponen aktuator kehilangan sifat aslinya atau berubah bentuk akibat penuaan material, sehingga mempengaruhi keandalan dan keamanan operasi seluruh saklar pemutus tegangan tinggi. Jika kegagalan-kegagalan ini tidak dideteksi dan ditangani dengan tepat, hal tersebut dapat menyebabkan operasi yang salah pada saklar pemutus tegangan tinggi, dan dalam kasus yang parah, bahkan dapat membahayakan operasi stabil seluruh sistem tenaga listrik.
1.3 Kegagalan Kelelahan dan Kerusakan Komponen Struktural
Kegagalan kelelahan dan kerusakan komponen struktural biasanya terjadi akibat pengaruh stres mekanis jangka panjang dan faktor lingkungan. Komponen struktural seperti tiang, batang penghubung, dan bantalan secara bertahap mengalami kelelahan material akibat stres mekanis jangka panjang, terutama selama operasi buka-tutup yang sering. Seiring waktu, stres-stres ini menumpuk di dalam material, menyebabkan pembentukan dan penyebaran retakan mikro, yang akhirnya berkembang menjadi kerusakan mekanis yang signifikan.
Selain itu, faktor lingkungan seperti perubahan suhu, kelembaban, dan lingkungan korosif dapat mempercepat laju kelelahan komponen struktural, mempengaruhi sifat mekanis dan umur layanannya. Kegagalan kelelahan dan kerusakan komponen struktural tidak hanya mempengaruhi fungsi normal saklar pemutus tegangan tinggi tetapi juga membahayakan stabilitas keseluruhan sistem tenaga listrik.
2 Metode Diagnosis Cerdas untuk Kegagalan Mekanis Saklar Pemutus Tegangan Tinggi
2.1 Sensor dan Pengumpulan Data
Sensor memainkan peran vital dalam diagnosis kerusakan mekanis saklar pemutus tegangan tinggi. Mereka bertanggung jawab untuk merekam parameter fisik kunci selama operasi peralatan, seperti getaran, suara, suhu, dan arus. Untuk saklar pemutus tegangan tinggi, sensor utama yang digunakan termasuk sensor getaran, sensor emisi akustik, dan sensor arus dan tegangan.
Sensor getaran digunakan untuk mendeteksi frekuensi dan amplitudo getaran yang dihasilkan oleh komponen peralatan selama operasi. Dengan menganalisis data getaran, dapat diprediksi aus peralatan dan kerusakan yang ada. Secara umum, frekuensi getaran saklar pemutus tegangan tinggi yang beroperasi normal harus berada dalam rentang standar (biasanya, ambang batas ditetapkan lebih dari 10 kali frekuensi operasi). Jika melebihi rentang ini, mungkin menunjukkan anomali. Diagram skematik sensor getaran ditunjukkan pada Gambar 1.
Sensor emisi akustik menangkap suara berdasarkan gelombang suara frekuensi tinggi yang dihasilkan oleh cacat material atau struktur. Selama operasi saklar pemutus tegangan tinggi, jika terdapat retakan atau longgar, sensor emisi akustik dapat dengan cepat menangkap fluktuasi suara yang disebabkan oleh deformasi atau putus kecil ini. Prinsip sensor emisi akustik ditunjukkan pada Gambar 2.
Sensor arus dan tegangan utamanya memonitor perubahan tingkat arus dan tegangan yang melewati saklar pemutus tegangan tinggi. Pembacaan arus atau tegangan yang abnormal dari sensor-sensor ini biasanya menunjukkan masalah dengan koneksi listrik atau fungsionalitas.
1 - Lubang baut; 2 - Dasar; 3 - Kristal piezoelektrik; 4 - Amplifier Elektronik; 5 - Konektor Terminal
Dalam hal pengumpulan data, tugas utamanya adalah mengonversi data yang dikumpulkan oleh sensor menjadi informasi yang dapat digunakan. Sistem pengumpulan data biasanya terdiri dari tiga aspek berikut:
Unit Pengambilan Data (DAU). DAU bertanggung jawab untuk menerima sinyal analog dari berbagai sensor dan mengonversi sinyal-sinyal analog tersebut menjadi sinyal digital. DAU memastikan bahwa data dikumpulkan dengan laju yang sesuai (biasanya dengan waktu respons dalam rentang milidetik) dan dengan presisi tertentu (biasanya mencapai 16 bit atau lebih tinggi) untuk memenuhi persyaratan pemrosesan selanjutnya.
Transmisi Data. Data yang dikumpulkan ditransmisikan ke server pemrosesan pusat melalui jaringan komunikasi yang stabil. Langkah ini sering bergantung pada teknologi komunikasi nirkabel seperti Wi-Fi atau jaringan 4G/5G, yang dapat lebih meningkatkan kecepatan dan efisiensi transmisi data serta mengurangi kompleksitas dan biaya kabel.
Penyimpanan dan Manajemen Data. Setelah transmisi data berhasil, penyimpanan dan manajemen data yang efektif harus dilakukan pada server atau di cloud untuk membangun database yang lebih lengkap. Penyimpanan data perlu mendukung akses cepat dan analisis data berskala besar, sehingga diperlukan database performa tinggi untuk mencapai pencarian dan pengambilan data. Diagram skematik pembentukan database ditunjukkan pada Gambar 3.
Melalui sensor dan pengumpulan data, pemantauan status operasi dan indikator kinerja peralatan secara real-time dapat mendeteksi potensi cacat dengan cepat, memberikan dasar yang diperlukan untuk diagnosis cerdas kerusakan mekanis, mencegah terjadinya kerusakan, dan memastikan operasi stabil sistem tenaga listrik.
2.2 Pemrosesan dan Analisis Data
2.2.1 Analisis Waktu-Frekuensi
Analisis waktu-frekuensi adalah metode pemrosesan data yang efisien yang dapat mengubah sinyal dari domain waktu ke domain frekuensi, sehingga mengungkap karakteristik internal dan tren perubahan sinyal. Metode analisis waktu-frekuensi yang umum digunakan termasuk Transformasi Fourier Jangka Pendek (STFT), transformasi wavelet, dan distribusi Wigner-Ville.
STFT melakukan transformasi Fourier lokal pada sinyal melalui jendela ukuran tetap, menjadikannya cocok untuk menganalisis sinyal yang frekuensinya berubah lambat seiring waktu. Misalnya, saat memantau aktuator, STFT dapat secara efektif mengidentifikasi drift frekuensi yang disebabkan oleh gesekan atau longgar struktural.
Transformasi wavelet dapat menyediakan jendela dengan ukuran variabel, menjadikannya cocok untuk memproses sinyal dengan karakteristik mutasi instan. Dengan menyesuaikan fungsi wavelet induk, identifikasi getaran abnormal dalam band frekuensi tertentu dapat dicapai dengan presisi.
Sebagai alat analisis waktu-frekuensi canggih, distribusi Wigner-Ville, meskipun menghasilkan gangguan istilah silang, menawarkan analisis yang lebih rinci tentang waktu dan frekuensi sinyal, menjadikannya sangat cocok untuk deteksi kerusakan dalam lingkungan sinyal yang kompleks.
Dalam aplikasi praktis, menggabungkan metode analisis waktu-frekuensi yang disebutkan di atas dengan data asli yang diukur oleh sensor dapat memantau dan mendiagnosis kondisi operasional saklar pemutus tegangan tinggi dengan akurat. Dalam kondisi operasi normal, rentang frekuensi saklar pemutus tegangan tinggi biasanya dapat dipertahankan antara 50-100 Hz; sedangkan dalam kasus kontak buruk, kelelahan komponen struktural, dan kegagalan kerusakan, frekuensi saklar pemutus tegangan tinggi akan bergeser secara signifikan atau komponen frekuensi baru akan muncul.
2.2.2 Pembelajaran Mesin dan Pengenalan Pola
Pertama, setelah pengumpulan data, melalui tahap pra-pemrosesan seperti penghapusan noise dan ekstraksi fitur, data input disiapkan untuk algoritma pembelajaran mesin. Data tersebut mencakup komponen frekuensi sinyal getaran, karakteristik bentuk gelombang parameter listrik, dll.
Kedua, algoritma pembelajaran terbimbing seperti Support Vector Machines (SVM) dan Random Forest dapat digunakan untuk mengklasifikasikan data yang diperoleh dari sensor. Algoritma-algoritma ini dilatih untuk mengidentifikasi pola kerusakan yang berbeda, seperti pola sinyal unik yang disebabkan oleh kontak buruk atau kegagalan aktuator. Dalam aplikasi praktis, ribuan titik data dimasukkan ke dalam algoritma untuk pelatihan untuk memastikan bahwa mereka dapat mengidentifikasi keadaan kerusakan dengan akurat.
Akhirnya, teknik pembelajaran dalam, terutama Jaringan Saraf Konvolusional (CNN), digunakan untuk pengenalan pola kompleks. Teknik pembelajaran dalam dapat mengekstrak informasi yang berguna dari data multidimensi berskala besar melalui kemampuan belajar fitur otomatis mereka, meningkatkan akurasi diagnosis. Misalnya, dalam model CNN tertentu, beberapa lapisan konvolusional dan lapisan pooling dirancang untuk memproses data gambar video yang dikumpulkan untuk mengidentifikasi fitur kerusakan tipikal.
2.3 Analisis Sinyal Arus Motor Penggerak
Pemantauan dan analisis sinyal arus secara real-time yang dihasilkan selama operasi motor penggerak dapat memprediksi dan mendiagnosis potensi kegagalan mekanis. Analisis sinyal arus motor penggerak umumnya fokus pada deteksi perubahan kecil dalam sinyal arus untuk menentukan anomali atau aus komponen mekanis.
Jika terdapat kegagalan pada komponen mekanis saklar pemutus tegangan tinggi, seperti kerusakan bantalan, aus roda gigi, atau ketidakseimbangan, hal ini akan secara tidak langsung mempengaruhi beban motor penggerak, sehingga menyebabkan variasi pola tertentu dalam sinyal arusnya.
Dalam hal analisis data, sensor arus digunakan untuk merekam bentuk gelombang arus dalam kondisi operasi normal di sekitar kumparan pasokan daya motor. Frekuensi sampling biasanya ditetapkan di atas 20 kHz untuk menangkap informasi detail dan memastikan pemecahan data dengan presisi tinggi.
Dalam hal ekstraksi fitur, transformasi Fourier digunakan untuk mengonversi sinyal arus domain waktu menjadi sinyal domain frekuensi, yang membantu mengidentifikasi anomali harmonik yang disebabkan oleh kegagalan mekanis. Misalnya, dalam kondisi bebas kerusakan, sinyal arus motor penggerak sebagian besar mengandung frekuensi dasar dan harmonik integer-nya. Jika terdapat kerusakan, seperti kerusakan bantalan, puncak baru akan diamati pada frekuensi tertentu.
Dalam pemrosesan data selanjutnya, metode statistik dapat digunakan untuk menganalisis frekuensi yang diekstrak. Misalnya, hitung perubahan amplitudo setiap titik frekuensi, dan latih model identifikasi kerusakan menggunakan algoritma pembelajaran mesin. Input algoritma adalah karakteristik frekuensi sinyal arus, dan outputnya adalah prediksi jenis dan tingkat kerusakan.
Dengan menganalisis sinyal arus, penyimpangan sinyal arus dapat diukur. Misalnya, pada tahap awal kerusakan bantalan, amplitudo harmonik arus dapat meningkat 5-10 A, sementara dalam kasus aus roda gigi, amplitudo harmonik relevan dapat meningkat 3-8 A. Ini memungkinkan tim perawatan untuk menentukan status peralatan dengan akurat dan merencanakan pekerjaan perawatan, sehingga menghindari pemadaman listrik berskala besar yang disebabkan oleh kerusakan.
2.4 Penerapan Teknologi Pengukuran Tegangan Hambat
Teknologi pengukuran tegangan hambat dapat digunakan untuk memantau stres struktural dan deformasi saklar pemutus tegangan tinggi. Teknologi ini diwujudkan melalui tahanan tegangan hambat yang dipasang pada komponen kunci.
Tahanan tegangan hambat adalah sensor yang mengubah deformasi mekanis menjadi sinyal listrik. Prinsip kerjanya didasarkan pada sifat bahwa nilai tahanan konduktor logam berubah ketika dideformasi oleh gaya. Diagram skematik struktur tahanan tegangan hambat ditunjukkan pada Gambar 4.
Saat memilih tahanan tegangan hambat, tahanan tegangan hambat foli logam presisi tinggi dapat dipilih. Tahanan-tahanan ini memiliki karakteristik linier yang baik dan respons suhu yang stabil, dan biasanya dipasang di posisi di mana saklar pemutus tegangan tinggi paling terbebani dan paling rentan terhadap kelelahan, seperti lengan kontak dan poros putar.
Setelah pemilihan dan pemasangan tahanan tegangan hambat selesai, tahanan-tahanan tersebut harus dihubungkan ke sistem pengumpulan data melalui kabel. Sistem pengumpulan data bertanggung jawab untuk merekam perubahan tahanan yang ditransmisikan dari tahanan tegangan hambat dan mengonversikannya menjadi sinyal tegangan untuk dibaca. Sistem pengumpulan data perlu memiliki laju sampling yang tinggi dan resolusi tinggi untuk memastikan dapat menangkap perubahan tegangan yang cepat selama operasi saklar pemutus tegangan tinggi. Laju sampling yang digunakan biasanya dalam rentang kilohertz, dan resolusi mencapai level milivolt.
Perangkat lunak yang sesuai digunakan untuk memproses sinyal tegangan yang dikumpulkan. Pertama, dilakukan penyaringan untuk menghilangkan gangguan noise yang mungkin, dan kemudian algoritma matematika seperti Transformasi Fourier Cepat (FFT) digunakan untuk menganalisis spektrum sinyal dan mengekstrak data tegangan. Data tegangan dapat dikonversi untuk mendapatkan keadaan stres aktual komponen yang bersangkutan.
Data tegangan yang diukur dibandingkan dengan model stres yang telah dibuat sebelumnya untuk saklar pemutus tegangan tinggi untuk mengevaluasi status kesehatan peralatan saat ini. Ketika stres yang dipantau melebihi ambang batas desain, sistem pengumpulan data akan secara otomatis mengeluarkan sinyal peringatan untuk mengingatkan personel operasi dan perawatan untuk melakukan inspeksi atau perawatan.
3 Kesimpulan
Artikel ini telah mendalami jenis-jenis umum kegagalan mekanis saklar pemutus tegangan tinggi dan metode diagnosis cerdasnya. Menggunakan metode diagnosis cerdas untuk kegagalan mekanis saklar pemutus tegangan tinggi tidak hanya dapat meningkatkan keandalan operasi peralatan tetapi juga secara signifikan mengurangi biaya perawatan dan mengoptimalkan proses pengambilan keputusan perawatan.
Dengan kemajuan ilmu pengetahuan dan teknologi serta semakin matangnya teknologi analisis data, personel terkait perlu meningkatkan investasi penelitian untuk meningkatkan tingkat diagnosis cerdas kegagalan mekanis saklar pemutus tegangan tinggi, memberikan dukungan kuat untuk operasi stabil sistem tenaga listrik.
