Yüksek Gerilimli Ayırıcı Anahtarlardaki Mekanik Arızaların Akıllı Tanı ve Analizi
Modern elektrik sistemlerinde, yüksek gerilimli ayrılma anahtarları önemli bir rol oynar. Bakım sırasında elektrik ekipmanlarını veya hatlarını güvenli bir şekilde izole etmekte ve normal işletim sırasında güvenilirliğe katkıda bulunmaktadır. Yüksek gerilimli ayrılma anahtarlarının mekanik arızaları, zayıf temas, aktüatör arızası veya yapısal bileşen yorgunluğu gibi durumlar, tüm elektrik sisteminin istikrarını ve güvenliğini ciddi ölçüde etkileyebilir.Geleneksel hata tespit yöntemleri düzenli bakım ve manuel incelemelere dayanır.
Bu yöntemler sadece zaman alıcı ve işçilik açısından yoğun olmakla kalmaz, aynı zamanda bir hatanın erken aşamalarında en iyi müdahale zamanını kaçırma eğilimindedir. Teknolojinin sürekli ilerlemesiyle beraber, akıllı tanı teknikleri ortaya çıkmıştır ve bu, hata izleme ve tanı için daha verimli ve doğru bir çözüm sunmaktadır.
Sensör tabanlı veri toplama, veri işleme ve analiz, sürücü motoru akım sinyal analizi ve dirençli gerilme ölçümü gibi akıllı tanı yöntemleri, yüksek gerilimli ayrılma anahtarlarının anormal davranışlarını gerçek zamanlı olarak belirleyebilir, potansiyel hataları öngörebilir ve bakım kararlarına rehberlik edebilir. Bu, güç sisteminin güvenilirliğini ve işletim verimliliğini önemli ölçüde artırır.
1 Yüksek Gerilimli Ayrılma Anahtarlarında Yaygın Mekanik Arızalar
1.1 Zayıf Temas Arızası
Zayıf temastan sorun genellikle temas yüzeyinin oksidasyonu, yetersiz temas basıncı veya azalmış temas alanından kaynaklanır. Bu tür bir arızanın genellikle dirençte bir artışa neden olması, yüksek gerilimli ayrılma anahtarının iletkenliğini etkiler. Zayıf temasta, akım temas noktalarından geçtiği zaman daha fazla ısı üretilir. Bu, sadece temas noktalarının aşınmasını hızlandırır, aynı zamanda daha ciddi termal etki sorunlarına, örneğin kaynak arızası veya yerel aşırı ısınma gibi, neden olur.
Zayıf temastan sorun ayrıca voltaj instabilitesine neden olabilir, bu da güç sisteminin voltaj kalitesini etkiler. Sürekli zayıf temas sorunları, yüksek gerilimli ayrılma anahtarının yalıtım performansında düşüşe ve dolayısıyla sistemin operasyonel güvenlik risklerinde artışı kolaylaştırabilir. Bu nedenle, yüksek gerilimli ayrılma anahtarlarındaki zayıf temas sorunlarını zamanında tespit etmek ve düzgün bir şekilde ele almak, güç sisteminin istikrarlı ve güvenli çalışması için önemlidir.
1.2 Aktüatör Arızası
Aktüatör arızası, yüksek gerilimli ayrılma anahtarlarının performansını etkileyen önemli bir sorundur. Bu tür bir arızanın kapsamı, mekanik aşınma, yetersiz yağlama ve bileşen yaşlanması içerir. Mekanik aşınma genellikle uzun süreli tekrarlı işlemler altında jant ve dişliler gibi sürükleyici bileşenlerin hasarına atıfta bulunur. Yetersiz yağlama sürtünmeyi artırarak, mekanik parçaların aşınma oranını hızlandırır ve aktüatörün işlevsellik derecesini azaltır.
Hizmet süresi arttıkça, aktüatörün çeşitli bileşenleri malzeme yaşlanması nedeniyle orijinal özelliklerini kaybeder veya deformasyona uğrar, bu da yüksek gerilimli ayrılma anahtarı işleminin güvenilirliği ve güvenliğine zarar verir. Bu arızalar zamanında tespit edilip düzeltilmezse, yüksek gerilimli ayrılma anahtarının yanlış çalışmasına neden olabilir ve ciddi durumlarda, tüm güç sisteminin istikrarlı çalışmasını tehlikeye atabilir.
1.3 Yapısal Bileşen Yorgunluğu ve Hasar Arızası
Yapısal bileşen yorgunluğu ve hasar arızaları genellikle uzun süreli mekanik stres ve çevresel faktörlerin etkisi altında ortaya çıkar. Direkler, bağlantı çubukları ve jantlar gibi yapısal bileşenler, özellikle sık açılıp kapandığı zaman, uzun süreli mekanik stres altında malzeme yorgunluğuna maruz kalır. Zamanla, bu stresler malzemenin içinde birikerek mikro çatlakların oluşmasına ve yayılmasına neden olur, sonunda önemli mekanik hasarlara dönüşür.
Ayrıca, sıcaklık değişiklikleri, nem ve koruyucu olmayan ortamlar gibi çevresel faktörler, yapısal bileşenlerin yorgunluk oranını hızlandırarak, onların mekanik özelliklerini ve hizmet ömrünü etkileyebilir. Yapısal bileşen yorgunluğu ve hasar arızaları, sadece yüksek gerilimli ayrılma anahtarlarının normal işlevini etkilemekle kalmaz, aynı zamanda güç sisteminin genel istikrarına da tehdit oluşturur.
2 Yüksek Gerilimli Ayrılma Anahtarlarının Mekanik Arızaları için Akıllı Tanı Yöntemleri
2.1 Sensörler ve Veri Toplama
Sensörler, yüksek gerilimli ayrılma anahtarlarının mekanik arızalarının tanısında kritik bir rol oynar. Genellikle ekipmanın işlemesi sırasında ana fiziksel parametreleri yakalamakla yükümlüdür, örneğin titreşim, ses, sıcaklık ve akım. Yüksek gerilimli ayrılma anahtarları için kullanılan ana sensörler, titreşim sensörleri, akustik emisyon sensörleri ve akım ve voltaj sensörlerini içerir.
Titreşim sensörleri, ekipmanın parçaları tarafından işlem esnasında üretilen titreşim frekansını ve genliğini algılamak için kullanılır. Titreşim verileri analiz edilerek, ekipmanın aşınması ve var olan hatalar tahmin edilebilir. Genellikle, normal çalışan bir yüksek gerilimli ayrılma anahtarının titreşim frekansı standart aralıkta (genellikle, eşiği işlem frekansının 10 katından fazla olarak ayarlanır) olmalıdır. Eğer bu aralığın dışına çıkarsa, bir anormallik göstergesi olabilir. Bir titreşim sensörünün şeması Şekil 1'de gösterilmiştir.
Akustik emisyon sensörleri, malzeme veya yapısal bozulmalardan kaynaklanan yüksek frekanslı ses dalgalarına dayanarak sesi yakalar. Yüksek gerilimli ayrılma anahtarının işlemesi sırasında, çatlaklar veya gevşeme varsa, akustik emisyon sensörleri bu küçük deformasyonlar veya kopmalar nedeniyle oluşan ses dalgalanmalarını anında yakalayabilir. Akustik emisyon sensörünün prensibi Şekil 2'de gösterilmiştir.
Akım ve voltaj sensörleri, yüksek gerilimli ayrılma anahtarından geçen akım ve voltaj seviyelerindeki değişimleri monitör etmekle yükümlüdür. Bu sensörlerden elde edilen anormal akım veya voltaj okumaları genellikle elektrik bağlantıları veya işlevselliğindeki sorunları gösterir.
1 - Cıvata delikleri; 2 - Vaka; 3 - Piyezoelektrik kristaller; 4 - Elektronik Ampifikatör; 5 - Terminal Bağlayıcı
Veri toplama açısından, ana görev sensörler tarafından toplanan verileri kullanılabilir bilgiye dönüştürmektir. Bir veri toplama sistemi genellikle aşağıdaki üç aspektten oluşur:
Veri Toplama Ünitesi (VTÜ). VTÜ, çeşitli sensörlerden gelen analog sinyalleri alıp bu analog sinyalleri dijital sinyallere dönüştürmeye sorumludur. VTÜ, verinin uygun bir hızda (genellikle milisaniye aralığında yanıt süresi ile) ve belirli bir hassasiyetle (genellikle 16 bit veya daha yüksek) toplanmasını sağlar, böylece sonraki işleme ihtiyaçlarını karşılar.
Veri Aktarımı. Toplanan veri, genellikle Wi-Fi veya 4G/5G ağları gibi kablosuz iletişim teknolojilerine dayanan, merkezi bir işleme sunucusuna aktarılır. Bu adım, veri aktarım hızını ve verimliliğini artırarak, tesisat karmaşıklığını ve maliyetini azaltır.
Veri Saklama ve Yönetimi. Başarılı veri aktarımı sonrasında, veri bir sunucuda veya bulutta etkin bir şekilde saklanmalı ve yönetilmelidir, böylece daha kapsamlı bir veritabanı oluşturulur. Veri saklaması hızlı erişime ve büyük ölçekli veri analizine destek olmalıdır, bu nedenle veri sorgulama ve erişimini mümkün kılan yüksek performanslı veritabanlarına ihtiyaç vardır. Bir veritabanı kurulumunun şeması Şekil 3'te gösterilmiştir.
Sensörler ve veri toplama, ekipmanın çalışma durumu ve performans göstergelerinin gerçek zamanlı izlenmesini sağlar, potansiyel defektleri anında tespit eder, mekanik arızaların akıllı tanısı için gerekli bir temel oluşturur, hata oluşmasını önler ve güç sisteminin istikrarlı çalışmasını sağlar.
2.2 Veri İşleme ve Analiz
2.2.1 Zaman-Frekans Analizi
Zaman-frekans analizi, sinyalleri zaman domeninden frekans domeni'ne dönüştürerek, sinyallerin iç karakteristiklerini ve değişim trendlerini ortaya çıkarabilecek etkili bir veri işleme yöntemidir. Sıklıkla kullanılan zaman-frekans analiz yöntemleri arasında Kısa Zamanlı Fourier Dönüşümü (STFT), dalgacık dönüşümü ve Wigner-Ville dağılımı bulunur.
STFT, sabit boyutlu bir pencere üzerinden sinyale yerel Fourier dönüşümü uygular, bu sayede zaman içinde yavaşça değişen frekanslara sahip sinyallerin analizine uygundur. Örneğin, aktüatörü izlerken, STFT sürtünme veya yapısal gevşeme nedeniyle oluşan frekans kaymalarını etkili bir şekilde belirleyebilir.
Dalgacık dönüşümü, değişken boyutlu pencereler sağlayarak, anlık mutasyon özellikleri olan sinyallerin işleme için uygun hale getirir. Ana dalgacık fonksiyonunu ayarlayarak, belirli bir frekans bandındaki anormal titreşimlerin hassas bir şekilde belirlenebilmesi sağlanır.
Wigner-Ville dağılımı, çapraz terim interferansı üretmesine rağmen, sinyallerin zaman ve frekans analizinde daha ayrıntılı bir analiz sağladığından, karmaşık sinyal ortamlarındaki hata tespiti için özellikle uygun bir araçtır.
Pratik uygulamalarda, yukarıda bahsedilen zaman-frekans analiz yöntemlerini sensörler tarafından ölçülen orijinal veriyle birleştirerek, yüksek gerilimli ayrılma anahtarlarının çalışma koşullarını hassas bir şekilde izleme ve tanı yapabiliriz. Normal çalışma koşullarında, yüksek gerilimli ayrılma anahtarlarının frekans aralığı genellikle 50-100 Hz arasında tutulur; ancak zayıf temas, yapısal bileşen yorgunluğu ve hasar arızaları durumunda, yüksek gerilimli ayrılma anahtarlarının frekansı önemli ölçüde kaymış olur veya yeni frekans bileşenleri ortaya çıkar.
2.2.2 Makine Öğrenimi ve Örüntü Tanıma
Öncelikle, veri toplama sonrası, gürültü kaldırma ve özellik çıkarımı gibi ön işleme aşamasından geçirilerek, makine öğrenme algoritmaları için giriş verisi hazırlanır. Veri, titreşim sinyallerinin frekans bileşenleri, elektrik parametrelerinin dalga biçimi özellikleri vb. içerir.
İkinci olarak, Destek Vektör Makineleri (SVM) ve Rastgele Orman gibi denetimli öğrenme algoritmaları, sensörlerden elde edilen verileri sınıflandırmak için kullanılabilir. Bu algoritmalar, zayıf temas veya aktüatör arızaları gibi farklı tür hata desenlerini belirlemek üzere eğitilir. Pratik uygulamalarda, algoritmaların hata durumlarını hassas bir şekilde belirleyebilmeleri için binlerce veri noktası eğitim amacıyla girilir.
Son olarak, derin öğrenme teknikleri, özellikle Evrişimli Sinir Ağları (CNN), karmaşık örüntü tanıma için kullanılır. Derin öğrenme teknikleri, geniş ölçekli çok boyutlu veriden otomatik özellik öğrenme yetenekleri aracılığıyla faydalı bilgi çıkararak, tanı doğruluğunu artırır. Örneğin, belirli bir CNN modelinde, toplanan video görüntü verilerini işlemek ve tipik hata özellikleri belirlemek için birkaç evrişimli ve havuzlama katmanı tasarlanmıştır.
2.3 Sürücü Motoru Akım Sinyal Analizi
Sürücü motorunun işlemesi sırasında üretilen akım sinyallerinin gerçek zamanlı izlenmesi ve analizi, potansiyel mekanik arızaların öngörülmesi ve tanı konusunda yardımcı olabilir. Sürücü motoru akım sinyal analizi genellikle akım sinyalinin küçük değişikliklerini tespit etmeye odaklanır, böylece mekanik bileşenlerin anormalliklerini veya aşınmasını belirler.
Eğer yüksek gerilimli ayrılma anahtarının mekanik bileşenlerinde, jant hasarı, dişli aşınması veya dengesizlik gibi hatalar varsa, bu durum dolaylı olarak sürücü motorunun yükünü etkileyecek ve bu durumun akım sinyalinde belirli bir desen değişikliğine neden olacaktır.
Veri analizi açısından, bir akım sensörü, motorun güç kaynağı bobini etrafındaki normal çalışma koşullarında akım dalga formunu kaydetmek için kullanılır. Örnekleme frekansı genellikle 20 kHz'nin üzerinde ayarlanır, böylece detaylı bilgi yakalanır ve yüksek hassasiyetli veri ayrıştırması sağlanır.
Özellik çıkarımı açısından, Fourier dönüşümü, zaman domenindeki akım sinyalini frekans domenine dönüştürerek, mekanik arızalardan kaynaklanan harmonik anormalliklerin belirlenmesine yardımcı olur. Örneğin, hata olmayan durumlarda, sürücü motoru akım sinyali genellikle temel frekansı ve onun tam sayı katlarını içerir. Eğer bir hata, örneğin jant hatası varsa, belirli frekanslarda yeni zirveler gözlemlenecektir.
Sonraki veri işlemede, istatistiksel yöntemler çıkarılan frekansların analizinde kullanılabilir. Örneğin, her bir frekans noktasındaki genlik değişiklikleri hesaplanabilir ve bir makine öğrenme algoritması kullanılarak bir hata tanı modeli eğitilebilir. Algoritmanın girişi, akım sinyalinin frekans özellikleri olacak ve çıktısı hata türünün ve şiddetinin tahmini olacaktır.
Akım sinyalini analiz ederek, akım sinyalinin sapmasının nicelleştirilmesi mümkündür. Örneğin, jant hatasının ilk aşamasında, akım harmoniklerinin genliği 5-10 A artabilir, dişli aşınması durumunda ise ilgili harmoniklerin genliği 3-8 A artabilir. Bu, bakım ekibinin ekipman durumunu kesin bir şekilde belirlemesine ve bakım çalışmalarını planlamasına olanak sağlar, böylece hata nedeniyle büyük ölçekli elektrik kesintileri önlenir.
2.4 Dirençsel Gerilme Ölçüm Teknolojisinin Uygulaması
Dirençsel gerilme ölçüm teknolojisi, yüksek gerilimli ayrılma anahtarlarının yapısal stres ve deformasyonunu izlemek için kullanılabilir. Bu teknoloji, ana bileşenlere monte edilmiş dirençsel gerilme sensörleri aracılığıyla gerçekleştirilir.
Dirençsel gerilme sensörü, mekanik deformasyonu elektrik sinyaliye dönüştüren bir sensördür. Çalışma prensibi, bir metalleşmiş iletkenin kuvvet altında deformasyona uğradığında direnç değerinin değişmesine dayanır. Bir dirençsel gerilme sensörünün şeması Şekil 4'te gösterilmiştir.
Dirençsel gerilme sensörleri seçilirken, yüksek hassasiyetli metal foli dirençsel gerilme sensörleri seçilebilir. Bu sensörler, iyi doğrusal özelliklere ve istikrarlı sıcaklık tepkisine sahiptir ve genellikle yüksek gerilimli ayrılma anahtarının en çok stres altına alınan ve en hızlı yorulan bölgelerine, örneğin temas koluna ve dönen şafta monte edilir.
Dirençsel gerilme sensörlerinin seçimi ve montajı tamamlandıktan sonra, bu sensörler, dirençsel gerilme sensörlerinden iletilen direnç değişimlerini kaydedip bunları okuma için voltaj sinyallerine dönüştüren bir veri toplama sistemine tel yoluyla bağlanır. Veri toplama sistemi, yüksek gerilimli ayrılma anahtarının işlemesi sırasında oluşan hızlı gerilme değişimlerini yakalayabilmek için yüksek hızlı örnekleme hızına ve yüksek çözünürlüğe sahip olmalıdır. Kullanılan örnekleme hızı genellikle kilohertz aralığında olup, çözünürlük milivolt düzeyindedir.
Toplanan voltaj sinyalleri uygun yazılımla işlenir. İlk olarak, muhtemel gürültü interferansını kaldırmak için filtreleme yapılır, ardından hızlı Fourier dönüşümü (FFT) gibi matematiksel algoritmalar kullanılarak sinyal spektrumu analiz edilir ve gerilme verileri çıkarılır. Gerilme verileri, ilgili bileşenin gerçek stres durumunu belirlemek için dönüştürülebilir.
Ölçülen gerilme verileri, yüksek gerilimli ayrılma anahtarının önceden belirlenmiş stres modeli ile karşılaştırılır ve ekipmanın mevcut sağlık durumu değerlendirilir. İzlenen stres, tasarım eşiğinin üstünde olduğunda, veri toplama sistemi, operasyon ve bakım personeline inceleme veya bakım yapılmasını hatırlatmak için otomatik olarak uyarı sinyali gönderir.
3 Sonuç
Bu makale, yüksek gerilimli ayrılma anahtarlarının yaygın mekanik arızalarını ve bunların akıllı tanı yöntemlerini derinlemesine incelemiştir. Yüksek gerilimli ayrılma anahtarlarının mekanik arızaları için akıllı tanı yöntemlerini kullanmak, ekipmanın işlemesinin güvenilirliğini artırmakla kalmaz, aynı zamanda bakım maliyetlerini önemli ölçüde azaltır ve bakım karar alma sürecini optimize eder.
Bilim ve teknolojinin gelişmesi ve veri analiz teknolojilerinin giderek olgunlaşmasıyla, ilgili personelin yüksek gerilimli ayrılma anahtarlarının mekanik arızalarının akıllı tanısı düzeyini artırmak için araştırma yatırımlarını artırması gerekmektedir, bu da güç sisteminin istikrarlı çalışması için güçlü bir destek sağlamaktadır.
