قطعکنندههای برق بالا ولتاژ SF6 به طور گسترده در سیستمهای برق برای محافظت از مدارها از خرابی کوتاه مداری و بیش باری استفاده میشوند. برای تضمین قابلیت اطمینان و ایمنی آنها، سازندگان معمولاً پرداخت دورهای و بازرسی بصری نقاط تماس اصلی، نقاط تماس قوس الکتریکی و دهانهها را الزامی میدانند. این بازرسیها هدف ارزیابی وضعیت فرسودگی این اجزا و تعیین اینکه آیا جایگزینی لازم است یا خیر.
در گذشته، این بازرسیها بر اساس چند معیار انجام میشد:
فاصله زمانی: به عنوان مثال، پیشنهاد میشود پس از ۱۲ سال استفاده، نقاط تماس قطعکنندههای برق بالا ولتاژ SF6 با یک فشار واحد بازرسی شوند.
عملیات الکتریکی: به عنوان مثال، پس از ۲۰۰۰ عملیات الکتریکی بازرسی توصیه میشود.
عملیات خرابی: به عنوان مثال، پس از ۱۰ عملیات خرابی کوتاه مداری با ظرفیت اسمی بازرسی توصیه میشود.
معیارهای ترکیبی: گاهی اوقات ترکیبی از عوامل فوق برای ارزیابی جامعتر استفاده میشود.
با این حال، با گذر زمان، روشهای بازرسی مبتنی بر زمان و تعداد عملیات نقصانهایی را نشان دادهاند. در حالی که این بازرسیها به تأمین ایمنی تجهیزات کمک میکنند، همیشه دقیقاً وضعیت واقعی فرسودگی نقاط تماس و دهانهها را منعکس نمیکنند. علاوه بر این، این بازرسیها میتوانند هزینهبر، نامتجانس و خطراتی را در حین بازرسی داخلی محلی ایجاد کنند که ممکن است منجر به خسارت تجهیزات شود.
قوس الکتریکی یک فرآیند حرارتی و الکتریکی پیچیده است که به طور قابل توجهی بر عملکرد قطعکننده تأثیر میگذارد. در طول قطع جریانهای کوتاه مداری، قوس الکتریکی میتواند از طریق تخریب دهانهها بر پارامترهای قطعکننده تأثیر بگذارد. تخریب دهانه به معنای فرسودگی مواد دهانه ناشی از دما بالای قوس الکتریکی است. این فرآیند دو تأثیر بر قابلیت قطع قطعکننده دارد:
افزایش فشار داخل کامپرسور: با تخریب دهانه، مساحت مقطعی گلوی دهانه افزایش مییابد که منجر به فشار بیشتر در داخل کامپرسور قطعکننده میشود. این فشار افزایش یافته به تسریع در خاموش شدن قوس الکتریکی با کاهش احتمال روشن شدن مجدد کمک میکند.
افزایش مساحت مقطعی گلوی دهانه: بزرگ شدن گلوی دهانه اجازه میدهد تا بیشتر گاز به منطقه قوس الکتریکی جریان یابد، حرارت بیشتری را بگیرد و دمای قوس را کاهش دهد. با این حال، این امر همچنین انرژی قوس را پخش میکند و ممکن است توان خودکار قطعکننده را ضعیف کند.
بنابراین، فرآیند تخریب دهانه هم تأثیرات مثبت و هم منفی بر قابلیت قطع یک قطعکننده خودکار دارد. هنگامی که قطعکننده یک جریان کوتاه مداری را قطع میکند، تخریب دهانه بخشی از انرژی ستون قوس را حذف میکند، جرم گاز در فضای دهانه را افزایش میدهد و چگالی گاز حول نقاط تماس قوس الکتریکی را افزایش میدهد، بنابراین احتمال روشن شدن مجدد را کاهش میدهد.
با توجه به تأثیر قابل توجه تخریب دهانه بر عملکرد قطعکننده، تخمین شدت تخریب (یعنی افزایش قطر گلوی دهانه) و محاسبه جرم تخریب یافته کار مهمی است. تخمین دقیق تخریب دهانه به کارکنان نگهداری کمک میکند تا بهتر وضعیت سلامت قطعکننده را درک کرده و تصمیمات مستنبط شده برای نگهداری آینده بگیرند.
شدت تخریب میتواند از طریق روشهای زیر تخمین زده شود:
بازرسی بصری: با جدا کردن قطعکننده و مشاهده مستقیم فرسودگی دهانه. اگرچه این روش ساده است، اما هزینهبر و دارای ریسکهای ذاتی است، همانطور که قبلاً ذکر شد.
تکنیکهای تشخیص غیرتهاجمی: تکنولوژیهای تشخیص غیرتهاجمی پیشرفته، مانند ترموفیزیک و تست فراصوت، به طور فزایندهای برای نگهداری قطعکننده استفاده میشوند. این تکنیکها اجازه میدهند تا تخریب دهانه و مشکلات دیگر پتانسیل بدون جدا کردن تجهیزات ارزیابی شود.
تحلیل دادهها و مدلسازی پیشبینی: با تحلیل دادههای عملکرد تاریخی قطعکننده و ترکیب آن با مدلهای فیزیک قوس الکتریکی، مدلهای پیشبینی میتوانند شدت تخریب دهانه را تخمین بزنند. این رویکرد بازرسیهای جدا کردن غیرضروری را کاهش میدهد و کارایی نگهداری را افزایش میدهد.
برای افزایش کارایی و قابلیت اطمینان قطعکنندههای برق بالا ولتاژ SF6، استراتژیهای نگهداری آینده ممکن است بیشتر به نظارت بر وضعیت و فناوریهای تشخیص هوشمند متکی باشند. نظارت زنده بر پارامترهای عملکرد قطعکننده (مانند جریان، ولتاژ و دما)، با ترکیب با الگوریتمهای پیشرفته تحلیل دادهها، میتواند پیشبینی دقیقتری از تخریب دهانه و وضعیت کلی اجزای کلیدی ارائه دهد. این رویکرد میتواند بازرسیها و تعمیرات غیرضروری را کاهش دهد، عمر تجهیزات را افزایش دهد و هزینههای نگهداری را کاهش دهد.
علاوه بر این، پیشرفتهای علم مواد بر روی توسعه مواد مقاومتر در برابر گرمای و تخریب دهانه تمرکز خواهد داشت. استفاده از مواد جدید میتواند قابلیت اطمینان و قابلیت قطع قطعکننده را افزایش دهد و تأثیرات منفی تخریب دهانه را کاهش دهد.

روش اندازهگیری تخریب دهانه در قطعکنندههای برق بالا ولتاژ
1. اصول اندازهگیری تخریب دهانه
1.1 رابطه بین سیگنالهای فشاری و تخریب دهانه
تحقیقات نشان داده است که تخریب دهانه، که باعث افزایش قطر گلوی دهانه میشود، ویژگیهای جریان گاز در قطعکننده را تغییر میدهد. این تغییرات بر توزیع فشار تأثیر میگذارند و منجر به تغییرات در سیگنالهای فشاری میشود که میتوانند توسط سنسورهای فشار ثبت شوند. به طور خاص، تخریب دهانه به دو تأثیر اصلی منجر میشود:
تغییرات در موج فشاری: افزایش قطر دهانه مقاومت جریان گاز را تغییر میدهد و شکل موج فشاری را تغییر میدهد.
تغییرات در ویژگیهای طیفی: تخریب دهانه همچنین بر ویژگیهای طیفی سیگنالهای فشاری، به ویژه در محدوده فرکانس بالا، تأثیر میگذارد.
با تحلیل این ویژگیهای سیگنال فشاری، میتوان به صورت غیرمستقیم میزان تخریب دهانه را استنتاج کرد.
1.2 نصب و اندازهگیری سنسورهای فشاری
برای به دست آوردن سیگنالهای فشاری دقیق، سنسورهای فشاری میتوانند در نقاط مختلف نصب شوند، بسته به ساختار قطعکننده و نیازهای اندازهگیری:
اندازهگیری تکقطبی: هر قطب یک دریچه در پایین خود دارد که میتواند برای اتصال سنسورهای فشاری استفاده شود. این تنظیم امکان اندازهگیری موجهای فشاری از یک قطب را فراهم میکند و از تداخل سیگنالهای چندقطبی جلوگیری میکند.
اندازهگیری سهقطبی: در عملیات استاندارد، سه قطب از طریق لولههای مسی به هم متصل میشوند، با یک دریچه اصلی پرکننده در داخل پایه قطعکننده که همه سه قطب را به هم متصل میکند. اگر دریچه اصلی پرکننده به عنوان نقطه اتصال سنسور فشاری استفاده شود، سیگنال ثبت شده ترکیب سه سیگنال فشاری فردی خواهد بود.
برای تضمین اندازهگیریهای دقیق، از سنسورهای فشاری پیزوالکتریک با حساسیت بالا و تقویتکنندههای شار مناسب استفاده میشود. دادههای فشاری از شروع عملیات تغییر مدار تا پایان نوسان ششم ثبت میشوند. سیگنال فشاری خام میتواند با یا بدون فیلتر شدن پردازش شود، بسته به نیازهای تحلیل.
سیگنال بدون فیلتر: تبدیل فوریه سریع (FFT) به طور مستقیم به سیگنال بدون فیلتر اعمال میشود تا ویژگیهای حوزه فرکانس آن را تحلیل کند.
سیگنال فیلتر شده: از فیلتر پایینگذر ۱۰۰ هرتز برای حذف نویز فرکانس بالا استفاده میشود و فقط مولفههای فرکانس پایین را حفظ میکند.
شکلهای ۱ و ۲ تاریخچه فشار و طیف را نشان میدهند و نمایی بصری از ویژگیهای سیگنال فشاری ارائه میدهند.
طبقهبندی وضعیت دهانه با استفاده از یادگیری ماشین
برای افزایش دقت تشخیص، این مطالعه از الگوریتم یادگیری ماشین مبتنی بر روش k-نزدیکترین همسایه (k-NN) استفاده میکند. فرآیند شامل مراحل زیر است:
استخراج ویژگیها: ویژگیهای کلیدی از سیگنالهای فشاری استخراج میشوند، مانند مقادیر پیک و دره، مولفههای فرکانسی و غیره. این ویژگیها به عنوان پارامترهای ورودی برای الگوریتم یادگیری ماشین عمل میکنند.
آموزش مدل: مدل k-NN با استفاده از دادههای شناخته شده وضعیت دهانه و الکترود آموزش داده میشود. در طول آموزش، الگوریتم بر اساس فواصل ویژگیها نزدیکترین همسایهها را تعیین میکند تا طبقهبندی انجام دهد.
طبقهبندی دادههای جدید: برای اندازهگیریهای جدید و ناشناخته، از مدل آموزش دیده برای طبقهبندی وضعیت دهانه و الکترود استفاده میشود.
این رویکرد امکان ارزیابی تخریب دهانه و وضعیت دیگر اجزای کلیدی را بدون باز کردن کامپرسور گاز فراهم میکند، توصیههای نگهداری دقیق ارائه میدهد و عمر قطعکننده را افزایش میدهد.
نقطه اتصال با سنسور فشار برای تخریب دهانه (تصویر از منبع شماره ۱)

دادههای خام اندازهگیری در دریچه اصلی پرکننده در شرایط اولیه (آبی)، سیگنال فیلتر شده (قرمز) (تصویر از منبع شماره ۱)

طیف فرکانسی دادههای خام در روش فشاری قطعکننده برق بالا ولتاژ (تصویر از منبع شماره ۱)
چندین ویژگی میتواند از سیگنالهای فشاری فیلتر شده و بدون فیلتر استخراج شود. این ویژگیها ویژگیهای منحصر به فرد سیگنالهای اندازهگیری مختلف را ضبط میکنند و برای شناسایی وضعیت دهانهها ضروری هستند. به دلیل پراکندگی گسترده این ویژگیها، امکان تطابق مستقیم وضعیتهای تخریب مختلف با ویژگیهای فردی وجود ندارد. برای حل این چالش، از الگوریتم k-نزدیکترین همسایه (k-NN) برای ارزیابی استفاده میشود.
الگوریتم k-NN برای هر اندازهگیری یک بردار n-بعدی تولید میکند، که n تعداد ویژگیها را نشان میدهد. فاصله بین دو بردار با استفاده از فاصله اقلیدسی محاسبه میشود، با وزندهی اضافی به واریانس برای در نظر گرفتن تغییرپذیری دادهها. این رویکرد مطمئن میکند که الگوریتم میتواند به طور موثر وضعیتهای تخریب مختلف را بر اساس اطلاعات ترکیبی از چندین ویژگی متمایز کند.
روش فشار موقت مزیت دارد که میتواند به راحتی با استفاده از دریچههای پرکننده موجود برای اتصال سنسورهای فشاری اجرا شود. با این حال، یکی از چالشهای اصلی پراکندگی ضعیف نشانگرهای وضعیت (ویژگیها) است که تشخیص دقیق وضعیت دهانهها را دشوار میکند. برای رفع این محدودیت، مقیاسهای ویژگی از طریق تحلیل حساسیت بهینه شدند. در حالی که یک ویژگی منفرد ممکن است برای تمام موارد اطلاعات کافی ارائه ندهد، ترکیب همه هفت ویژگی با الگوریتم طبقهبندی k-NN به طور قابل توجهی دقت تشخیص را افزایش میدهد.
چندین الگوریتم طبقهبندی آزمایش شد و نتایج نشان داد که الگوریتم k-NN با استفاده از فاصله اقلیدسی استاندارد کمترین خطای کمتر از ۰.۹٪ را در اعتبارسنجی متقاطع به دست آورد. این ترکیب ویژگیها و الگوریتم k-NN سپس برای طبقهبندی اندازهگیریهای میدانی برای انواع مختلف قطعکنندهها استفاده شد. برای اندازهگیریهای قطعکننده مورد نظر، این رویکرد قادر به انجام طبقهبندی بدون هیچ خطایی بود.