Pembehan dan Analisis Pintar Kerosakan Mekanikal dalam Peralatan Isolasi Voltan Tinggi
Dalam sistem tenaga moden, pemutus litar tegangan tinggi memainkan peranan penting. Mereka memastikan isolasi selamat bagi peralatan elektrik atau laluan semasa penyelenggaraan dan kebolehpercayaan semasa operasi biasa. Kerosakan mekanikal pada pemutus litar tegangan tinggi, seperti kontak yang lemah, kegagalan aktuator, atau penatuan komponen struktur, boleh memberi kesan serius terhadap kestabilan dan keselamatan seluruh sistem tenaga.Kaedah pengesanan ralat tradisional bergantung kepada penyelenggaraan berkala dan pemeriksaan manual.
Kaedah-kaedah ini tidak hanya memerlukan masa dan tenaga kerja yang banyak, tetapi juga cenderung untuk melewatkan masa intervensi optimum pada tahap awal ralat. Dengan kemajuan teknologi yang berterusan, teknik diagnostik pintar telah muncul, menawarkan penyelesaian yang lebih efisien dan tepat untuk pemantauan dan diagnosis ralat.
Kaedah diagnostik pintar, seperti pengumpulan data berdasarkan sensor, pemprosesan dan analisis data, analisis isyarat arus motor penggerak, dan pengukuran teganan rintangan, dapat mengenal pasti tingkah laku abnormal pemutus litar tegangan tinggi secara real-time, meramalkan ralat potensial, dan membimbing keputusan penyelenggaraan. Ini meningkatkan kebolehpercayaan dan kecekapan operasi sistem tenaga dengan signifikan.
1 Jenis Ralat Mekanikal Biasa pada Pemutus Litar Tegangan Tinggi
1.1 Ralat Kontak Lemah
Kontak lemah disebabkan utamanya oleh oksidasi permukaan kontak, tekanan kontak yang tidak mencukupi, atau kawasan kontak yang berkurang. Jenis ralat ini biasanya menyebabkan peningkatan rintangan, mempengaruhi konduktiviti pemutus litar tegangan tinggi. Akibat kontak yang lemah, lebih banyak haba dihasilkan apabila arus melalui titik-titik kontak. Ini tidak hanya mempercepatkan keausan titik-titik kontak tetapi juga menyebabkan masalah efek termal yang lebih serius, seperti kegagalan penyambungan atau pemanasan tempatan.
Kontak lemah juga boleh menyebabkan ketidakstabilan voltan, mempengaruhi kualitas voltan sistem tenaga. Masalah kontak lemah yang berterusan boleh dengan mudah menyebabkan penurunan prestasi insulasi pemutus litar tegangan tinggi, meningkatkan risiko keselamatan operasional sistem. Oleh itu, mendeteksi dan menangani masalah kontak lemah pada pemutus litar tegangan tinggi secara tepat waktu adalah penting untuk memastikan operasi stabil dan selamat sistem tenaga.
1.2 Kegagalan Aktuator
Kegagalan aktuator adalah isu penting yang mempengaruhi prestasi pemutus litar tegangan tinggi. Jenis ralat ini merangkumi keausan mekanikal, pelumasan yang tidak mencukupi, dan penuaan komponen. Keausan mekanikal biasanya merujuk kepada kerosakan komponen penggerak seperti bantalan dan gigi gear akibat operasi berulang kali dalam jangka masa panjang. Pelumasan yang tidak mencukupi meningkatkan geseran, mempercepatkan kadar keausan bahagian mekanikal dan mengurangkan kecekapan operasional aktuator.
Seiring bertambahnya masa servis, pelbagai komponen aktuator kehilangan sifat asalnya atau mengalami deformasi akibat penuaan bahan, sehingga mempengaruhi kebolehpercayaan dan keselamatan operasi seluruh pemutus litar tegangan tinggi. Jika ralat-ralat ini tidak dideteksi dan ditangani dengan tepat waktu, ia boleh menyebabkan operasi yang salah pada pemutus litar tegangan tinggi, dan dalam kasus yang parah, bahkan mengancam operasi stabil seluruh sistem tenaga.
1.3 Ralat Penatuan dan Kerosakan Komponen Struktur
Ralat penatuan dan kerosakan komponen struktur biasanya berlaku di bawah pengaruh tekanan mekanikal jangka panjang dan faktor-faktor persekitaran. Komponen struktur seperti tiang, batang penghubung, dan bantalan secara beransur-ansur mengalami penatuan bahan di bawah tekanan mekanikal jangka panjang, terutama semasa operasi buka-tutup yang sering. Seiring waktu, tekanan ini berkumpul dalam bahan, menyebabkan pembentukan dan penyebaran retakan mikro, yang akhirnya berkembang menjadi kerosakan mekanikal yang signifikan.
Selain itu, faktor-faktor persekitaran seperti perubahan suhu, kelembaban, dan lingkungan korosif dapat mempercepatkan kadar penatuan komponen struktur, mempengaruhi sifat mekanikal dan umur simpan mereka. Ralat penatuan dan kerosakan komponen struktur tidak hanya mempengaruhi fungsi normal pemutus litar tegangan tinggi tetapi juga mengancam kestabilan keseluruhan sistem tenaga.
2 Kaedah Diagnostik Pintar untuk Ralat Mekanikal Pemutus Litar Tegangan Tinggi
2.1 Sensor dan Pengumpulan Data
Sensor memainkan peranan penting dalam diagnosis ralat mekanikal pemutus litar tegangan tinggi. Mereka bertanggungjawab untuk menangkap parameter fizikal utama semasa operasi peralatan, seperti getaran, bunyi, suhu, dan arus. Untuk pemutus litar tegangan tinggi, sensor utama yang digunakan termasuk sensor getaran, sensor emisi akustik, dan sensor arus dan voltan.
Sensor getaran digunakan untuk mendeteksi frekuensi dan amplitudo getaran yang dihasilkan oleh komponen peralatan semasa operasi. Dengan menganalisis data getaran, ia memungkinkan untuk meramalkan keausan peralatan dan ralat yang ada. Secara umum, frekuensi getaran pemutus litar tegangan tinggi yang beroperasi normal harus berada dalam julat standard (biasanya, ambang batas ditetapkan lebih dari 10 kali frekuensi operasi). Jika melebihi julat ini, ia mungkin menunjukkan anomali. Skema sensor getaran ditunjukkan dalam Gambar 1.
Sensor emisi akustik menangkap bunyi berdasarkan gelombang suara frekuensi tinggi yang dihasilkan oleh cacat material atau struktur. Semasa operasi pemutus litar tegangan tinggi, jika terdapat retak atau longgar, sensor emisi akustik dapat segera menangkap fluktuasi bunyi yang disebabkan oleh deformasi atau putus minor tersebut. Prinsip sensor emisi akustik ditunjukkan dalam Gambar 2.
Sensor arus dan voltan utamanya memantau perubahan aras arus dan voltan yang melewati pemutus litar tegangan tinggi. Pembacaan arus atau voltan yang abnormal dari sensor-sensor ini biasanya menunjukkan masalah dengan sambungan elektrik atau fungsionalitas.
1 - Lubang bolt; 2 - Asas; 3 - Kristal piezoelektrik; 4 - Penguat elektronik; 5 - Konektor terminal
Dalam hal pengumpulan data, tugas utamanya adalah mengubah data yang dikumpulkan oleh sensor menjadi informasi yang dapat digunakan. Sistem pengumpulan data biasanya terdiri dari tiga aspek berikut:
Unit Pengambilan Data (DAU). DAU bertanggungjawab untuk menerima isyarat analog dari berbagai sensor dan mengubah isyarat-analog ini menjadi isyarat digital. DAU memastikan data dikumpulkan dengan laju yang sesuai (biasanya dengan masa respons dalam julat milisekon) dan dengan ketepatan tertentu (biasanya mencapai 16 bit atau lebih) untuk memenuhi keperluan pemrosesan selanjutnya.
Penghantaran Data. Data yang dikumpulkan dihantar ke server pemprosesan pusat melalui rangkaian komunikasi yang stabil. Langkah ini sering bergantung pada teknologi komunikasi nirkabel seperti Wi-Fi atau jaringan 4G/5G, yang dapat meningkatkan kelajuan dan kecekapan penghantaran data serta mengurangi kompleksitas dan kos pengkabelan.
Penyimpanan dan Pengurusan Data. Setelah penghantaran data berhasil, penyimpanan dan pengurusan data yang efektif harus dilakukan pada server atau di cloud untuk mendirikan pangkalan data yang lebih lengkap. Penyimpanan data perlu mendukung akses cepat dan analisis data skala besar, sehingga diperlukan pangkalan data berprestasi tinggi untuk mencapai pencarian dan pengambilan data. Skema penempatan pangkalan data ditunjukkan dalam Gambar 3.
Melalui sensor dan pengumpulan data, pemantauan status operasi dan indikator prestasi peralatan secara real-time dapat mendeteksi cacat potensial dengan segera, memberikan dasar yang diperlukan untuk diagnosis pintar ralat mekanikal, mencegah terjadinya ralat, dan memastikan operasi stabil sistem tenaga.
2.2 Pemprosesan dan Analisis Data
2.2.1 Analisis Waktu-Frekuensi
Analisis waktu-frekuensi adalah kaedah pemprosesan data yang efisien yang dapat mentransformasikan isyarat dari domain waktu ke domain frekuensi, sehingga mengungkapkan ciri-ciri internal dan trend perubahan isyarat. Metode analisis waktu-frekuensi yang umum digunakan termasuk Transformasi Fourier Pendek (STFT), transformasi wavelet, dan distribusi Wigner-Ville.
STFT melakukan transformasi Fourier setempat pada isyarat melalui jendela ukuran tetap, menjadikannya sesuai untuk menganalisis isyarat yang frekuensinya berubah perlahan sepanjang waktu. Misalnya, saat memantau aktuator, STFT dapat mengenal pasti drift frekuensi yang disebabkan oleh geseran atau longgaran struktur dengan efektif.
Transformasi wavelet dapat memberikan jendela ukuran variabel, menjadikannya sesuai untuk memproses isyarat dengan ciri-ciri mutasi instan. Dengan menyesuaikan fungsi wavelet induk, identifikasi presisi getaran abnormal dalam band frekuensi tertentu dapat dicapai.
Sebagai alat analisis waktu-frekuensi canggih, distribusi Wigner-Ville, meskipun menghasilkan gangguan istilah silang, menawarkan analisis yang lebih rinci tentang waktu dan frekuensi isyarat, menjadikannya sangat sesuai untuk deteksi ralat dalam lingkungan isyarat yang rumit.
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 pemutus litar tegangan tinggi dengan tepat. Dalam kondisi operasi normal, rentang frekuensi pemutus litar tegangan tinggi biasanya dapat dipertahankan antara 50-100 Hz; sedangkan dalam kasus kontak yang buruk, penatuan komponen struktur, dan ralat kerosakan, frekuensi pemutus litar tegangan tinggi akan bergeser secara signifikan atau frekuensi komponen 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 termasuk komponen frekuensi isyarat getaran, karakteristik bentuk gelombang parameter elektrik, 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 ralat yang berbeda, seperti pola isyarat unik yang disebabkan oleh kontak yang buruk atau kegagalan aktuator. Dalam aplikasi praktis, ribuan titik data dimasukkan ke dalam algoritma untuk pelatihan untuk memastikan bahwa mereka dapat mengidentifikasi keadaan ralat dengan tepat.
Akhirnya, teknik pembelajaran dalam, terutama Jaringan Saraf Konvolusional (CNN), digunakan untuk pengenalan pola yang kompleks. Teknik pembelajaran dalam dapat mengekstrak informasi yang berguna dari data multidimensi berskala besar melalui kemampuan pembelajaran fitur otomatis mereka, meningkatkan keakuratan diagnosis. Misalnya, dalam model CNN tertentu, beberapa lapisan konvolusional dan lapisan pooling dirancang untuk memproses data gambar video yang dikumpulkan untuk mengidentifikasi fitur ralat tipikal.
2.3 Analisis Isyarat Arus Motor Penggerak
Pemantauan dan analisis real-time isyarat arus yang dihasilkan selama operasi motor penggerak dapat meramalkan dan mendiagnosis potensi ralat mekanikal. Analisis isyarat arus motor penggerak biasanya fokus pada deteksi perubahan kecil dalam isyarat arus untuk menentukan anomali atau keausan komponen mekanikal.
Jika terdapat ralat pada komponen mekanikal pemutus litar tegangan tinggi, seperti kerusakan bantalan, keausan gigi, atau ketidakseimbangan, hal ini akan mempengaruhi beban motor penggerak secara tidak langsung, sehingga menyebabkan variasi pola tertentu dalam isyarat 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 mengubah isyarat arus domain waktu menjadi isyarat domain frekuensi, yang membantu mengidentifikasi anomali harmonik yang disebabkan oleh ralat mekanikal. Misalnya, dalam kondisi bebas ralat, isyarat arus motor penggerak sebagian besar mengandung frekuensi dasar dan harmonik integer-kali. Jika terjadi ralat, seperti kerusakan bantalan, puncak baru akan diamati pada frekuensi tertentu.
Dalam pemrosesan data selanjutnya, metode statistik dapat digunakan untuk menganalisis frekuensi yang diekstrak. Misalnya, menghitung perubahan amplitudo dari setiap titik frekuensi, dan melatih model identifikasi ralat menggunakan algoritma pembelajaran mesin. Input algoritma adalah karakteristik frekuensi isyarat arus, dan outputnya adalah prediksi jenis dan tingkat keparahan ralat.
Dengan menganalisis isyarat arus, penyimpangan isyarat arus dapat dikuantifikasi. Misalnya, pada tahap awal kerusakan bantalan, amplitudo harmonik arus dapat meningkat sebesar 5-10 A, sementara dalam kasus keausan gigi, amplitudo harmonik terkait dapat meningkat sebesar 3-8 A. Hal ini memungkinkan tim pemeliharaan untuk menentukan status peralatan dengan akurat dan merencanakan pekerjaan pemeliharaan, sehingga menghindari pemadaman listrik besar-besaran yang disebabkan oleh ralat.
2.4 Penerapan Teknologi Pengukuran Teganan Rintangan
Teknologi pengukuran teganan rintangan dapat digunakan untuk memantau stres struktural dan deformasi pemutus litar tegangan tinggi. Teknologi ini diwujudkan melalui gauge teganan rintangan yang dipasang pada komponen-komponen kunci.
Gauge teganan rintangan adalah sensor yang mengubah deformasi mekanikal menjadi isyarat elektrik. Prinsip kerjanya didasarkan pada sifat bahwa nilai rintangan konduktor logam berubah ketika dideformasi di bawah gaya. Skema struktur gauge teganan rintangan ditunjukkan dalam Gambar 4.
Saat memilih gauge teganan rintangan, gauge teganan rintangan foil logam presisi tinggi dapat dipilih. Gauge-gauge ini memiliki karakteristik linier yang baik dan respons suhu yang stabil, dan biasanya dipasang di posisi di mana pemutus litar tegangan tinggi paling tertekan dan paling rentan terhadap penatuan, seperti lengan kontak dan poros putar.
Setelah seleksi dan pemasangan gauge teganan rintangan selesai, gauge tersebut perlu dihubungkan ke sistem pengumpulan data melalui kabel. Sistem pengumpulan data bertanggung jawab untuk merekam perubahan rintangan yang ditransmisikan dari gauge teganan rintangan dan mengubahnya menjadi isyarat voltan untuk dibaca. Sistem pengumpulan data perlu memiliki laju sampling yang cepat dan resolusi tinggi untuk memastikan dapat menangkap perubahan teganan yang cepat selama operasi pemutus litar tegangan tinggi. Laju sampling yang digunakan biasanya dalam julat kilohertz, dan resolusi mencapai level milivolt.
Perangkat lunak yang sesuai digunakan untuk memproses isyarat voltan yang dikumpulkan. Pertama, filtrasi dilakukan untuk menghapus gangguan noise yang mungkin, dan kemudian algoritma matematika seperti Transformasi Fourier Cepat (FFT) digunakan untuk menganalisis spektrum isyarat dan mengekstrak data teganan. Data teganan dapat dikonversi untuk mendapatkan keadaan stres aktual komponen yang sesuai.
Data teganan yang diukur dibandingkan dengan model stres yang telah ditetapkan sebelumnya untuk pemutus litar tegangan tinggi untuk mengevaluasi status kesehatan peralatan saat ini. Ketika stres yang dipantau melebihi ambang desain, sistem pengumpulan data akan secara otomatis mengeluarkan isyarat peringatan untuk mengingatkan personel operasi dan pemeliharaan untuk melakukan inspeksi atau pemeliharaan.
3 Kesimpulan
Artikel ini telah mengeksplorasi secara mendalam jenis ralat mekanikal biasa pada pemutus litar tegangan tinggi dan metode diagnostik pintarnya. Menggunakan metode diagnostik pintar untuk ralat mekanikal pemutus litar tegangan tinggi tidak hanya dapat meningkatkan keandalan operasi peralatan tetapi juga secara signifikan mengurangi biaya pemeliharaan dan mengoptimalkan proses pengambilan keputusan pemeliharaan.
Dengan kemajuan ilmu pengetahuan dan teknologi serta semakin matangnya teknologi analisis data, personel yang relevan perlu meningkatkan investasi penelitian untuk meningkatkan tingkat diagnostik pintar ralat mekanikal pemutus litar tegangan tinggi, memberikan dukungan kuat untuk operasi stabil sistem tenaga.
