Visokonaponski SF6 prekidači široko se koriste u električnim sustavima za zaštitu krugova od krajnjih krugova i preopterećenja. Da bi se osigurala njihova pouzdanost i sigurnost, proizvođači obično zahtijevaju redovito rastavljanje i vizualni pregled glavnih kontakata, luka kontakata i plinovitih dizala. Ovi pregledi su namijenjeni procjeni stanja oštećenja tih komponenti i utvrđivanju potrebe za zamjenom.
Istorijski gledano, ovi pregledi temeljili su se na nekoliko kriterija:
Vremenski interval: Na primjer, preporučuje se pregled kontakata nakon 12 godina upotrebe za visokonaponske SF6 prekidače s jednog tlaka.
Električne operacije: Na primjer, preporučuju se pregledi nakon 2000 električnih operacija.
Operacije uz grešku: Na primjer, preporučuju se pregledi nakon 10 operacija prekidača na nominalnom krajnjem struju.
Kombinirani kriteriji: Ponekad se koristi kombinacija gore navedenih faktora za detaljniju procjenu.
Međutim, s vremenom, ove vremenski i broj-operacija temeljene metode pregleda pokazale su neke ograničenja. Iako ovi pregledi pomažu u osiguranju sigurnosti opreme, ne uvijek točno odražavaju stvarno stanje oštećenja kontakata i dizala. Također, ti pregledi mogu biti skupi, nekonzistentni i predstavljati potencijalna rizika tijekom internih pregleda na terenu, što može dovesti do oštećenja opreme.
Lukovanje je složen termalni i električni proces koji značajno utječe na performanse prekidača. Tijekom prekida struja krajnjeg kruga, lukovanje može utjecati na parametre prekidača putem ablacije dizala. Ablacija dizala odnosi se na eroziju materijala dizala uzrokovanu visokom temperaturom luka. Taj proces ima dvostruki utjecaj na prekidnu sposobnost prekidača:
Povećanje tlaka u komori: Kako dizalo ablaci, poprečni presjek grla dizala povećava, što dovodi do većeg tlaka unutar komore prekidača. To povećano tlak pomaže ubrzati gasenje luka potiskujući ponovno zapaljivanje.
Povećanje poprečnog presjeka grla dizala: Proširenje grla dizala omogućuje da više plina teče u područje luka, nosići više topline i smanjujući temperaturu luka. Međutim, to također dispergira energiju luka, potencijalno slabeći samopucnu sposobnost prekidača.
Stoga, proces ablacije dizala ima i pozitivne i negativne efekte na prekidnu sposobnost samopucnog prekidača. Kada prekidač prekida struju krajnjeg kruga, ablacija dizala uklanja dio energije stupca luka, povećava masu plina u prostoru dizala i povećava gustoću plina oko kontaktne luke, time smanjujući vjerojatnost ponovnog zapaljivanja.
Uzimajući u obzir značajan utjecaj ablacije dizala na performanse prekidača, procjena intenziteta ablacije (tj. povećanje promjera grla dizala) i izračun masa koja se ablaci predstavlja ključnu zadaću. Točna procjena ablacije dizala pomaže održavateljima bolje razumjeti zdravstveno stanje prekidača i donositi informirane odluke o budućem održavanju.
Intenzitet ablacije može se procijeniti sljedećim metodama:
Vizualni pregled: Rastavljanjem prekidača i direktnim promatranjem oštećenja dizala. Iako je ova metoda jednostavna, ona je skupa i nosi inherentna rizika, kao što je ranije navedeno.
Analiza podataka i prediktivno modeliranje: Analizom povijesnih operativnih podataka prekidača i kombinacijom s modelima fizike luka, prediktivni modeli mogu procijeniti intenzitet ablacije dizala. Ovaj pristup smanjuje nepotrebna rastavljanja i poboljšava učinkovitost održavanja.
Da bi se poboljšala učinkovitost i pouzdanost održavanja visokonaponskih SF6 prekidača, buduće strategije održavanja mogu više ovisiti o nadzoru stanja i inteligentnim dijagnostičkim tehnologijama. Stvarni vremenski nadzor operativnih parametara prekidača (poput struje, napona i temperature), kombiniran s naprednim algoritmima analize podataka, može pružiti točniju predikciju ablacije dizala i ukupnog zdravstvenog stanja ključnih komponenti. Ovaj pristup može smanjiti nepotrebne pregledi i popravke, produžiti životnu dobu opreme i sniziti troškove održavanja.
Također, napredak u materijalnoj znanosti fokusirat će se na razvoj materijala dizala otpornijih na toplinu i ablaciju. Primjena novih materijala može dodatno poboljšati pouzdanost i prekidnu sposobnost prekidača, umanjujući negativne efekte ablacije dizala.

Metoda mjerenja ablacije dizala u visokonaponskim prekidačima
1. Principi mjerenja ablacije dizala
1.1 Odnos između signala tlaka i ablacije dizala
Istraživanja su pokazala da ablacija dizala, koja povećava promjer grla dizala, mijenja karakteristike protoka plina unutar prekidača. Ta promjena utječe na distribuciju tlaka, što dovodi do varijacija signala tlaka koje mogu biti uhvaćeni senzorima tlaka. Konkretno, ablacija dizala rezultira dvama glavnim efektima:
Promjene u valnoj formi tlaka: Povećanje promjera dizala mijenja otpor protoku plina, mijenjajući oblik valne forme tlaka.
Promjene u spektralnim karakteristikama: Ablacija dizala također utječe na spektralne karakteristike signala tlaka, posebno u visokofrekventnom rasponu.
Analizom ovih karakteristika signala tlaka, može se indirektno zaključiti o intenzitetu ablacije dizala.
1.2 Instalacija i mjerenje senzora tlaka
Za dobivanje točnih signala tlaka, senzori tlaka mogu se instalirati na različitim mjestima ovisno o strukturi prekidača i zahtjevima za mjerenje:
Mjerenje pojedinačnog pola: Svaki pol ima ventil na dnu, koji se može koristiti za priključivanje senzora tlaka. Ova postavka omogućuje mjerenje talasa tlaka iz pojedinačnog pola, izbjegavajući interferenciju signala iz više polova.
Mjerenje tri pola: Tijekom standardne operacije, tri pola su povezana bakarnim cijevima, s glavnim punjenim ventilom unutar baze prekidača, koji povezuje sva tri pola. Ako se glavni punjeni ventil koristi kao točka priključivanja senzora tlaka, mjereni signal bit će superpozicija tri pojedinačna signala tlaka.
Za osiguranje točnih mjerenja, koriste se visokoosjetljivi piezoelektrični senzori tlaka opremljeni odgovarajućim napajanjima nabojne amplifikacije. Podaci o tlaku se snimaju od početka operacije prekidača do kraja šestog oscilacije. Sirov signal tlaka može se obraditi sa ili bez filtriranja, ovisno o zahtjevima za analizu.
Nefiltrirani signal: Brza Fourierova transformacija (FFT) se direktno primjenjuje na nefiltrirani signal za analizu njegovih frekvencijskih karakteristika.
Filtrirani signal: Koristi se 100 Hz filter niskih frekvencija za uklanjanje visokofrekventnog šuma, ostavljajući samo komponente niskih frekvencija.
Slika 1 i 2 ilustriraju povijest tlaka i spektar, pružajući vizualnu reprezentaciju karakteristika signala tlaka.
Klasifikacija stanja dizala pomoću strojnog učenja
Da bi se poboljšala točnost dijagnoze, ovo istraživanje koristi algoritam strojnog učenja temeljen na metodi k-najbližih susjeda (k-NN). Postupak uključuje sljedeće korake:
Izdvajanje značajki: Ključne značajke se izdvajaju iz signala tlaka, poput vrhunskih i dolinskih vrijednosti, frekvencijskih komponenti itd. Ove značajke služe kao ulazni parametri za algoritam strojnog učenja.
Trening modela: Model k-NN trening se vrši pomoću poznatih podataka o stanju dizala i elektroda. Tijekom treninga, algoritam određuje najbliže susjede na temelju udaljenosti značajki za klasifikaciju.
Klasifikacija novih podataka: Za nove, nepoznate mjerenja, trenirani model se koristi za klasifikaciju stanja dizala i elektroda.
Ovaj pristup omogućuje procjenu ablacije dizala i drugih ključnih komponenti bez otvaranja plinske komore, pružajući točne preporuke za održavanje i produžujući životnu dobu prekidača.
Točka priključivanja senzora tlaka za ablaciju dizala (slika iz izvora br. 1)

Sirovi podaci mjerenja na glavnom punjenom ventilu u originalnom stanju (plavo), filtrirani signal (crveno) (slika iz izvora br. 1)

Frekvencijski spektar sirovi podaci u metodi tlaka visokonaponskog prekidača (slika iz izvora br. 1)
Nekoliko značajki može se izdvojiti iz obje vrste signala tlaka, filtriranih i nefiltriranih. Ove značajke hvataju jedinstvene karakteristike različitih signala mjerenja i su ključne za identifikaciju stanja dizala. Zbog širokog rasprostiranja ove značajke, nije moguće direktno uskladiti različite stanje ablacije s pojedinačnim značajkama. Da bi se ovo izazov riješio, koristi se algoritam k-najbližih susjeda (k-NN) za evaluaciju.
Algoritam k-NN generira n-dimenzionalni vektor za svako mjerenje, gdje n predstavlja broj značajki. Udaljenost između dva vektora se izračunava koristeći Euklidsku udaljenost, uz dodatnu težinu varijance kako bi se uzela u obzir varijabilnost podataka. Ovaj pristup osigurava da algoritam može učinkovito razlikovati različita stanja ablacije na temelju kombinirane informacije iz više značajki.
Metoda privremene tlakove je prednost jer se lako može implementirati koristeći postojeće punjenje ventilima za priključivanje senzora tlaka. Međutim, jedan od glavnih izazova je loša dispersija indikatora stanja (značajki), što čini teškim točnu dijagnozu stanja dizala. Da bi se preko ovog ograničenja prevladalo, skalirane značajke su optimizirane kroz analizu osjetljivosti. Iako jedna značajka može ne pružiti dovoljno informacija za sve slučajeve, kombinacija svih sedam značajki s algoritmom k-NN klasifikacije značajno poboljšava točnost dijagnoze.
Testirano je nekoliko klasifikacijskih algoritama, a rezultati su pokazali da je algoritam k-NN, koristeći standardnu Euklidsku udaljenost, postigao najnižu stopu greške manju od 0,9% tijekom križne validacije. Ova kombinacija značajki i algoritma k-NN zatim se primijenila na klasifikaciju terenskih mjerenja za različite vrste prekidača. Za razmatrana mjerenja prekidača, ovaj pristup je bio u stanju izvršiti klasifikaciju bez grešaka.