Hochspannungs-SF6-Schalter werden in Stromversorgungssystemen weit verbreitet eingesetzt, um Schaltkreise vor Kurzschlüssen und Überlastungen zu schützen. Um ihre Zuverlässigkeit und Sicherheit zu gewährleisten, verlangen Hersteller in der Regel regelmäßige Demontage und visuelle Prüfung der Hauptkontakte, Bogenkontakte und Gasdüsen. Diese Prüfungen sollen den Verschleißzustand dieser Komponenten bewerten und feststellen, ob ein Ersatz notwendig ist.
Historisch basieren diese Prüfungen auf mehreren Kriterien:
Zeitintervall: Beispielsweise wird empfohlen, die Kontakte nach 12 Jahren Nutzung bei Einpressdruck-SF6-Tankschaltern zu prüfen.
Elektrische Betriebsvorgänge: Zum Beispiel wird eine Prüfung nach 2000 elektrischen Betriebsvorgängen empfohlen.
Fehlerbetriebsvorgänge: Beispielsweise wird eine Prüfung nach 10 Nennkurzschlussunterbrechungen empfohlen.
Kombinierte Kriterien: Manchmal werden die oben genannten Faktoren kombiniert, um eine umfassendere Bewertung durchzuführen.
Mit der Zeit haben sich jedoch diese zeit- und betriebszahlbasierten Prüfmethoden als begrenzt erwiesen. Obwohl diese Prüfungen zur Sicherheit des Geräts beitragen, spiegeln sie nicht immer den tatsächlichen Verschleißzustand der Kontakte und Düsen wider. Darüber hinaus können diese Prüfungen kostspielig, ungleichmäßig und mit potenziellen Risiken bei vor Ort durchgeführten internen Prüfungen verbunden sein, die zu Geräteschäden führen können.
Bogenbrennen ist ein komplexer thermischer und elektrischer Prozess, der die Leistung eines Schalters erheblich beeinflusst. Während der Unterbrechung von Kurzschlussströmen kann das Bogenbrennen die Parameter des Schalters durch Düsenablation beeinflussen. Düsenablation bezieht sich auf die Erosion des Düsenmaterials durch die hohe Temperatur des Bogens. Dieser Prozess hat eine doppelte Auswirkung auf die Unterbrechungsfähigkeit des Schalters:
Erhöhte Kammerdruck: Durch die Düsenablation nimmt die Querschnittsfläche des Düsenhalses zu, was zu einem höheren Druck innerhalb der Schalterkammer führt. Dieser erhöhte Druck hilft, die Bogenlöschung durch die Unterdrückung der Wiederentzündung zu beschleunigen.
Erhöhte Querschnittsfläche des Düsenhalses: Die Vergrößerung des Düsenhalses ermöglicht es, mehr Gas in die Bogenregion zu strömen, wodurch mehr Wärme abgeführt und die Bogen temperatur reduziert wird. Allerdings verteilt dies auch die Bogenenergie, was möglicherweise die Selbstblasfähigkeit des Schalters schwächen kann.
Die Düsenablationsprozesse haben also sowohl positive als auch negative Auswirkungen auf die Unterbrechungsfähigkeit eines selbstblasenden Schalters. Wenn der Schalter einen Kurzschlussstrom unterbricht, entfernt die Düsenablation einen Teil der Bogenkolonnenenergie, erhöht die Masse des Gases im Düsenraum und steigert die Gasdichte um die Bogenkontakte, wodurch die Wahrscheinlichkeit einer Wiederentzündung verringert wird.
Angesichts der erheblichen Auswirkungen der Düsenablation auf die Leistung des Schalters ist die Schätzung der Ablationsintensität (d.h. die Zunahme des Düsenhalshalsdurchmessers) und die Berechnung der abgetragenen Masse eine wichtige Aufgabe. Eine genaue Schätzung der Düsenablation hilft dem Wartungspersonal, den Gesundheitszustand des Schalters besser zu verstehen und fundierte Entscheidungen für zukünftige Wartungsmaßnahmen zu treffen.
Die Ablationsintensität kann durch folgende Methoden geschätzt werden:
Visuelle Prüfung: Durch die Demontage des Schalters und die direkte Beobachtung des Verschleißes an der Düse. Obwohl diese Methode einfach ist, ist sie teuer und birgt wie bereits erwähnt inhärente Risiken.
Nicht-eingreifende Detektionsverfahren: Fortgeschrittene nicht-eingreifende Detektionsverfahren, wie Infrarotthermografie und Ultraschallprüfung, finden zunehmend Anwendung bei der Wartung von Schaltern. Diese Techniken ermöglichen die Bewertung der Düsenablation und anderer potenzieller Probleme ohne Demontage des Geräts.
Datenanalyse und prognostisches Modellieren: Durch die Analyse historischer Betriebsdaten des Schalters und die Kombination mit Bogenphysikmodellen können prognostische Modelle die Düsenablationsintensität schätzen. Dieser Ansatz reduziert unnötige Demontageprüfungen und verbessert die Wartungseffizienz.
Um die Wartungseffizienz und -zuverlässigkeit von Hochspannungs-SF6-Schaltern zu verbessern, könnten zukünftige Wartungsstrategien stärker auf Zustandsüberwachung und intelligente Diagnosetechnologien setzen. Die Echtzeitüberwachung der Betriebsparameter des Schalters (wie Strom, Spannung und Temperatur), kombiniert mit fortgeschrittenen Datenanalysealgorithmen, kann eine genauere Vorhersage der Düsenablation und des allgemeinen Gesundheitszustands der Schlüsselkomponenten liefern. Dieser Ansatz kann unnötige Inspektionen und Reparaturen reduzieren, die Lebensdauer des Geräts verlängern und die Wartungskosten senken.
Darüber hinaus wird die Materialwissenschaft sich auf die Entwicklung hitze- und ablationsresistenter Düsenmaterialien konzentrieren. Die Anwendung neuer Materialien kann die Zuverlässigkeit und Unterbrechungsfähigkeit des Schalters weiter verbessern und die negativen Auswirkungen der Düsenablation mindern.

Messmethode für Düsenablation in Hochspannungsschaltern
1. Grundlagen der Düsenablationmessung
1.1 Beziehung zwischen Drucksignalen und Düsenablation
Studien haben gezeigt, dass die Düsenablation, die den Düsenhalshalsdurchmesser vergrößert, die Gasströmungseigenschaften innerhalb des Schalters ändert. Diese Änderung beeinflusst die Druckverteilung, was zu Variationen in den Drucksignalen führt, die von Drucksensoren erfasst werden können. Konkret führt die Düsenablation zu zwei primären Effekten:
Änderungen des Druckwellenformen: Eine Erhöhung des Düsendurchmessers ändert den Gasströmungswiderstand und verändert die Form des Druckwellenformen.
Änderungen der spektralen Eigenschaften: Die Düsenablation beeinflusst auch die spektralen Eigenschaften der Drucksignale, insbesondere im Hochfrequenzbereich.
Durch die Analyse dieser Drucksigfeaturen ist es möglich, die Ausdehnung der Düsenablation indirekt abzuleiten.
1.2 Installation und Messung von Drucksensoren
Um genaue Drucksignale zu erhalten, können Drucksensoren an verschiedenen Punkten installiert werden, abhängig von der Struktur des Schalters und den Messanforderungen:
Einfache Polmessung: Jeder Pol hat am Boden ein Ventil, das verwendet werden kann, um Drucksensoren anzuschließen. Diese Einrichtung ermöglicht die Messung von Druckwellen aus einem einzelnen Pol und vermeidet Störungen durch Mehrpol-Signalüberlagerung.
Dreipolmessung: Bei normaler Betriebsweise sind die drei Pole über Kupferrohre verbunden, mit einem Hauptfüllventil im Sockel des Schalters, das alle drei Pole verbindet. Wenn das Hauptfüllventil als Anschlusspunkt für den Drucksensor verwendet wird, ist das gemessene Signal die Überlagerung von drei individuellen Drucksignalen.
Um genaue Messungen sicherzustellen, werden hochsensible piezoelektrische Drucksensoren mit geeigneten Ladungsverstärkern verwendet. Druckdaten werden vom Beginn des Schaltvorgangs bis zum Ende der sechsten Oszillation aufgezeichnet. Das rohe Drucksignal kann je nach Analyseanforderungen gefiltert oder unfiltert verarbeitet werden.
Ungefiltertes Signal: Die schnelle Fourier-Transformation (FFT) wird direkt auf das ungefilterte Signal angewendet, um seine Frequenzbereichseigenschaften zu analysieren.
Gefiltertes Signal: Ein 100 Hz Tiefpassfilter wird verwendet, um hochfrequente Rauschsignale zu entfernen und nur die Niederfrequenzkomponenten zu behalten.
Abbildung 1 und 2 illustrieren die Druckhistorie und Spektrum, um eine visuelle Darstellung der Drucksigfeaturen zu geben.
Klassifizierung des Düsenzustands mittels maschinellem Lernen
Um die Genauigkeit der Diagnose zu erhöhen, setzt diese Studie einen maschinellen Lernalgorithmus basierend auf der k-Nearest Neighbors (k-NN)-Methode ein. Der Prozess umfasst die folgenden Schritte:
Featureextraktion: Schlüsselmerkmale werden aus den Drucksignalen extrahiert, wie Spitzen- und Talfelder, Frequenzkomponenten usw. Diese Merkmale dienen als Eingabeparameter für den maschinellen Lernalgorithmus.
Modelltraining: Das k-NN-Modell wird mit bekannten Daten über Düsen- und Elektrodenzustände trainiert. Während des Trainings bestimmt der Algorithmus die nächsten Nachbarn basierend auf Featureabständen, um die Klassifizierung durchzuführen.
Klassifizierung neuer Daten: Für neue, unbekannte Messungen wird das trainierte Modell verwendet, um den Zustand der Düsen und Elektroden zu klassifizieren.
Dieser Ansatz ermöglicht die Bewertung der Düsenablation und anderer kritischer Komponentenbedingungen ohne Öffnen des Gasraums, liefert genaue Wartungsempfehlungen und verlängert die Lebensdauer des Schalters.
Anschlusspunkt mit Drucksensor für Düsenablation (Foto aus Quelle Nr. 1)

Rohdaten der Messung am Hauptfüllventil im Originalzustand (blau), gefiltertes Signal (rot) (Foto aus Quelle Nr. 1)

Frequenzspektrum der Rohdaten in der Hochspannungsschalterdruckmethode (Foto aus Quelle Nr. 1)
Von beiden, gefilterten und ungefilterten Drucksignalen, können verschiedene Merkmale abgeleitet werden. Diese Merkmale erfassen die einzigartigen Eigenschaften verschiedener Messsignale und sind entscheidend für die Identifizierung des Düsenzustands. Aufgrund der weiten Streuung dieser Merkmale ist es nicht praktikabel, verschiedene Ablationsbedingungen direkt mit einzelnen Merkmalen zu matchen. Um diese Herausforderung zu bewältigen, wird der k-Nearest Neighbors (k-NN)-Algorithmus für die Bewertung eingesetzt.
Der k-NN-Algorithmus generiert einen n-dimensionalen Vektor für jede Messung, wobei n die Anzahl der Merkmale darstellt. Der Abstand zwischen zwei Vektoren wird mithilfe des euklidischen Abstands berechnet, ergänzt durch eine zusätzliche Varianzgewichtung, um die Variabilität in den Daten zu berücksichtigen. Dieser Ansatz stellt sicher, dass der Algorithmus auf der Basis der kombinierten Informationen aus mehreren Merkmalen effektiv zwischen verschiedenen Ablationsbedingungen unterscheiden kann.
Die transitorische Druckmethode bietet den Vorteil, dass sie leicht implementierbar ist, indem vorhandene Füllventile verwendet werden, um Drucksensoren anzuschließen. Allerdings ist eine der Hauptherausforderungen die schlechte Streuung der Zustandsindikatoren (Merkmale), was die genaue Diagnose der Düsenbedingungen erschwert. Um diese Einschränkung zu überwinden, wurden die Merkmalskalen durch Sensitivitätsanalysen optimiert. Während ein einzelnes Merkmal möglicherweise nicht ausreichend Information für alle Fälle bietet, verbessert die Kombination aller sieben Merkmale mit dem k-NN-Klassifikationsalgorithmus die Diagnosegenauigkeit erheblich.
Verschiedene Klassifikationsalgorithmen wurden getestet, und die Ergebnisse zeigten, dass der k-NN-Algorithmus, der den standardmäßigen euklidischen Abstand verwendet, die geringste Fehlerquote von weniger als 0,9% während der Kreuzvalidierung erreichte. Diese Kombination von Merkmalen und dem k-NN-Algorithmus wurde dann angewendet, um Feldmessungen für verschiedene Arten von Schaltern zu klassifizieren. Für die betrachteten Schaltmessungen konnte dieser Ansatz die Klassifizierung ohne Fehler durchführen.