طريقة كشف جديدة للأعطال العالقة في مفاتيح الحمل

في السنوات الأخيرة، مع تقدم التحكم الآلي في التوزيع، شهدت مفاتيح الحمل استخدامًا أوسع في خطوط التوزيع. ومع ذلك، فإن الحوادث الناجمة عن الفشل الميكانيكي آخذة في الارتفاع، مما يشكل عبئًا على تشغيل وصيانة الخطوط.

العطل الميكانيكي هو السبب الرئيسي للفشل في المفاتيح. العديد من العلماء يدرسون تشغيل الأجهزة الكهربائية الضخمة، باستخدام طرق مثل كشف تيار الملفات، وتحليل إشارات الاهتزاز، واختبار سير المفتاح، وكشف العيوب بالموجات فوق الصوتية، والقياس الحراري بالأشعة تحت الحمراء. يعمل كشف حالة المفتاح استنادًا إلى تيار المحرك بشكل جيد للمقاطع الكهربائية والمفصولات ولكنه يستخدم بشكل أقل للأعطال في آلية قيادة مفاتيح الحمل.

أظهرت الأبحاث حول مفاتيح الحمل التي تعمل في الميدان أن إشارات تيار محرك تخزين الطاقة تعكس حالة المفتاح. تتسبب المشاكل الميكانيكية (مثل انسداد الربيع، والتآكل، وانسداد التروس) في آلية القيادة بتغيير معلمات الإشارة الكهربائية (السعة، والمدة، والقمم المحلية). يركز هذا البحث على التآكل الشائع للربيع في المناطق الساحلية ويقوم بدراسة استخراج وتحديد ميزات العطل. الخطوات: 1) تحليل خصائص تيار المحرك، تقسيم الموجات إلى 4 مراحل، وتقييم كل مرحلة. 2) تصميم جهاز لجمع البيانات لموجات التيار تحت ظروف مختلفة. 3) اقتراح خوارزمية لبدء التسجيل واستخراج الخصائص وطرق تحديد العطل. 4) التحقق من صحة ذلك عبر التجارب.

1 تحليل خصائص تيار محرك تخزين الطاقة

تستخدم مفاتيح الحمل عادةً المحركات الكهربائية المباشرة لتشغيل الربيع الضاغط لتخزين الطاقة. أثناء تشغيل المحرك، ترتبط عزم الدوران والسرعة المرتدة عن طريق دوامة المحرك بشكل وثيق بتيار الدائرة الثابتة. المعادلات الكهرومغناطيسية والعزم الكهربائي للمحرك ذو التحريض المتوازي هي كما يلي:

في المعادلة (1)، يمثل T العزم الكهرومغناطيسي، n تمثل السرعة الدورانية، Ia تمثل تيار الدائرة، Ra تمثل مقاومة الدائرة الثابتة وهي ثابتة، Ea تمثل القوة الكهربية الذاتية للملف، U تمثل الجهد النهائي، ΔU تمثل هبوط الجهد عند نقطة الاتصال وهو ثابت، ϕ تمثل التدفق المغناطيسي، Ce تمثل ثابت القوة الكهربية الذاتية، و CT تمثل معامل العزم. بناءً على المعادلة (1)، يمكننا استنتاج:

من المعادلة (2)، عندما يكون تيار الحمل صغيرًا، تكون تأثيرات التدمير المغناطيسي للدائرة الثابتة ضئيلة بحيث يعتبر التدفق المغناطيسي ثابتًا، والعزم الكهرومغناطيسي يتناسب طرديًا مع تيار الحمل. مع زيادة تيار الحمل، يزداد العزم ولكن السرعة الدورانية تميل إلى الانخفاض. ومع ذلك، يؤدي تأثير التدمير المغناطيسي الناتج عن تيار الحمل الأعلى إلى تقليل التدفق المغناطيسي، مما سيزيد السرعة. هذه التأثيرات المتعاكسة تؤدي عادةً إلى انخفاض طفيف في سرعة المحرك ذو التحريض المتوازي. يوضح الشكل 1 الشكل المعتاد لموجة تيار محرك تخزين الطاقة الكهربائية المباشرة، مقسمة إلى 4 مراحل.يشير الشكل 1 إلى الشكل المعتاد لموجة تيار محرك تخزين الطاقة الكهربائية المباشرة، مقسمة إلى 4 مراحل.

المرحلة 1 (t₀)–(t₁): مرحلة بدء التشغيل للمحرك

في الوقت t0، يتلقى مفتاح الحمل إشارة إغلاق من وحدة الطرف التوزيع، مما يغذي المحرك المتحكم به ليبدأ التشغيل تحت الحمل. يرتفع تيار المحرك إلى ذروة البداية عند tst، ثم ينخفض بسرعة ليدخل في التشغيل المستقر.

المرحلة 2 (t₁)–(t₂): مرحلة التشغيل المستقر للمحرك

يدفع المحرك الترس الناقل للدوران دون حمل. خلال هذه المرحلة، يعمل المحرك بشكل مستقر تحت حمل خفيف، مع سعة تيار المحرك عند Ia.

المرحلة 3 (t₂)–(t₄): مرحلة تخزين طاقة الربيع

مع تخزين الربيع للطاقة، يزداد عزم الدوران الخارج من المحرك تدريجيًا ليصل إلى أقصاه عند t3؛ وفي تلك النقطة، يصل تيار المحرك أيضًا إلى أقصاه Im. بعد ذلك، ينخفض عزم الدوران الخارجي للمحرك تدريجيًا.

المرحلة 4 (t₄)–(t₅): مرحلة قطع تيار المحرك

عند t4، يصل الربيع الضاغط إلى المفتاح النهائي، مما يقطع التيار عن المحرك. ينخفض تيار المحرك بسرعة حتى يصل إلى الصفر عند t5، ويوقف المحرك العمل.

2 تشخيص أعطال انسداد محرك تخزين الطاقة
2.1 محاكاة العطل وجمع البيانات

تمت محاكاة اختبار عطل الانسداد على مفتاح حمل من مصنع معدات كهربائية (السيناريو في الشكل 2(a)). بعد فك المفتاح، خلال مراحل التشغيل المستقر للمحرك وتخزين طاقة الربيع، تم تطبيق قوى عكسية بواسطة رافع لمحاكاة انسداد التروس/الربيع. استخدم جهاز جمع بيانات مخصص (الشكل 2(b)) شريحة ARM STM32F103 لجمع الإشارات من محول التيار HSTS016L (مدخل DC: 0-30A). بما أن إشارة الفتح لا تحتوي على الشكل الموجي المستهدف للتيار، فإن هذا البحث يركز على إشارة تيار الإغلاق.

2.2 خوارزمية بدء تسجيل الموجة

من الشكل 1، تغطي الموجة الفعالة للإشارة نافذة زمنية من t0 إلى t5، تتكون من 4 مراحل مع تغيرات متعددة في التيار. بالإضافة إلى ذلك، هناك اختلافات كبيرة في سعة الإشارة بين المحركات المختلفة. لذلك، فإن استخدام حد بسيط لسعة التيار كمعيار لبدء تسجيل موجة الإشارة غير مناسب بوضوح. لذا، يستخدم هذا البحث معدل التغير في التيار Kt ضمن نافذة زمنية واحدة والقيمة المتوسطة Imean كمعايير لبدء تسجيل الموجة بشكل فعال. معدل التغير في التيار ضمن نافذة زمنية واحدة:

التيار المتوسط لكل نافذة زمنية:

في المعادلات (3) و(4)، Ii يمثل إشارة التيار، M هو عدد نقاط الاستشعار في النافذة الزمنية الواحدة، Δt هو طول الوقت للنافذة الزمنية الواحدة، وفي هذا البحث Δt = 0.02s، I(1) هو أول نقطة استشعار في النافذة الزمنية الواحدة.

2.3 استخراج الخصائص في مجال الزمن

لتحديد عطل الانسداد في محرك تخزين الطاقة، يتم استخراج المعلومات التعبيرية من المنحنى من خلال بعض المؤشرات الزمنية. يمكن أن يصف الكورتوسيس K نعومة إشارة التيار، يمكن أن يصف الجذر التربيعي للوسط الحسابي Irms الطاقة المتوسطة لإشارة التيار، يمكن أن يقيس اللامركزية sk اتجاه ومقدار انحراف توزيع البيانات الإحصائية، يمكن استخدام عامل الشكل sh وعامل الذروة C لوصف درجة القمة القصوى في الموجة.

خوارزمية التصنيف Random Forest (RF) تدمج عدة أشجار قرار. يتم تحديد فئة الإخراج بواسطة الوضع لأصناف أشجار القرار الفردية، وتتميز بدقة عالية، وتحمل جيد للبيانات الغير طبيعية، ومخاطرة منخفضة للإفراط في التخصيص.

2.4 خوارزمية غابة الأشجار العشوائية

تعتمد RF على Bootstrap sampling (أخذ العينات مع الاستبدال لتشكيل n مجموعة من العينات من مجموعة البيانات الأصلية) وBagging voting. يقوم Bagging بإنشاء n مجموعة تدريبية عبر Bootstrap، حيث يتم تدريب تصنيف ضعيف مستقل لكل مجموعة. يأتي القرار النهائي من التصويت على مخرجات التصنيفات الضعيفة، مع اعتبار الأغلبية النتيجة.

تستخدم RF أشجار قرار CART (أشجار ثنائية تقسم من الأعلى إلى الأسفل من الجذر، وتقلل من مؤشر Gini للتقسيمات، الصيغة (5)). وفقًا لما ذكره Liu Min وما إلى ذلك، فإن 100 شجرة قرار تحسن أداء التصنيف. لذا، يستخدم هذا البحث 100 شجرة CART لغابة الأشجار العشوائية.

3 تحليل الحالة
3.1 اختيار الخصائص

يُستخدم مؤشر Gini في غابة الأشجار العشوائية لتقييم أهمية كل خاصية. تظهر النتائج في الشكل 3، حيث يمثل المحور y المعامل النسبي. يمكن رؤية أن أربع كميات من الخصائص، وهي عامل الذروة C، اللامركزية sk، الجذر التربيعي للوسط الحسابي Irms، والكورتوسيس K، ذات أهمية عالية ويمكنها أن تصف بشكل فعال الاختلافات في حالات مختلفة لمفتاح الحمل. الكميات الأربع، بما في ذلك عامل الشكل sh، التيار الأولي الأقصى Ist، وقت تشغيل المحرك t، وTm، لها أهمية منخفضة. لذا، يستخدم هذا البحث C، sk، Irms، وK كمتجهات الخصائص.

3.2 نتائج تشخيص غابة الأشجار العشوائية

تصنف خوارزمية RF حالتين لمفتاح الحمل (طبيعي/مغلق) باستخدام 300 عينة لكل حالة للتدريب (المجموع 600) و 30 عينة للاختبار. تظهر مصفوفة الالتباس (الشكل 4) تحديدًا مثاليًا للحالة الطبيعية، ودقة 97٪ للحالة المغلقة، ودقة تصنيف متوسطة 98.33٪.

3.3 مقارنة خوارزميات التصنيف المختلفة

لتقييم أداء مصنف غابة الأشجار العشوائية، تم تدريب Support Vector Machine (SVM) و Extreme Learning Machine (ELM) في نفس الوقت للمقارنة. تظهر نتائج الاختبار في الجدول 1.

من الجدول 1، بين الثلاثة مصنفات، تستغرق خوارزمية غابة الأشجار العشوائية (RF) وقت تشخيص نسبيًا طويلًا بـ 6.9 مللي ثانية لعينات مجموعة الاختبار. من حيث الدقة، تحقق Support Vector Machine (SVM) دقة 95٪ لحالتين تشغيليتين، وهي أقل من RF. بسبب الأوزان العشوائية للطبقة المخفية، تتقلب دقة Extreme Learning Machine (ELM) بين 85٪ - 96.67٪ ولها قدرة أقل على التحمل من RF. لذا، فإن خوارزمية RF المستخدمة لديها دقة عالية وقدرة جيدة على التحمل.

4 الخلاصة

يقترح هذا البحث طريقة لكشف الأعطال الميكانيكية لمفاتيح الحمل باستخدام خصائص المجال الزمني لتيار محرك تخزين الطاقة وخوارزمية غابة الأشجار العشوائية. يتم استخراج الخصائص الزمنية الممثلة من موجات تيار المحرك واستخدام مصنف RF لتحديد الحالة. يوفر معيار بدء تسجيل الموجة المقترح الحصول الفعال على إشارات تيار المحرك. باستخدام مؤشر Gini في RF، يتم تقييم أهمية الخصائص واختيار أربع خصائص رئيسية (عامل الذروة، اللامركزية، الجذر التربيعي للوسط الحسابي، الكورتوسيس) لوصف حالات مفاتيح الحمل. تظهر التجارب أن الطريقة تحدد حالات الانسداد للمحرك بكفاءة بنسبة دقة 98.33٪.