高電圧SF6回路遮断器における接触ノズルの浸食
高圧SF6サーキットブレーカーのノズル点検とメンテナンス
1. 背景と従来の点検方法
高圧SF6サーキットブレーカーは、ショートサーキットや過負荷から回路を保護するために電力システムで広く使用されています。その信頼性と安全性を確保するため、メーカーは通常、主接触部、アーク接触部、ガスノズルの定期的な分解と目視検査を要求しています。これらの検査は、これらの部品の摩耗状態を評価し、交換が必要かどうかを決定することを目的としています。
歴史的に、これらの検査は以下の基準に基づいて行われてきました：
時間間隔: たとえば、単圧式SF6デッドタンクサーキットブレーカーの場合、12年間の使用後に接触部を検査することが推奨されています。
電気操作回数: たとえば、2000回の電気操作後には検査が推奨されています。
障害操作回数: たとえば、定格ショートサーキットブレーカー動作10回後には検査が推奨されています。
組み合わせ基準: 上記の要素を組み合わせてより包括的な評価を行うこともあります。
しかし、これらの時間ベースおよび操作回数ベースの検査方法は、長期間にわたっていくつかの制限が明らかになってきました。これらのチェックは設備の安全性を確保しますが、必ずしも接触部やノズルの実際の摩耗状態を正確に反映するわけではありません。また、これらの検査はコストがかかり、一貫性がなく、現場での内部検査中に潜在的なリスクがあり、設備の損傷につながる可能性があります。
2. アーク放電によるサーキットブレーカーパラメータへの影響
アーク放電は複雑な熱的および電気的なプロセスであり、サーキットブレーカーの性能に大きく影響します。ショートサーキット電流の遮断中に、アーク放電はノズルのアブレーションを通じてブレーカーのパラメータに影響を与えます。ノズルのアブレーションとは、アークの高温によりノズル材料が侵食されることを指します。このプロセスは、ブレーカーの遮断能力に対して二重の効果を持ちます：
チャンバ内の圧力増加: ノズルがアブレーションすると、ノズル喉頭部の断面積が増加し、ブレーカーチャンバ内の圧力が上昇します。この圧力の増加は、再着火を抑制することでアーク消滅を加速します。
ノズル喉頭部の断面積増加: ノズル喉頭部の拡大により、より多くのガスがアーク領域に流入し、より多くの熱を運び去り、アーク温度を低下させます。ただし、これによりアークエネルギーが分散され、ブレーカーの自己爆発能力が弱まる可能性もあります。
したがって、ノズルのアブレーションプロセスは、自己爆発型サーキットブレーカーの遮断能力に正と負の両方の影響を持ちます。ブレーカーがショートサーキット電流を遮断する際、ノズルのアブレーションはアーク柱の一部のエネルギーを取り除き、ノズル空間内のガス質量を増やし、アーク接触部周囲のガス密度を上げることで、再着火の可能性を減らします。
3. ノズルアブレーション強度の推定とその重要性
ノズルのアブレーションがブレーカーの性能に大きな影響を与えることを考慮に入れると、アブレーション強度（つまり、ノズル喉頭部直径の増加）の推定と、アブレーションされた質量の計算は重要なタスクです。ノズルのアブレーションを正確に推定することは、メンテナンス担当者がブレーカーの健康状態をよりよく理解し、今後のメンテナンスについて適切な判断を行うのに役立ちます。
アブレーション強度は以下の方法で推定できます：
目視検査: ブレーカーを分解して直接ノズルの摩耗を観察します。この方法は単純ですが、先述のようにコストがかかり、固有のリスクがあります。
非破壊検出技術: インフラレッドサーモグラフィーや超音波検査などの高度な非破壊検出技術が、ブレーカーメンテナンスでますます使用されています。これらの技術を使用すると、機器を分解せずにノズルのアブレーションや他の潜在的な問題を評価することができます。
データ分析と予測モデリング: ブレーカーの過去の運用データを分析し、アーク物理学モデルと組み合わせることで、予測モデルがノズルのアブレーション強度を推定できます。このアプローチは不要な分解検査を減らし、メンテナンス効率を向上させます。
4. 将来の開発方向
高圧SF6サーキットブレーカーのメンテナンス効率と信頼性を向上させるために、将来的なメンテナンス戦略は、コンディションモニタリングとスマート診断技術にますます依存する可能性があります。ブレーカーの動作パラメータ（電流、電圧、温度など）のリアルタイムモニタリングと高度なデータ分析アルゴリズムを組み合わせることで、ノズルのアブレーションと主要部品の全体的な健康状態をより正確に予測できます。このアプローチは、不要な検査や修理を減らし、機器の寿命を延ばし、メンテナンスコストを削減することができます。
さらに、材料科学の進歩により、より耐熱性とアブレーション耐性のあるノズル材料の開発が進められます。新しい材料の適用により、ブレーカーの信頼性と遮断能力がさらに向上し、ノズルのアブレーションによる悪影響を軽減することができます。
高圧サーキットブレーカーのノズルアブレーションの測定方法
1.ノズルアブレーション測定の原理
1.1 圧力信号とノズルアブレーションの関係
研究によれば、ノズルのアブレーションによりノズル喉頭部の直径が増加すると、サーキットブレーカー内のガス流れ特性が変化します。この変化は圧力分布に影響を与え、圧力センサーによって捕捉できる圧力信号に変動を生じさせます。具体的には、ノズルのアブレーションは以下の2つの主な効果を持ちます：
圧力波形の変化: ノズル直径の増加により、ガス流れ抵抗が変わり、圧力波形の形状が変化します。
スペクトル特性の変化: ノズルのアブレーションは、特に高周波帯域において、圧力信号のスペクトル特性にも影響を与えます。
これらの圧力信号の特徴を分析することで、ノズルのアブレーションの程度を間接的に推定することができます。
1.2 圧力センサーの設置と測定
正確な圧力信号を得るためには、サーキットブレーカーの構造と測定要件に応じて、異なる位置に圧力センサーを設置できます：
単極測定: 各ポールの底部にバルブがあり、これを用いて圧力センサーを接続できます。この設定により、単一のポールからの圧力波を測定し、多極信号の重ね合わせによる干渉を避けることができます。
三極測定: 標準的な動作では、三つのポールは銅管で接続され、サーキットブレーカーのベース内にあるメイン充填バルブが三つのポールを接続します。メイン充填バルブを圧力センサーの接続点として使用すると、測定される信号は三つの個別の圧力信号の重ね合わせとなります。
正確な測定のために、適切なチャージアンプリファイアを備えた高感度ピエゾ電圧圧力センサーを使用します。スイッチング操作開始から6回目の振動終了までの圧力データを記録します。生の圧力信号は、分析要件に応じてフィルタリングを行ったり行わなかったりします。
フィルタリングされていない信号: 生の信号に直接高速フーリエ変換（FFT）を適用して、その周波数領域特性を分析します。
フィルタリングされた信号: 100 Hzのローパスフィルターを使用して高周波ノイズを除去し、低周波成分のみを残します。
図1と図2は圧力履歴とスペクトルを示しており、圧力信号の特性を視覚的に表現しています。
機械学習を用いたノズル状態分類
診断の精度を高めるために、本研究ではk-最近傍法（k-NN）に基づく機械学習アルゴリズムを使用しています。プロセスは以下のステップで構成されています：
特徴抽出: 圧力信号からピーク値や谷値、周波数成分などの主要な特徴を抽出します。これらの特徴は、機械学習アルゴリズムの入力パラメータとして使用されます。
モデルトレーニング: k-NNモデルは、ノズルと電極の状態に関する既知のデータを使用してトレーニングされます。トレーニング中、アルゴリズムは特徴距離に基づいて最も近い隣人を決定し、分類を行います。
新規データの分類: 新しい未知の測定については、トレーニング済みモデルを使用してノズルと電極の状態を分類します。
このアプローチにより、ガスチャンバーを開けずにノズルのアブレーションや他の重要な部品の状態を評価し、正確なメンテナンスの推奨事項を提供し、サーキットブレーカーの寿命を延ばすことが可能になります。
ノズルアブレーションのための圧力センサー接続点（ソース1からの写真）
メイン充填バルブでの測定の生データ（青）、フィルタリングされた信号（赤）（ソース1からの写真）
高圧サーキットブレーカーの圧力法における生データの周波数スペクトル（ソース1からの写真）
高圧サーキットブレーカーのノズルアブレーションの瞬時圧力法の結論
1. フィルタリングされた圧力信号とフィルタリングされていない圧力信号からの特徴抽出
フィルタリングされた圧力信号とフィルタリングされていない圧力信号から、いくつかの特徴を導き出すことができます。これらの特徴は、異なる測定信号の一意の特性を捉え、ノズルの状態を識別するために不可欠です。これらの特徴の広範な分散により、個々の特徴だけで異なるアブレーション状態を直接マッチングすることは困難です。この課題に対処するために、k-最近傍法（k-NN）アルゴリズムが評価に使用されます。
k-NNアルゴリズムは、各測定に対してn次元ベクトルを生成し、nは特徴の数を表します。2つのベクトル間の距離はユークリッド距離を使用して計算され、データの変動性を考慮に入れるために追加の分散加重が行われます。このアプローチにより、アルゴリズムは複数の特徴からの情報を組み合わせて、異なるアブレーション状態を効果的に区別することができます。
2. 瞬時圧力法の利点と課題
瞬時圧力法は、既存の充填バルブを使用して圧力センサーを接続しやすいという利点があります。しかし、主要な課題の一つは、状態インジケーター（特徴）の分散が不十分であるため、ノズルの状態を正確に診断するのが難しいことです。この制限を克服するために、感度分析を通じて特徴スケールを最適化しました。単一の特徴だけではすべてのケースで十分な情報が得られない場合がありますが、すべての7つの特徴をk-NN分類アルゴリズムと組み合わせることで、診断の精度が大幅に向上します。
3. 分類アルゴリズムの評価
いくつかの分類アルゴリズムをテストし、結果は標準ユークリッド距離を使用したk-NNアルゴリズムがクロスバリデーションで0.9%未満の最低誤差率を達成しました。この特徴とk-NNアルゴリズムの組み合わせは、さまざまなタイプのサーキットブレーカーのフィールド測定の分類に適用されました。考慮されたサーキットブレーカーの測定では、このアプローチは誤りなく分類を行うことができました。
