Napreden spletni nadzorni sistem za oksidni cevni preplavljalnike: Ključne tehnologije in diagnoza napak

1 Arhitektura sistema za online nadzor oksidnih varil za prekinitve

Sistem za online nadzor oksidnih varil za prekinitve sestavlja tri sloje: sloj za nadzor postaje, sloj za število in sloj za proces.

• Sloj za nadzor postaje: Vključuje center za nadzor, ura Global Positioning System (GPS) in vir ura B-koda.

• Sloj za število: Sestavljen iz pametnih elektronskih naprav (IEDs) za online nadzor.

• Sloj za proces: Vsebuje terminalne naprave za nadzor pretvornikov naponov (PTs) in pretvornikov tokov (CTs), kot je prikazano na Sliki 1.

V tem sistemu ima vsaka naprava specifično funkcijo:

• Center za nadzor: Klasificira in združi stanje podatkov oksidnih varil za prekinitve, analizira delovanje posameznih enot. Operatorji dostopajo do trenutnega stanja varil preko zalednega dela sistema. Informacije so vizualizirane na prikazovalnikih preko poročil, statističnih grafikonov in krivulj, kar omogoča uporabniško prijazno interakcijo. V primeru težav sistem takoj aktivira alarme, da se spodbudi hitro odpravljanje, kar varuje delovanje varil.

• Pametne elektronske naprave (IEDs) za online nadzor: Delujejo kot komunikacijski posredniki med terminalnimi napravami (ki ne morejo neposredno povezovati s centrom) in centrom za nadzor. Razčlenjujejo in prenašajo podatke, kar omogoča brezhiben pretok informacij.

• Terminalne naprave: Funkcionirajo kot naprave za zbiranje podatkov na strani koristnika, ki spremljajo okoljske parametre (temperatura, vlaga), uporni tok iztekanja in stopnjo onesnaženosti varil. Tako tudi točno beležijo število udarcev moln. Zbrani podatki so preneseni v center za nadzor preko sloja za število, kar omogoča upraviteljem, da sprejemajo odločitve na podlagi podatkov.

2 Ključne točke tehnologije za online nadzor oksidnih varil za prekinitve
2.1 Sinhronizacija časa sistemov za online nadzor

Raziskave osnovnega metoda upornega toka in harmonične analize oksidnih varil za prekinitve kažejo, da sinhronizacija vzorčenja močno vpliva na rezultate nadzora. Čeprav so vrednosti izteka toka zelo majhne, lahko manjše napake povzročijo velike odstopanja. Zato zahtevajo sistemi za online nadzor visoko vzorčenje, kar zahteva, da tehnični osebje kalibrira čas sistema. Dostopna sta dva metoda:

• Sinhronizacija na osnovi GPS: Uresniči sinhronizacijo znotraj 2ns, kar zmanjša časovne napake;

• Sinhronizacija s kodo IRIG-B: Ima močne protipomešalne zmogljivosti, ki zagotavljajo stabilno prenos signala in visoko natančnost prejemanja signala. Vendar lahko prevelika natančnost poveča stroške – tehnični osebje bi moralo izbrati natančnost (1μs, 1ms, 10ms, 1s) glede na minimalne zahteve razluščevosti sistema.

Sinhronizacija s kodo IRIG-B je ekonomična. Čeprav je manj natančna od GPS, zadovoljuje potrebe sistema. Zato lahko tehnični osebje uporablja IRIG-B za sinhronizacijo, da zagotovi konzistentnost vzorčenja.

2.2 Zmanjšanje šuma v signalih za online nadzor

Zbiranje podatkov oksidnih varil za prekinitve se sooča z večjo številom motenj. Glede na zelo majhne vrednosti izteka toka neobdelan šum povzroča odstopanja pri nadzoru, ki ne odražajo dejanskega stanja naprave. Tehnični osebje mora izbrati ustrezne algoritme za zmanjšanje šuma – široko uporabljen je valčni algoritem za zmanjšanje šuma: ta razclenjuje signale, ohranja veljavno vsebino, postavi brezuporabne koeficiente na 0 in po ponovnem razclenjuvanju izlušči uporabne informacije.

2.3 Diagnostika napak v sistemu za online nadzor
2.3.1 Pomen diagnostike napak

Ko se poveča število električnih naprav, postaja varnost električnega sistema ključnega pomena. Napake prekinjajo oskrbo z energijo in ogrožajo varnost osebja – zato je bistveno online nadzor in diagnostika napak oksidnih varil za prekinitve. Sistem nadzira stanje izolacije, napoveduje tveganja in podpira vzdrževanje. Vendar je online podatkov veliko, kompleksnih in preveč, kar moti natančnost nadzora.

Za zagotovitev natančnosti diagnostike tehnični osebje predprocesira podatke: odstrani prekomernosti, popravi napake in zagotovi zanesljive vnose. Poleg tega uporni tok oksidnih varil za prekinitve vpliva vreme, temperatura, magnetno polje in motnja signala – kar poveča težavnost diagnostike. Učinkovita obdelava podatkov z tehničnimi sredstvi je ključna za diagnostiko.

2.3.2 Algoritem za združevanje informacij iz več senzorjev

Algoritmi za združevanje informacij, ki so temeljni za obdelavo podatkov online nadzora, združujejo več ravenske informacije za celovito analizo. Algoritmi za združevanje informacij iz več senzorjev uporabljajo podatke iz več senzorjev, izogniti se harmonični motnji z računanjem in točno odražajo trenutno stanje varil. Običajni algoritmi vključujejo:

• Metoda vdelanih omejitev: Omejuje parametre, zbrani s senzorjev (originalne in intrinzične faze), da zagotovi edinstvena rešitev. Sistem pridobi trenutne podatke varil preko senzorjev in izlušči ključne informacije glede na značilnosti naprav;

• Metoda kombiniranja dokazov: Izlušči operativne podatke, izračuna glede na stanje varil in zagotovi podlago za sodbi o napakah;

• Metoda umetne nevronskih mrež (ANN): Uporablja strojno učenje za diagnostiko. Najprej zasnovali topologije, prilagojene senzorjem; drugič, preslikali vzorce podatkov preko interakcije mreže z okoljem; nazadnje, trenirali modele za avtomatsko zaznavanje napak.

2.3.3 Metoda sive relacijske analize

Kot običajna pristop k diagnostiki napak oksidnih varil za prekinitve, metoda sive relacijske analize se osredotoča na statistično analizo več faktorjev, ki vplivajo na napake. To kvantificira vpliv različnih faktorjev na napake varil s pomočjo risanja ujemajočih se krivulj. V praksi primerjamo spremembe oblike krivulj: višja stopnja prileganja krivulj kaže močnejšo povezanost med dejanskimi faktorji napak in dejanskim stanjem varil.

Za diagnostiko je tipično, da se kot referenčna zaporedja postavi dielektrični izgubni kot varila \(X_1\), medtem ko temperature, vlaga in iztekanje toka služijo kot primerjalna zaporedja \(X_i\). S pomočjo modela sive relacijske analize, ki izračuna povezanost med posameznimi faktorji in dielektričnim izgubnim kotom, omogoča točno identifikacijo ključnih vzrokov napak, kar zagotavlja podporo podatkov za odločitve o diagnostiki.

Pridobljeni podatki so normalizirani, in izračunana je koeficient povezanosti \(\zeta_j(k)\) in stopnja povezanosti \(\gamma_j\) med vsakim podatkom.

2.4 Ekspertski program za online nadzor

Ekspertski program za online nadzor oksidnih varil za prekinitve, kot del programa za online nadzor, ima raznolike funkcije. Ne le, da lahko nadzira transformatorje, zaznava lokalne razpade in stanje plinov v olju, ampak tudi nadzira preklopne naprave in kapacitivne opreme. Podpira nastavitev parametrov za predhodne alarme sistema in upravljanje opreme v podstanici.

Dodatno omogoča ekspertski program za online nadzor uporabnikom, da določijo lastne prednastavljene možnosti za upravljanje, kar omogoča pregledovanje zgodovinskih in trenutnih podatkov ter preverjanje trenutnega stanja opreme. Po prijavi v sistem lahko uporabniki po potrebi iskal podatke, kar jim ponuja referenco za odločitve.

3 Zaključek

Napake oksidnih varil za prekinitve lahko hudo vplivajo na varno delovanje sistemov električnih omrežij. Zato je bistveno, da se z uporabo sistema za online nadzor izvede realnični nadzor, da se točno zbere informacije o napakah in izvedejo ustrezne ukrepe.

Sistem za online nadzor oksidnih varil za prekinitve doseže realnični nadzor skozi usklajeno delovanje centra za nadzor, pametnih elektronskih naprav (IED-Business) in terminalnih naprav, s čimer zaključi zbiranje, prenos in obdelavo informacij o podatkih. S tem, da optimizira ključne tehnologije, kot so sinhronizacija časa sistema, zmanjšanje šuma pri signalih za nadzor in diagnostika napak, zagotavlja točne podatke sistemu, kar zagotavlja stabilno delovanje oksidnih varil za prekinitve in krepi varnost električnega omrežja.