Pemutus sirkuit SF6 tegangan tinggi secara luas digunakan dalam sistem tenaga listrik untuk melindungi rangkaian dari korsleting dan beban berlebih. Untuk memastikan keandalan dan keselamatan mereka, produsen biasanya mensyaratkan pemisahan periodik dan pemeriksaan visual kontak utama, kontak busur, dan nozzle gas. Pemeriksaan ini bertujuan untuk menilai kondisi aus komponen-komponen tersebut dan menentukan apakah penggantian diperlukan.
Secara historis, pemeriksaan-pemeriksaan ini didasarkan pada beberapa kriteria:
Interval Waktu: Misalnya, disarankan untuk memeriksa kontak setelah 12 tahun penggunaan untuk pemutus sirkuit SF6 dead-tank tekanan tunggal.
Operasi Listrik: Misalnya, pemeriksaan dianjurkan setelah 2000 operasi listrik.
Operasi Korsleting: Misalnya, pemeriksaan dianjurkan setelah 10 operasi pemutus sirkuit korsleting yang ditetapkan.
Kriteria Gabungan: Gabungan dari faktor-faktor di atas terkadang digunakan untuk penilaian yang lebih komprehensif.
Namun, seiring waktu, metode pemeriksaan berdasarkan waktu dan jumlah operasi ini telah mengungkap beberapa keterbatasan. Meskipun pemeriksaan ini membantu memastikan keselamatan peralatan, mereka tidak selalu secara akurat mencerminkan kondisi aus sebenarnya dari kontak dan nozzle. Selain itu, pemeriksaan-pemeriksaan ini dapat mahal, tidak konsisten, dan menimbulkan risiko potensial selama pemeriksaan internal di lapangan, yang mungkin menyebabkan kerusakan peralatan.
Busuran adalah proses termal dan listrik yang kompleks yang secara signifikan mempengaruhi kinerja pemutus sirkuit. Selama penghentian arus korsleting, busuran dapat mempengaruhi parameter pemutus melalui abrasi nozzle. Abrasi nozzle merujuk pada erosi material nozzle yang disebabkan oleh suhu busur yang tinggi. Proses ini memiliki efek ganda pada kemampuan pemutusan pemutus:
Tekanan Ruang yang Meningkat: Seiring nozzle mengalami abrasi, area penampang leher nozzle meningkat, menyebabkan tekanan yang lebih tinggi di dalam ruang pemutus. Tekanan yang meningkat ini membantu mempercepat pemadaman busur dengan menekan re-ignition.
Peningkatan Area Penampang Leher Nozzle: Pembesaran leher nozzle memungkinkan lebih banyak gas mengalir ke daerah busur, membawa lebih banyak panas dan mengurangi suhu busur. Namun, hal ini juga menyebarkan energi busur, potensial melemahkan kemampuan self-blast pemutus.
Dengan demikian, proses abrasi nozzle memiliki efek positif dan negatif pada kemampuan pemutusan pemutus self-blast. Ketika pemutus menghentikan arus korsleting, abrasi nozzle menghilangkan sebagian energi kolom busur, meningkatkan massa gas di ruang nozzle, dan meningkatkan kepadatan gas di sekitar kontak busur, sehingga mengurangi kemungkinan re-ignition.
Mengingat dampak signifikan abrasi nozzle pada kinerja pemutus, perkiraan intensitas abrasi (yaitu, peningkatan diameter leher nozzle) dan perhitungan massa yang terabrasi adalah tugas yang penting. Perkiraan yang akurat tentang abrasi nozzle membantu petugas pemeliharaan memahami kesehatan pemutus dengan lebih baik dan membuat keputusan yang tepat untuk pemeliharaan masa depan.
Intensitas abrasi dapat diperkirakan melalui metode-metode berikut:
Pemeriksaan Visual: Dengan membongkar pemutus dan langsung mengamati aus pada nozzle. Meskipun metode ini sederhana, namun mahal dan memiliki risiko inheren, seperti yang disebutkan sebelumnya.
Teknik Deteksi Non-Intrusif: Teknologi deteksi non-intrusif canggih, seperti termografi inframerah dan uji ultrasonik, semakin banyak digunakan untuk pemeliharaan pemutus. Teknik-teknik ini memungkinkan penilaian abrasi nozzle dan masalah potensial lainnya tanpa membongkar peralatan.
Analisis Data dan Pemodelan Prediktif: Dengan menganalisis data operasi historis pemutus dan menggabungkannya dengan model fisika busur, model prediktif dapat memperkirakan intensitas abrasi nozzle. Pendekatan ini mengurangi pemeriksaan pembongkaran yang tidak perlu dan meningkatkan efisiensi pemeliharaan.
Untuk meningkatkan efisiensi dan keandalan pemeliharaan pemutus sirkuit SF6 tegangan tinggi, strategi pemeliharaan masa depan mungkin akan lebih bergantung pada pemantauan kondisi dan teknologi diagnostik cerdas. Pemantauan real-time parameter operasional pemutus (seperti arus, tegangan, dan suhu), dikombinasikan dengan algoritma analisis data canggih, dapat memberikan prediksi yang lebih akurat tentang abrasi nozzle dan kesehatan keseluruhan komponen kunci. Pendekatan ini dapat mengurangi pemeriksaan dan perbaikan yang tidak perlu, memperpanjang umur peralatan, dan menurunkan biaya pemeliharaan.
Selain itu, kemajuan dalam ilmu bahan akan fokus pada pengembangan bahan nozzle yang lebih tahan panas dan tahan abrasi. Penerapan bahan baru dapat lebih meningkatkan keandalan dan kemampuan pemutusan pemutus, mengurangi efek negatif abrasi nozzle.

Metode Pengukuran Abrasi Nozzle pada Pemutus Sirkuit Tegangan Tinggi
1.Prinsip Pengukuran Abrasi Nozzle
1.1 Hubungan Antara Sinyal Tekanan dan Abrasi Nozzle
Penelitian telah menunjukkan bahwa abrasi nozzle, yang meningkatkan diameter leher nozzle, mengubah karakteristik aliran gas di dalam pemutus sirkuit. Perubahan ini mempengaruhi distribusi tekanan, menyebabkan variasi dalam sinyal tekanan yang dapat ditangkap oleh sensor tekanan. Secara khusus, abrasi nozzle menghasilkan dua efek utama:
Perubahan Bentuk Gelombang Tekanan: Peningkatan diameter nozzle mengubah hambatan aliran gas, mengubah bentuk gelombang tekanan.
Perubahan Karakteristik Spektral: Abrasi nozzle juga mempengaruhi karakteristik spektral sinyal tekanan, terutama dalam rentang frekuensi tinggi.
Dengan menganalisis fitur-fitur sinyal tekanan ini, dapat diprediksi secara tidak langsung tingkat abrasi nozzle.
1.2 Instalasi dan Pengukuran Sensor Tekanan
Untuk mendapatkan sinyal tekanan yang akurat, sensor tekanan dapat dipasang di titik-titik yang berbeda tergantung pada struktur pemutus sirkuit dan persyaratan pengukuran:
Pengukuran Pole Tunggal: Setiap pole memiliki katup di bagian bawahnya, yang dapat digunakan untuk menghubungkan sensor tekanan. Setup ini memungkinkan pengukuran gelombang tekanan dari satu pole, menghindari interferensi dari superposisi sinyal multi-pole.
Pengukuran Tiga Pole: Selama operasi standar, tiga pole dihubungkan melalui pipa tembaga, dengan katup pengisian utama yang terletak di dasar pemutus sirkuit, menghubungkan semua tiga pole. Jika katup pengisian utama digunakan sebagai titik koneksi untuk sensor tekanan, sinyal yang diukur akan menjadi superposisi dari tiga sinyal tekanan individu.
Untuk memastikan pengukuran yang akurat, sensor tekanan piezoelektrik sensitivitas tinggi dilengkapi dengan amplifier charge yang sesuai. Data tekanan direkam dari awal operasi switching hingga akhir osilasi keenam. Sinyal tekanan mentah dapat diproses dengan atau tanpa penyaringan, tergantung pada persyaratan analisis.
Sinyal Tanpa Penyaringan: Transformasi Fourier Cepat (FFT) diterapkan langsung pada sinyal tanpa penyaringan untuk menganalisis karakteristik domain frekuensinya.
Sinyal Berpenyaringan: Filter low-pass 100 Hz digunakan untuk menghapus noise frekuensi tinggi, hanya menyisakan komponen frekuensi rendah.
Gambar 1 dan 2 menggambarkan sejarah tekanan dan spektrum, memberikan representasi visual karakteristik sinyal tekanan.
Klasifikasi Kondisi Nozzle Menggunakan Machine Learning
Untuk meningkatkan akurasi diagnosis, studi ini menggunakan algoritma machine learning berbasis metode k-Nearest Neighbors (k-NN). Prosesnya melibatkan langkah-langkah berikut:
Ekstraksi Fitur: Fitur kunci diekstrak dari sinyal tekanan, seperti nilai puncak dan lembah, komponen frekuensi, dll. Fitur-fitur ini berfungsi sebagai parameter input untuk algoritma machine learning.
Pelatihan Model: Model k-NN dilatih menggunakan data yang diketahui tentang kondisi nozzle dan elektroda. Selama pelatihan, algoritma menentukan tetangga terdekat berdasarkan jarak fitur untuk melakukan klasifikasi.
Klasifikasi Data Baru: Untuk pengukuran baru yang tidak diketahui, model yang telah dilatih digunakan untuk mengklasifikasikan kondisi nozzle dan elektroda.
Pendekatan ini memungkinkan penilaian abrasi nozzle dan kondisi komponen kritis lainnya tanpa membuka ruang gas, memberikan rekomendasi pemeliharaan yang akurat dan memperpanjang umur pemutus sirkuit.
Titik koneksi dengan sensor tekanan untuk abrasi nozzle (foto dari sumber no 1)

Data mentah pengukuran di katup pengisian utama dalam kondisi asli (biru), sinyal yang difilter (merah) (foto dari sumber no 1)

Spektrum frekuensi data mentah dalam metode tekanan pemutus sirkuit tegangan tinggi (foto dari sumber no 1)
Beberapa fitur dapat diperoleh dari sinyal tekanan yang difilter dan tanpa penyaringan. Fitur-fitur ini menangkap karakteristik unik dari sinyal pengukuran yang berbeda dan penting untuk mengidentifikasi kondisi nozzle. Karena dispersi yang luas dari fitur-fitur ini, tidak mungkin untuk langsung mencocokkan kondisi abrasi yang berbeda dengan fitur individual. Untuk mengatasi tantangan ini, algoritma k-Nearest Neighbors (k-NN) digunakan untuk evaluasi.
Algoritma k-NN menghasilkan vektor n-dimensi untuk setiap pengukuran, di mana n mewakili jumlah fitur. Jarak antara dua vektor dihitung menggunakan jarak Euclidean, dengan penimbangan varians tambahan untuk mempertimbangkan variabilitas data. Pendekatan ini memastikan bahwa algoritma dapat secara efektif membedakan kondisi abrasi yang berbeda berdasarkan informasi gabungan dari fitur-fitur multiple.
Metode tekanan transien memiliki keuntungan karena dapat dengan mudah diimplementasikan menggunakan katup pengisian yang ada untuk menghubungkan sensor tekanan. Namun, salah satu tantangan utamanya adalah dispersi indikator keadaan (fitur) yang buruk, yang membuat sulit untuk mendiagnosis kondisi nozzle dengan akurat. Untuk mengatasi keterbatasan ini, skala fitur dioptimalkan melalui analisis sensitivitas. Meskipun fitur tunggal mungkin tidak memberikan informasi yang cukup untuk semua kasus, menggabungkan semua tujuh fitur dengan algoritma klasifikasi k-NN secara signifikan meningkatkan akurasi diagnosis.
Beberapa algoritma klasifikasi diuji, dan hasilnya menunjukkan bahwa algoritma k-NN, menggunakan jarak Euclidean standar, mencapai tingkat kesalahan terendah kurang dari 0,9% selama validasi silang. Kombinasi fitur dan algoritma k-NN ini kemudian diterapkan untuk mengklasifikasikan pengukuran lapangan untuk jenis pemutus sirkuit yang berbeda. Untuk pengukuran pemutus sirkuit yang dipertimbangkan, pendekatan ini mampu melakukan klasifikasi tanpa kesalahan.