고압 sf6 회로 차단기의 접촉 노즐 에브레이션

고압 SF6 회로 차단기 노즐의 점검 및 유지보수

1. 배경 및 전통적인 점검 방법

고압 SF6 회로 차단기는 단락과 과부하로부터 회로를 보호하기 위해 전력 시스템에서 널리 사용된다. 신뢰성과 안전성을 확보하기 위해 제조업체는 주 접점, 아크 접점, 가스 노즐을 주기적으로 분해하여 시각적으로 점검하도록 요구한다. 이러한 점검은 이들 구성 요소의 마모 상태를 평가하고 교체가 필요한지 여부를 결정하는 데 목적이 있다.

역사적으로, 이러한 점검은 여러 기준에 근거해 이루어져 왔다:

• 시간 간격: 예를 들어, 단일 압력 SF6 죽은 탱크 회로 차단기의 경우 12년 동안 사용한 후 접점을 점검하는 것이 권장된다.

• 전기 작동: 예를 들어, 2000회의 전기 작동 후 점검이 권장된다.

• 고장 작동: 예를 들어, 정격 단락 회로 차단기 작동 10회 후 점검이 권장된다.

• 결합 기준: 위의 요인들을 결합하여 더 포괄적인 평가를 수행하기도 한다.

그러나 시간이 지남에 따라 이러한 시간 기반 및 작동 횟수 기반 점검 방법은 몇 가지 한계를 드러냈다. 이러한 점검은 장비의 안전성을 보장하는 데 도움이 되지만, 항상 접점과 노즐의 실제 마모 상태를 정확하게 반영하지는 않는다. 또한, 이러한 점검은 비용이 많이 들며 일관성이 없으며, 현장 내부 점검 중 장비 손상 등의 잠재적 위험을 초래할 수 있다.

2. 아크 발생이 회로 차단기 매개변수에 미치는 영향

아크 발생은 회로 차단기의 성능에 크게 영향을 미치는 복잡한 열 및 전기 과정이다. 단락 전류 차단 중 아크 발생은 노즐의 소실을 통해 차단기의 매개변수에 영향을 미친다. 노즐의 소실은 아크의 고온으로 인한 노즐 재료의 침식을 의미한다. 이 과정은 차단기의 차단 능력에 양면적인 영향을 미친다:

• 챔버 압력 증가: 노즐이 소실되면 노즐 구멍의 단면적이 증가하여 차단기 챔버 내부의 압력이 상승한다. 이 증가된 압력은 재점화를 억제하여 아크 소멸을 가속화한다.

• 노즐 구멍 단면적 증가: 노즐 구멍의 확대는 아크 영역으로 더 많은 가스가 흐르게 하여 더 많은 열을 제거하고 아크 온도를 낮춘다. 그러나 이는 아크 에너지를 분산시켜 차단기의 자체 폭발 능력을 약화시키는 부작용도 있다.

따라서 노즐의 소실 과정은 자기 폭발형 회로 차단기의 차단 능력에 긍정적이고 부정적인 영향을 동시에 미친다. 차단기가 단락 전류를 차단할 때, 노즐의 소실은 아크 열의 일부를 제거하고 노즐 공간 내의 가스 질량을 증가시키며 아크 접점 주변의 가스 밀도를 높여 재점화 가능성을 줄인다.

3. 노즐 소실 강도의 추정 및 중요성

노즐의 소실이 차단기 성능에 큰 영향을 미치므로, 소실 강도(즉, 노즐 구멍 직경의 증가)를 추정하고 소실된 질량을 계산하는 것은 중요한 작업이다. 노즐의 소실을 정확히 추정하면 유지보수 담당자가 차단기의 상태를 더 잘 이해하고 향후 유지보수에 대한 정보를 제공하는 결정을 내릴 수 있다.

소실 강도는 다음과 같은 방법으로 추정할 수 있다:

• 시각적 점검: 차단기를 분해하여 노즐의 마모 상태를 직접 관찰한다. 이 방법은 간단하지만 앞서 언급했듯이 비용이 많이 들고 본질적인 위험이 있다.

• 비파괴 검출 기술: 적외선 열화상 및 초음파 검사와 같은 고급 비파괴 검출 기술이 점점 더 많이 사용되고 있다. 이러한 기술은 장비를 분해하지 않고도 노즐의 소실 및 기타 잠재적 문제를 평가할 수 있다.

• 데이터 분석 및 예측 모델링: 차단기의 역사적 운영 데이터를 분석하고 아크 물리학 모델과 결합하여 예측 모델을 통해 노즐의 소실 강도를 추정할 수 있다. 이 접근 방식은 불필요한 분해 점검을 줄이고 유지보수 효율성을 향상시킨다.

4. 미래 발전 방향

고압 SF6 회로 차단기의 유지보수 효율성과 신뢰성을 향상시키기 위해, 미래의 유지보수 전략은 상태 모니터링 및 지능형 진단 기술에 더 의존할 것으로 예상된다. 차단기의 운영 매개변수(전류, 전압, 온도 등)를 실시간으로 모니터링하고 고급 데이터 분석 알고리즘을 결합하면 노즐의 소실 및 주요 구성 요소의 전체 상태를 더 정확하게 예측할 수 있다. 이 접근 방식은 불필요한 점검 및 수리를 줄이고 장비 수명을 연장하며 유지보수 비용을 낮출 수 있다.

또한, 재료 과학의 발전은 더 열에 강하고 소실에 강한 노즐 재료 개발에 집중할 것이다. 새로운 재료의 적용은 차단기의 신뢰성과 차단 능력을 더욱 향상시키고 노즐 소실의 부정적인 영향을 완화할 수 있다.

고압 회로 차단기 노즐 소실 측정 방법

1. 노즐 소실 측정 원리

1.1 압력 신호와 노즐 소실 간의 관계

연구 결과, 노즐의 소실로 인해 노즐 구멍의 직경이 증가하면 회로 차단기 내의 가스 유동 특성이 변화한다는 것을 확인하였다. 이 변화는 압력 분포를 변경하여 압력 센서로 캡처할 수 있는 압력 신호의 변동을 초래한다. 특히, 노즐의 소실은 두 가지 주요 효과를 초래한다:

• 압력 파형의 변화: 노즐 직경의 증가는 가스 유동 저항을 변경하여 압력 파형의 형태를 바꾼다.

• 주파수 특성의 변화: 노즐의 소실은 특히 고주파 범위에서 압력 신호의 주파수 특성에도 영향을 미친다.

이러한 압력 신호 특성을 분석함으로써 노즐의 소실 정도를 간접적으로 추론할 수 있다.

1.2 압력 센서의 설치 및 측정

정확한 압력 신호를 얻기 위해 압력 센서는 회로 차단기의 구조와 측정 요구 사항에 따라 다른 위치에 설치할 수 있다:

• 단극 측정: 각 극의 바닥에는 밸브가 있어 압력 센서를 연결할 수 있다. 이 설정은 단일 극의 압력 파를 측정하여 다극 신호 중첩으로 인한 간섭을 피할 수 있다.

• 삼극 측정: 일반적인 작동 중 세 극은 구리관으로 연결되며, 회로 차단기 기저부에 모든 세 극을 연결하는 주 충전 밸브가 있다. 주 충전 밸브를 압력 센서의 연결 지점으로 사용하면 측정된 신호는 세 개의 개별 압력 신호의 중첩이 된다.

정확한 측정을 위해 적절한 충전 증폭기를 장착한 고감도 압전 압력 센서가 사용된다. 압력 데이터는 스위칭 작동 시작부터 6번째 진동까지 기록된다. 원시 압력 신호는 필터링 여부에 따라 처리할 수 있다.

• 필터링되지 않은 신호: 원시 신호에 대해 직접 FFT(Fast Fourier Transform)를 적용하여 주파수 영역 특성을 분석한다.

• 필터링된 신호: 100 Hz 저역 통과 필터를 사용하여 고주파 노이즈를 제거하고 저주파 성분만 유지한다.

그림 1과 2는 압력 역사를 나타내며, 압력 신호 특성을 시각적으로 표현한다.

2. 기계 학습을 이용한 노즐 상태 분류

진단의 정확성을 향상시키기 위해, 이 연구는 k-Nearest Neighbors (k-NN) 방법을 기반으로 하는 기계 학습 알고리즘을 사용한다. 프로세스는 다음과 같은 단계로 구성된다:

• 특징 추출: 압력 신호에서 피크 및 계곡 값, 주파수 구성 요소 등의 주요 특징을 추출한다. 이러한 특징은 기계 학습 알고리즘의 입력 매개변수로 사용된다.

• 모델 훈련: k-NN 모델은 노즐 및 전극 상태에 대한 알려진 데이터를 사용하여 훈련된다. 훈련 중, 알고리즘은 특징 거리를 기반으로 가장 가까운 이웃을 결정하여 분류를 수행한다.

• 새로운 데이터의 분류: 새로운, 알려지지 않은 측정값에 대해 훈련된 모델을 사용하여 노즐 및 전극의 상태를 분류한다.

이 접근 방식은 가스 챔버를 열지 않고도 노즐의 소실 및 기타 주요 구성 요소의 상태를 평가할 수 있으며, 정확한 유지보수 권장 사항을 제공하고 회로 차단기의 수명을 연장한다.

노즐 소실을 위한 압력 센서 연결 지점(출처 1번 사진)

주 충전 밸브에서의 측정 원시 데이터(파란색), 필터링된 신호(빨간색)(출처 1번 사진)

고압 회로 차단기 압력 방법의 원시 데이터 주파수 스펙트럼(출처 1번 사진)

고압 회로 차단기 노즐 소실을 위한 일시적 압력 방법의 결론

1. 필터링된 및 필터링되지 않은 압력 신호로부터의 특징 추출

필터링된 및 필터링되지 않은 압력 신호 모두에서 여러 특징을 도출할 수 있다. 이러한 특징은 다양한 측정 신호의 고유한 특성을 포착하며, 노즐의 상태를 식별하는 데 필수적이다. 이러한 특징들의 넓은 분산으로 인해, 개별 특징을 통해 다양한 소실 상태를 직접 매칭하는 것은 어렵다. 이를 해결하기 위해 k-Nearest Neighbors (k-NN) 알고리즘이 평가에 사용된다.

k-NN 알고리즘은 각 측정에 대해 n차원 벡터를 생성하며, 여기서 n은 특징의 수를 나타낸다. 두 벡터 사이의 거리는 유클리드 거리를 사용하여 계산되며, 데이터의 변동성을 고려하기 위해 추가적인 분산 가중치가 적용된다. 이 접근 방식은 알고리즘이 여러 특징의 결합 정보를 기반으로 다양한 소실 상태를 효과적으로 구분할 수 있도록 한다.

2. 일시적 압력 방법의 장점과 도전 과제

일시적 압력 방법은 기존 충전 밸브를 사용하여 압력 센서를 쉽게 연결할 수 있다는 장점이 있다. 그러나 주요 도전 과제 중 하나는 상태 지표(특징)의 나쁜 분산으로 인해 노즐 상태를 정확하게 진단하는 것이 어려운 것이다. 이를 극복하기 위해 감도 분석을 통해 특징 스케일을 최적화하였다. 단일 특징이 모든 경우에 충분한 정보를 제공하지 못할 수 있지만, 모든 7개의 특징을 k-NN 분류 알고리즘과 결합하면 진단 정확성이 크게 향상된다.

3. 분류 알고리즘의 평가

여러 분류 알고리즘이 테스트되었으며, 결과는 표준 유클리드 거리를 사용하는 k-NN 알고리즘이 교차 검증 중 오류율이 0.9% 미만으로 가장 낮았음을 보여주었다. 이 특징 조합과 k-NN 알고리즘은 다양한 유형의 회로 차단기의 현장 측정 값을 분류하는 데 적용되었다. 고려된 회로 차단기 측정 값에 대해 이 접근 방식은 어떠한 오류 없이 분류를 수행할 수 있었다.