Kontaktna čvorovita erozija u visokonaponskom prekidaču sa šestflorufluoridom ugljenika (SF6)

Pregled i održavanje džepova visokonaponskih SF6 prekidača

1. Pozadina i tradicionalne metode pregleda

Visokonaponski SF6 prekidači su široko korišćeni u elektroenergetskim sistemima za zaštitu krugova od kratak spoj i preopterećenja. Da bi se osigurala njihova pouzdanost i bezbednost, proizvođači obično zahtevaju periodičnu dekompoziciju i vizuelni pregled glavnih kontakata, luka kontakata i plinovih džepova. Ovi pregledi imaju za cilj procenu stanja opadanja ovih komponenti i utvrđivanje da li je potrebna zamena.

Istorijeski, ovi pregledi su se zasnovani na nekoliko kriterijuma:

• Vremenski interval: Na primer, preporučuje se pregled kontakata nakon 12 godina korišćenja za visokonaponske SF6 prekidače sa jednim pritiskom.

• Električne operacije: Na primer, preporučuju se pregledi nakon 2000 električnih operacija.

• Operacije uz grešku: Na primer, preporučuju se pregledi nakon 10 operacija na nivoj nominalnog kratak spoja.

• Kombinovani kriterijumi: Ponekad se koristi kombinacija gore navedenih faktora za kompletniju procenu.

Međutim, tokom vremena, ove metode pregleda zasnovane na vremenskim intervalima i broju operacija otkrile su neke ograničenja. Dok ovi pregledi pomažu u osiguranju sigurnosti opreme, ne uvijek točno odražavaju stvarno stanje opadanja kontakata i džepova. Takođe, ovi pregledi mogu biti skupi, nekonzistentni i predstavljati potencijalne rizike tijekom terenskih internih pregleda, što može dovesti do oštećenja opreme.

2. Utjecaj lukovanja na parametre prekidača

Lukovanje je složen termalni i električni proces koji značajno utiče na performanse prekidača. Tijekom prekidanja struja kratak spoj, lukovanje može uticati na parametre prekidača putem ablacije džepova. Ablacija džepa odnosi se na eroziju materijala džepa uzrokovanu visokom temperaturom luka. Ovaj proces ima dvostruki uticaj na sposobnost prekidača da prekida strujni tok:

• Povećanje pritiska u spremniku: Kako se džep ablira, poprečni presjek grla džepa povećava, što dovodi do većeg pritiska unutar spremnika prekidača. Ovo povećanje pritiska pomaže ubrzavanju gasnjenja luka supresijom ponovnog zapaljenja.

• Povećanje poprečnog presjeka grla džepa: Proširenje grla džepa omogućava protoku više plina u regiju luka, nosići više topline i smanjujući temperaturu luka. Međutim, ovo takođe disperzira energiju luka, potencijalno slabeći samopropelznu sposobnost prekidača.

Stoga, proces ablacije džepa ima i pozitivne i negativne efekte na sposobnost prekidača da prekida strujni tok. Kada prekidač prekida struju kratak spoj, ablacija džepa uklanja dio energije stuba luka, povećava masu plina u prostoru džepa i povećava gustinu plina oko kontakata luka, time smanjujući verovatnoću ponovnog zapaljenja.

3. Procena intenziteta ablacije džepa i njegova važnost

Uzimajući u obzir značajan uticaj ablacije džepa na performanse prekidača, procena intenziteta ablacije (tj. povećanje prečnika grla džepa) i izračunavanje abliranog mase je ključna zadatak. Tačna procena ablacije džepa pomaže održavajućem osoblju da bolje razume zdravlje prekidača i donese informisane odluke o budućem održavanju.

Intenzitet ablacije može se proceniti putem sledećih metoda:

• Vizuelni pregled: Dekomponovanjem prekidača i direktnim posmatranjem opadanja džepa. Iako je ova metoda jednostavna, ona je skupa i nosi intrinsične rizike, kao što je ranije navedeno.

• Nevintruzivne tehnike detekcije: Napredne nevintruzivne tehnike detekcije, poput infracrvene termografije i ultrazvučnog testiranja, sve više se koriste za održavanje prekidača. Ove tehnike omogućavaju procenu ablacije džepa i drugih potencijalnih problema bez dekomponovanja opreme.

• Analiza podataka i prediktivno modeliranje: Analizom povijesnih operativnih podataka prekidača i kombinacijom s modelima fizike luka, prediktivni modeli mogu proceniti intenzitet ablacije džepa. Ovaj pristup smanjuje nepotrebnim dekomponovanim pregledima i poboljšava efikasnost održavanja.

4. Smjerovi budućeg razvoja

Da bi se poboljšala efikasnost održavanja i pouzdanost visokonaponskih SF6 prekidača, buduće strategije održavanja mogu više da se oslanjaju na nadzor stanja i inteligentne dijagnostičke tehnologije. Stvarni vremenski nadzor operativnih parametara prekidača (poput struje, napona i temperature), kombiniran s naprednim algoritmima analize podataka, može pružiti precizniju predikciju ablacije džepa i ukupnog zdravlja ključnih komponenti. Ovaj pristup može smanjiti nepotrebne pregledi i popravke, produžiti životnu vrednost opreme i sniziti troškove održavanja.

Takođe, napredak u materijalnoj nauki fokusirat će se na razvoj materijala za džepove koji su otporniji na toplinu i ablaciju. Primena novih materijala može dalje poboljšati pouzdanost i sposobnost prekidača da prekida strujni tok, umanjivajući negativne efekte ablacije džepa.

Metod za mjerenje ablacije džepa u visokonaponskim prekidačima

1.Principi mjerenja ablacije džepa

1.1 Odnos između signala pritiska i ablacije džepa

Istraživanja su pokazala da ablacija džepa, koja povećava prečnik grla džepa, mijenja karakteristike protoka plina unutar prekidača. Ova promjena utiče na raspodelu pritiska, dovodeći do varijacija u signalima pritiska koje mogu da registruju senzori pritiska. Konkretno, ablacija džepa rezultira sa dva primarna efekta:

• Promjene u valnom obliku pritiska: Povećanje prečnika džepa mijenja otpor protoka plina, menjajući oblik valnog oblika pritiska.

• Promjene u spektralnim karakteristikama: Ablacija džepa takođe utiče na spektralne karakteristike signala pritiska, posebno u visokofrekventnom opsegu.

Analizom ovih karakteristika signala pritiska, moguće je indirektno zaključiti o stepenu ablacije džepa.

1.2 Instalacija i mjerenje senzora pritiska

Za dobijanje tačnih signala pritiska, senzori pritiska mogu biti instalirani na različitim lokacijama, u zavisnosti od strukture prekidača i zahteva za merenjem:

• Mjerenje pojedinačnog pola: Svaki pol ima ventil na dnu, koji se može koristiti za povezivanje senzora pritiska. Ova postavka omogućava mjerenje talasa pritiska s pojedinačnog pola, izbegavajući interferenciju iz superpozicije signala više polova.

• Mjerenje tri pola: Tokom standardne operacije, tri pola su povezana bakarnim cevima, sa glavnim ventilom za punjenje unutar baze prekidača, koji povezuje sva tri pola. Ako se glavni ventil za punjenje koristi kao tačka povezivanja senzora pritiska, mereni signal će biti superpozicija tri pojedinačna signala pritiska.

Za osiguranje tačnih merenja, koriste se visokoosjetljivi piezoelektrični senzori pritiska opremljeni odgovarajućim napajanjima naboja. Podaci o pritisku se snimaju od početka operacije preklapanja do kraja šestog oscilacije. Suhi signal pritiska može se obraditi sa ili bez filtriranja, u zavisnosti od zahteva za analizom.

• Neefiltrirani signal: Brza Furijeova transformacija (FFT) se direktno primjenjuje na neefiltrirani signal kako bi se analizirale njegove karakteristike u frekvencijskom domenu.

• Efiltrirani signal: Koristi se filter niskih frekvencija od 100 Hz kako bi se uklonio visokofrekventni šum, čuvajući samo niskofrekventne komponente.

Slike 1 i 2 ilustruju historiju pritiska i spektar, pružajući vizualnu reprezentaciju karakteristika signala pritiska.

2. Klasifikacija stanja džepa pomoću mašinskog učenja

Da bi se poboljšala tačnost dijagnoze, ovo istraživanje koristi algoritam mašinskog učenja temeljen na metodi k-najbližih suseda (k-NN). Proces uključuje sledeće korake:

• Izdvajanje karakteristika: Ključne karakteristike se izdvajaju iz signala pritiska, poput vrhunskih i dolinskih vrednosti, frekvencijskih komponenti itd. Ove karakteristike služe kao ulazni parametri za algoritam mašinskog učenja.

• Trening modela: Model k-NN se treninguje koristeći poznate podatke o stanju džepa i elektroda. Tijekom treninga, algoritam određuje najbliže susede na osnovu udaljenosti karakteristika kako bi izvršio klasifikaciju.

• Klasifikacija novih podataka: Za nove, nepoznate merenja, trenirani model se koristi za klasifikaciju stanja džepa i elektroda.

Ovaj pristup omogućava procenu ablacije džepa i stanja drugih ključnih komponenti bez otvaranja spremnika plina, pružajući tačne preporuke za održavanje i produžavajući životnu vrednost prekidača.

Tačka povezivanja sa senzorom pritiska za ablaciju džepa (slika iz izvora br. 1)

Suhi podaci merenja na glavnom ventilu za punjenje u originalnom stanju (plavo), efiltrirani signal (crveno) (slika iz izvora br. 1)

Spektar frekvencija suhih podataka u metodi pritiska visokonaponskih prekidača (slika iz izvora br. 1)

Zaključak o transijentnoj metodi pritiska za ablaciju džepa visokonaponskih prekidača

1. Izdvajanje karakteristika iz efiltriranih i neefiltriranih signala pritiska

Nekoliko karakteristika može biti izvedeno iz oba efiltriranih i neefiltriranih signala pritiska. Ove karakteristike uhvataju jedinstvene osobine različitih signala merenja i su ključne za identifikaciju stanja džepa. Zbog šire disperzije ovih karakteristika, nije moguće direktno podudariti različite stanje ablacije sa pojedinačnim karakteristikama. Da bi se ovo izazov rešilo, koristi se algoritam k-najbližih suseda (k-NN) za evaluaciju.

Algoritam k-NN generiše n-dimenzioni vektor za svako merenje, gde n predstavlja broj karakteristika. Rastojanje između dva vektora se računa koristeći Euklidovo rastojanje, sa dodatnim težinjanjem varijanse kako bi se uzela u obzir varijabilnost podataka. Ovaj pristup osigurava da algoritam može efikasno razlikovati različite stanje ablacije na osnovu kombinovane informacije iz više karakteristika.

2. Prednosti i izazovi transijentne metode pritiska

Transijentna metoda pritiska je prednost jer se može lako implementirati koristeći postojeće ventil za punjenje za povezivanje senzora pritiska. Međutim, jedan od glavnih izazova je loša disperzija indikatora stanja (karakteristika), što čini teško tačnu dijagnozu stanja džepa. Da bi se prevazišao ovaj nedostatak, skalirane karakteristike su optimizirane kroz analizu osjetljivosti. Iako jedna karakteristika može ne pružiti dovoljno informacija za sve slučajeve, kombinacija svih sedam karakteristika sa k-NN klasifikacionim algoritmom značajno poboljšava tačnost dijagnoze.

3. Ocena klasifikacionih algoritama

Testirano je nekoliko klasifikacionih algoritama, a rezultati su pokazali da je algoritam k-NN, koristeći standardno Euklidovo rastojanje, postigao najnižu stopu greške manju od 0,9% tijekom križne validacije. Ova kombinacija karakteristika i algoritma k-NN je zatim primenjena za klasifikaciju terenskih merenja za različite tipove prekidača. Za razmatrana merenja prekidača, ovaj pristup je bio u stanju izvršiti klasifikaciju bez grešaka.