Penyemprotan Nozzle dalam pemutus litar tegangan tinggi sf6
Pemeriksaan dan Pemeliharaan Nozzle Pembekab Tegangan Tinggi SF6
1. Latar Belakang dan Kaedah Pemeriksaan Tradisional
Pembekab tegangan tinggi SF6 digunakan secara meluas dalam sistem kuasa untuk melindungi litar daripada hubungan singkat dan kelebihan beban. Untuk memastikan kebolehpercayaan dan keselamatan mereka, pengeluar biasanya memerlukan pengebirian berkala dan pemeriksaan visual terhadap kontak utama, kontak ark, dan nozzle gas. Pemeriksaan ini bertujuan untuk menilai keadaan keausan komponen-komponen tersebut dan menentukan sama ada penggantian diperlukan.
Secara bersejarah, pemeriksaan-pemeriksaan ini telah didasarkan pada beberapa kriteria:
Interval Masa: Sebagai contoh, disarankan untuk memeriksa kontak selepas 12 tahun penggunaan bagi pembekab SF6 dead-tank tekanan tunggal.
Operasi Elektrik: Misalnya, pemeriksaan disarankan selepas 2000 operasi elektrik.
Operasi Kesalahan: Sebagai contoh, pemeriksaan disarankan selepas 10 operasi pemutusan arus pendek yang ditetapkan.
Kriteria Gabungan: Gabungan faktor-faktor di atas kadang-kadang digunakan untuk penilaian yang lebih menyeluruh.
Namun, seiring waktu, kaedah-kaedah pemeriksaan berdasarkan masa dan jumlah operasi ini telah mengungkapkan beberapa batasan. Walaupun pemeriksaan ini membantu memastikan keselamatan peralatan, ia tidak selalu dengan tepat mencerminkan keadaan keausan sebenar kontak dan nozzle. Selain itu, pemeriksaan-pemeriksaan ini boleh menjadi mahal, tidak konsisten, dan membawa risiko semasa pemeriksaan dalaman di tapak, yang mungkin menyebabkan kerusakan peralatan.
2. Pengaruh Ark Terhadap Parameter Pembekab
Ark adalah proses termal dan elektrik yang kompleks yang secara signifikan mempengaruhi prestasi pembekab. Semasa pemutusan arus pendek, ark dapat mempengaruhi parameter pembekab melalui ablasi nozzle. Ablasi nozzle merujuk kepada pengerosian bahan nozzle akibat suhu ark yang tinggi. Proses ini memiliki efek ganda terhadap kemampuan pemutusan pembekab:
Tekanan Bilik Bertambah: Apabila nozzle mengalami ablasi, luas keratan rentas leher nozzle bertambah, menyebabkan tekanan dalam bilik pembekab meningkat. Tekanan yang meningkat ini membantu mempercepat pemadam ark dengan menghalang penyalaan semula.
Luas Keratan Rentas Leher Nozzle Bertambah: Peningkatan leher nozzle membolehkan lebih banyak gas mengalir ke kawasan ark, membawa lebih banyak haba dan mengurangkan suhu ark. Namun, ini juga menyebarkan tenaga ark, mungkin melemahkan keupayaan ledakan sendiri pembekab.
Oleh itu, proses ablasi nozzle memiliki kedua-dua efek positif dan negatif terhadap keupayaan pemutusan pembekab ledakan sendiri. Semasa pembekab memutuskan arus pendek, ablasi nozzle menghapus sebahagian tenaga kolom ark, meningkatkan jisim gas dalam ruang nozzle, dan meningkatkan ketumpatan gas di sekitar kontak ark, dengan demikian mengurangkan kemungkinan penyalaan semula.
3. Anggaran Intensiti Ablasi Nozzle dan Kepentingannya
Mengingat pengaruh besar ablasi nozzle terhadap prestasi pembekab, menganggarkan intensiti ablasi (i.e., peningkatan diameter leher nozzle) dan menghitung jisim yang terablasi adalah tugas yang penting. Anggaran yang tepat tentang ablasi nozzle membantu petugas pemeliharaan lebih memahami keadaan kesehatan pembekab dan membuat keputusan yang tepat untuk pemeliharaan masa depan.
Intensiti ablasi boleh dianggarkan melalui metode-metode berikut:
Pemeriksaan Visual: Dengan membongkar pembekab dan mengamati langsung keausan nozzle. Walaupun metode ini mudah, ia mahal dan membawa risiko intrinsik, seperti yang disebutkan sebelumnya.
Teknik Deteksi Non-Invasif: Teknologi deteksi non-invasif canggih, seperti termografi inframerah dan ujian ultrasonik, semakin digunakan untuk pemeliharaan pembekab. Teknik-teknik ini membolehkan penilaian ablasi nozzle dan isu-isu potensial lain tanpa membongkar peralatan.
Analisis Data dan Model Prediktif: Dengan menganalisis data operasi historis pembekab dan menggabungkannya dengan model fisika ark, model prediktif dapat menganggarkan intensiti ablasi nozzle. Pendekatan ini mengurangi pemeriksaan pembongkaran yang tidak perlu dan meningkatkan kecekapan pemeliharaan.
4. Arah Pengembangan Masa Depan
Untuk meningkatkan kecekapan pemeliharaan dan kebolehpercayaan pembekab SF6 tegangan tinggi, strategi pemeliharaan masa depan mungkin lebih bergantung pada pemantauan keadaan dan teknologi diagnosis pintar. Pemantauan masa nyata parameter operasi pembekab (seperti arus, voltan, dan suhu), dikombinasikan dengan algoritma analisis data canggih, dapat memberikan ramalan yang lebih tepat tentang ablasi nozzle dan kesehatan keseluruhan komponen kunci. Pendekatan ini dapat mengurangi pemeriksaan dan perbaikan yang tidak perlu, memperpanjang umur peralatan, dan mengurangi kos pemeliharaan.
Selain itu, perkembangan dalam sains bahan akan fokus pada pengembangan bahan nozzle yang lebih tahan panas dan tahan ablasi. Penggunaan bahan baru dapat lebih meningkatkan kebolehpercayaan dan keupayaan pemutusan pembekab, mengurangi efek negatif dari ablasi nozzle.
Metod Pengukuran Ablasi Nozzle dalam Pembekab Tegangan Tinggi
1.Prinsip Pengukuran Ablasi Nozzle
1.1 Hubungan Antara Sinyal Tekanan dan Ablasi Nozzle
Penelitian telah menunjukkan bahwa ablasi nozzle, yang meningkatkan diameter leher nozzle, mengubah karakteristik aliran gas dalam pembekab. Perubahan ini mempengaruhi distribusi tekanan, menyebabkan variasi dalam sinyal tekanan yang dapat ditangkap oleh sensor tekanan. Secara khusus, ablasi nozzle menghasilkan dua efek utama:
Perubahan Bentuk Gelombang Tekanan: Peningkatan diameter nozzle mengubah hambatan aliran gas, mengubah bentuk gelombang tekanan.
Perubahan Ciri Spektral: Ablasi nozzle juga mempengaruhi ciri spektral sinyal tekanan, terutama dalam rentang frekuensi tinggi.
Dengan menganalisis ciri-ciri sinyal tekanan ini, dimungkinkan untuk mengira tidak langsung tingkat ablasi nozzle.
1.2 Pemasangan dan Pengukuran Sensor Tekanan
Untuk mendapatkan sinyal tekanan yang tepat, sensor tekanan dapat dipasang di titik-titik yang berbeda tergantung pada struktur pembekab dan persyaratan pengukuran:
Pengukuran Pole Tunggal: Setiap pole memiliki katup di bagian bawahnya, yang dapat digunakan untuk menghubungkan sensor tekanan. Penyusunan ini memungkinkan pengukuran gelombang tekanan dari satu pole, menghindari gangguan 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 pembekab, 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 tepat, sensor tekanan piezoelektrik sensitivitas tinggi dilengkapi dengan amplifier muatan yang sesuai. Data tekanan direkam dari awal operasi switching hingga akhir getaran keenam. Sinyal tekanan mentah dapat diproses dengan atau tanpa filter, tergantung pada persyaratan analisis.
Sinyal Tanpa Filter: Transformasi Fourier Cepat (FFT) diterapkan langsung pada sinyal tanpa filter untuk menganalisis ciri-ciri domain frekuensinya.
Sinyal Berfilter: Filter low-pass 100 Hz digunakan untuk menghilangkan noise frekuensi tinggi, hanya menyisakan komponen frekuensi rendah.
Gambar 1 dan 2 menggambarkan sejarah tekanan dan spektrum, memberikan representasi visual dari ciri-ciri sinyal tekanan.
Klasifikasi Kondisi Nozzle Menggunakan Pembelajaran Mesin
Untuk meningkatkan akurasi diagnosis, studi ini menggunakan algoritma pembelajaran mesin berbasis metode k-Nearest Neighbors (k-NN). Prosesnya melibatkan langkah-langkah berikut:
Ekstraksi Fitur: Fitur-fitur kunci diekstrak dari sinyal tekanan, seperti nilai puncak dan lembah, komponen frekuensi, dll. Fitur-fitur ini berfungsi sebagai parameter input untuk algoritma pembelajaran mesin.
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 ablasi nozzle dan kondisi komponen kritis lainnya tanpa membuka ruang gas, memberikan rekomendasi pemeliharaan yang akurat dan memperpanjang umur pembekab.
Titik koneksi dengan sensor tekanan untuk ablasi nozzle (foto dari sumber no 1)
Data mentah pengukuran di katup pengisian utama dalam keadaan asli (biru), sinyal berfilter (merah) (foto dari sumber no 1)
Spektrum frekuensi data mentah dalam metode tekanan pembekab tegangan tinggi (foto dari sumber no 1)
Kesimpulan Metode Tekanan Transien untuk Ablasi Nozzle Pembekab Tegangan Tinggi
1. Ekstraksi Fitur dari Sinyal Tekanan Berfilter dan Tanpa Filter
Beberapa fitur dapat diperoleh dari sinyal tekanan berfilter dan tanpa filter. Fitur-fitur ini menangkap ciri-ciri unik dari sinyal pengukuran yang berbeda dan penting untuk mengidentifikasi kondisi nozzle. Karena dispersi luas fitur-fitur ini, tidak mungkin untuk langsung mencocokkan kondisi ablasi 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 tambahan bobot varians untuk mengakomodasi variabilitas data. Pendekatan ini memastikan bahwa algoritma dapat secara efektif membedakan antara kondisi ablasi yang berbeda berdasarkan informasi gabungan dari fitur-fitur multiple.
2. Keuntungan dan Tantangan Metode Tekanan Transien
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 buruk indikator keadaan (fitur), 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.
3. Evaluasi Algoritma Klasifikasi
Beberapa algoritma klasifikasi telah 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 berbagai jenis pembekab. Untuk pengukuran pembekab yang dipertimbangkan, pendekatan ini dapat melakukan klasifikasi tanpa kesalahan.
