Il-breakers tal-korrent fort SF6 huma diffużi fl-istemi tal-enerġija għall-protezzjoni tal-kitri minn kortiċi ħafifa u sovraccarichi. Biex taseħħ l-affidabilità u s-sigurtà tagħhom, il-manufacturers solitament jexigux ispezzjonijiet periodiċi u visivi tal-kontatti prinċipali, kontatti tal-ark, u nozzli tal-gas. Dawn l-ispezzjonijiet jiġu effettwati biex jivverifiku l-istat tal-uswija ta’ dawn il-komponenti u jiddeterminaw jekk hija neċessarja s-sostituzzjoni tagħhom.
Storikament, dawn l-ispezzjonijiet inkluwixu diversi kriterji:
Interval ta’ Ħin: Pereżempju, jissoqqgħu l-ispezzjoni tal-kontatti baħar 12 sena ta’ użu għal breakers tal-kurrent fort SF6 tal-tank mort b’pressjoni waħda.
Operazzjonijiet Elettriki: Pereżempju, jissoqqgħu l-ispezzjoni baħar 2000 operazzjonijiet elettriki.
Operazzjonijiet tal-Falt: Pereżempju, jissoqqgħu l-ispezzjoni baħar 10 operazzjonijiet tal-falt tas-silġ tal-kurrent fort.
Kriterji Miktugħa: F’dawn il-każijiet, jissoqqgħu l-użu ta’ kombinazzjoni tal-kriterji diġà menzionati għall-assessjar l-istat tal-kontatti u nozzli b’mudalità akkuratija.
Fl-intervall, dawn l-ispezzjonijiet bsadu mill-bażi u operazzjonali revelaraw xi limiti. Anki jgħinu f’sigurtà tal-materjal, mhux dejjem jirriflettu l-istat reali tal-uswija tal-kontatti u nozzli. Aħar haga, dawn l-ispezzjonijiet jistgħu ikunu kostanti, mhux konsistenti, u jipperikolu r-skadenza tal-materjal waqt ispezzjonijiet interni fuq is-sit, li jistgħu ssibb għażil tal-materjal.
L-ark huwa proċess termiku u elettriku komplikat li jaffettwa sostanzjali l-effiċjenza tal-breaker. Waqt it-taqsim tas-silġ tal-kurrent fort, l-ark jista’ jaħdemx il-parametri tal-breaker permezz tal-ablazjoni tal-nozzli. L-ablazjoni tal-nozzli tirreferi għall-erosjoni tal-material tal-nozzlu minħabba t-temp superjur tal-ark. Din il-proċess għandha effett dwieġel fuq l-immaġġini tal-breaker:
Pressjoni Magħrufa fil-Kamra: Meta jissabb il-nozzlu, l-area trasversali tal-gola tal-nozzlu tismexxi, li jikkawża pressjoni magħrufa ftit aktar fil-kamra tal-breaker. Din il-pressjoni taffrettax l’estinzjoni tal-ark permezz tal-supprezzjoni tal-rimbalz.
Aument fil-Area Trasversali tal-Gola tal-Nozzlu: Il-larghezza tal-gola tal-nozzlu tħalli aktar gas jingħatax fil-regjun tal-ark, li jikkawża l-aħdax tal-ħloq u tneħtix t-temp tal-ark. Hawn, l-enerġija tal-ark tkun dispersa, possibilment jinkiseb l-kapaċità tal-self-blast tal-breaker.
Dakemm, l-ablazjoni tal-nozzlu tħammil effetti positi u negativi fuq l-immaġġini tal-breaker tal-self-blast. Meta il-breaker jinterrompi silġ tal-kurrent fort, l-ablazjoni tal-nozzlu toħloq parta tal-enerġija tal-ark, t żiddix l-massa tal-gas fil-spazju tal-nozzlu, u tirkupra l-densità tal-gas wara l-ark, li jneħti l-probabbiltà tal-rimbalz.
Għal effett signifikanti tal-ablazjoni tal-nozzlu fuq l-immaġġini tal-breaker, stima tal-intensità tal-ablazjoni (il-żid fi diametru tal-gola tal-nozzlu) u kalkol tat-talbass tal-massa huwa task essenzjali. Stima akkurata tal-ablazjoni tal-nozzlu tajjeb l-personal tal-manutenzjoni biex jiffahmu l-istat tal-breaker u jagħmlu deċiżjonijiet infurma per l-avvenur.
L-intensità tal-ablazjoni tista’ tstimm permezz tal-metodijiet seguenti:
Ispezzjoni Visiva: B’dismantlament tal-breaker u osservazzjoni diretta tal-uswija tal-nozzlu. Dan il-metod huwa straightforward, imma huwa kostanti u jipperikolu r-skadenza tal-materjal, kif qegħdin ngħidu qabel.
Teknikijiet tan-Nondisturbo: Teknikijiet avvanzati tan-nondisturbo, bħal thermografia infraruża u test ultrasoniku, qed jiżviluppaw aktar għal manutenzjoni tal-breaker. Dawn it-teknikijiet jgħinu l-assessjar l-ablazjoni tal-nozzlu u problemi oħrajn potenzjali mingħajr bżonn dismanatlament tal-materjal.
Analiżi tad-Data u Modell Predittiv: B’analiżi tad-data storika tal-operazzjonijiet tal-breaker u bil-mezzu ta’ modelli fiziku tal-ark, modelli predittivi jistgħu stimax l-intensità tal-ablazjoni tal-nozzlu. Dan l-approċċ jniqsas l-ispezzjonijiet mhux neċessarji u jżid l-effiċjenza tal-manutenzjoni.
Biex tżid l-effiċjenza u l-affidabilità tal-manutenzjoni tal-breakers tal-korrent fort SF6, strategiji futuri tal-manutenzjoni jistgħu jiġu affidi aktar għal monitoraġġ tal-kundizzjoni u teknoloġiji diagnostiċi intelligenti. Monitoraġġ real-time tal-parametri tal-operazzjoni tal-breaker (kif kurrent, volt, u temp), miktugħ ma’ algoritmi avvanzati tad-data, jistgħu joffru previżjoni aktar akkurata tal-ablazjoni tal-nozzlu u l-istat tal-kundizzjoni tal-komponenti kritiċi. Dan l-approċċ jniqsas l-ispezzjonijiet u riparazzjonijiet mhux neċessarji, jżid l-aħdax tal-materjal, u jniqsas l-kostijiet tal-manutenzjoni.
Aħar haga, progredimenti fis-sienzi tal-materjal se jsiru fuq l-iżvilupp ta’ materiali tal-nozzlu aktar resistenti għall-ħloq u ablazjoni. L-applikazzjoni ta’ materiali ġodda tista’ tżid l-affidabilità u l-immaġġini tal-breaker, bl-inħalas tal-effetti negativi tal-ablazjoni tal-nozzlu.

Metod ta’ Misurazzjoni għal Ablazjoni tal-Nozzlu fl-Breakers tal-Korrent Fort
1.Prinċipji ta’ Misurazzjoni tal-Ablazjoni tal-Nozzlu
1.1 Relazzjoni Bejn Segnali tal-Pressjoni u Ablazjoni tal-Nozzlu
Ir-riċerka tħares id-daħla tal-ablazjoni tal-nozzlu, li zid il-diametru tal-gola tal-nozzlu, bidla l-karatteristiċi tal-flus tal-gas fil-breaker. Din il-bidla taffettwa l-distribuzzjoni tal-pressjoni, li jikkawża varjazzjonijiet fis-segnali tal-pressjoni li jistgħu jiġu reġistrati permezz ta’ sensori tal-pressjoni. Speċifikament, l-ablazjoni tal-nozzlu jgħoddi dwa effetti prinnipali:
Bidliet fi l-Waveform tal-Pressjoni: Zid fil-diametru tal-nozzlu bidla l-resistenza tal-flus tal-gas, li jbidel is-silġ tal-waveform tal-pressjoni.
Bidliet fi l-Karatteristiċi Spektrali: L-ablazjoni tal-nozzlu wkoll tinfluwenza l-karatteristiċi spektrali tal-segnali tal-pressjoni, partikularment fit-tranġet tal-frekwenza għoli.
B’analisi ta’ dawn il-karatteristiċi tal-segnali tal-pressjoni, huwa possibli l-inferriment indirett tal-extens ta’ ablazjoni tal-nozzlu.
1.2 Instalazzjoni u Misurazzjoni tal-Sensori tal-Pressjoni
Biex jistgħu jiġu ottenuti segnali tal-pressjoni akkurati, is-sensori tal-pressjoni jistgħu jiġu instattati f’punti differenti skont struttura tal-breaker u requisiti ta’ misurazzjoni:
Misurazzjoni ta’ Pole Wahed: Kull pole għandu valva fl-inferior, li tista’ tuża biex tikkonektax is-sensori tal-pressjoni. Din is-settatura tgħalli l-misurazzjoni tal-ondata tal-pressjoni mill-pole wahed, imbilni l-interferenza mill-superposizzjoni tal-segnali multi-poles.
Misurazzjoni ta’ Tliet Poles: Fl-operazzjonijiet standard, it-tliet poles huma mekkonnessa permezz ta’ tubes tal-ram, u għandhom valva principali tal-ħolqan fil-base tal-breaker, li tikkonektax it-tliet poles. Jekk il-valva principali tal-ħolqan tiġi użata bħal punt tal-konezzjoni għal is-sensori tal-pressjoni, is-segnali misurati jkunu superpożizzjoni ta’ tliet segnali individuali tal-pressjoni.
Biex jaseħħ l-accuratezza tal-misurazzjoni, jistgħu jiġu użati sensori tal-pressjoni piezoelektriċi b’sensibilità għoli, equippati b’amplificaturi adatti. Id-data tal-pressjoni jiġu rekordati mid-dawk tal-operażjoni switċċa sal-aħħar tal-ħames tar-rotazzjonijiet. Is-segnali tal-pressjoni ruż miġbura jistgħu jiġu elaborati b’maskara jew sensa, skont ir-requisiti ta’ analisi.
Segnal Sensa Maskara: It-Transform Fast Fourier (FFT) jiġi applicat direttament għal is-segnal sensa maskara biex janalizza l-karatteristiċi tal-domani tal-frekwenza.
Segnal b’Maskara: Jivvendika maskara ta’ 100 Hz biex jelimina l-rumur tal-frekwenza għoli, li jliġi biss il-komponenti tal-frekwenza bassa.
Iffiguri 1 u 2 jilustraw l-storja tal-pressjoni u l-spektru, li jfornixxu rappreżentazzjoni viziv tal-karatteristiċi tal-segnali tal-pressjoni.
Klassifikazzjoni tal-Kundizzjoni tal-Nozzlu permezz ta’ Machine Learning
Biex tżid l-accuratezza tal-diagnosi, din is-studju tuża algoritmu ta’ machine learning bhedded metodu k-Nearest Neighbors (k-NN). Il-proċess jinkludi l-passi seguenti:
Estrazzjoni ta’ Karatteristiċi: Karatteristiċi importanti jiġu estratti mis-segnali tal-pressjoni, kif kpeak u valley values, komponenti tal-frekwenza, u oħrajn. Dawn il-karatteristiċi jiġu użati bħal parametri ta’ input għal l-algoritmu ta’ machine learning.
Training tal-Model: Il-model k-NN jiġi trainat permezz ta’ data magħrufa dwar il-kundizzjoni tal-nozzlu u l-elettrodi. Fil-training, l-algoritmu jiddetermina l-neighbours aħrab b’base għal distanzi tal-karatteristiċi biex jieffettwa klassifikazzjoni.
Klassifikazzjoni ta’ Data Ġodda: Għal misurazzjonijiet ġodda mhux magħrufa, il-model trainat jiġi użat biex jklassifika l-kundizzjoni tal-nozzlu u l-elettrodi.
Dan l-approċċ jgħin l-assessjar l-ablazjoni tal-nozzlu u l-kundizzjoni tal-komponenti kritiċi mingħajr bżonn l-opening tal-kamra tal-gas, jfornixxu rekomandazzjonijiet ta’ manutenzjoni akkurati, u jżid l-aħdax tal-breaker.
Punt tal-konezzjoni mal-sensor tal-pressjoni għal ablazjoni tal-nozzlu (foto mill-sors numru 1)

Data orijinali tal-misurazzjoni mill-valva principali tal-ħolqan (blu), segnal filtrat (ħmar) (foto mill-sors numru 1)

Spektru tal-frekwenza tal-data orijinali fl-metod tal-pressjoni tal-breaker tal-korrent fort (foto mill-sors numru 1)
Numru ta’ karatteristiċi jistgħu jiġu derivati mis-segnali tal-pressjoni filtrati u sensa filtrazzjoni. Dawn il-karatteristiċi jikkaptax il-karatteristiċi unika ta’ diversi segnali ta’ misurazzjoni u huma essenzjali għal l-identifikazzjoni tal-kundizzjoni tal-nozzli. Għaldispersjoni għoli ta’ dawn il-karatteristiċi, mhux possibli l-match dirett bejn diversi kondizzjonijiet ta’ ablazjoni u karatteristiċi individuali. Biex jindirizzaw dan il-problema, l-algoritmu k-Nearest Neighbors (k-NN) jiġi impiegat għal evalwazzjoni.
L-algoritmu k-NN jġenera vettur n-dimensionali għal kull misurazzjoni, fejn n jirrapreżenta l-numru ta’ karatteristiċi. Id-distanza bejn żewġ vetturi tikkelmula permezz tal-distanza Euclidean, b’agħżel addizzjonali ta’ varianza biex jikkonsidraw l-varjabilità fid-data. Dan l-approċċ jensurex li l-algoritmu jistgħa jidistinghu bejn diversi kondizzjonijiet ta’ ablazjoni permezz tal-informazzjoni miktugħa minn karatteristiċi multipli.
Il-metod tal-pressjoni transient huwa vantaggju għaliex jista’ jiġi implementat b’mod ċikli permezz ta’ valvuli esistenti tal-ħolqan biex jikkoneżżjaw is-sensori tal-pressjoni. Imma, l-ewwel sfida huwa l-dispersjoni żgħira tal-indikaturi tal-kundizzjoni (karatteristiċi), li jgħodd ix-xejn xieraq għal diagnosi akkurata tal-nozzlu. Biex jindirizzaw dan il-limit, l-skala tal-karatteristiċi ġiet ottimizzata permezz ta’ analisi tas-sensibilità. Anki jekk karatteristiċi wahed jista’ jipprovdxi informazzjoni sufficienti għal kwalunkwe każ, il-kombinazzjoni ta’ l-ghoxrin karatteristiċi u l-algoritmu ta’ klassifikazzjoni k-NN jżidu l-accuratezza ta’ diagnosi.
Numru ta’ algoritmi ta’ klassifikazzjoni ġew testati, u r-riżultati wasslu li l-algoritmu k-NN, użant id-distanza Euclidean standard, rriċevi l-error rate infeżor ta’ 0.9% waqt cross-validation. Din il-kombinazzjoni ta’ karatteristiċi u l-algoritmu k-NN ġiet applikata għal klassifikazzjoni ta’ misurazzjonijiet fuq is-sit għal diversi tipi ta’ breakers. Għal il-breakers konsiderati, dan l-approċċ kien jistgħi jiekki l-klassifikazzjoni sensa erori.