GIS Gerilim Dönüşümcüsü Akıllı İşletme ve Bakım Çözümü: IoT Tabanlı Tahmini Bakım Sistemi

1.Zorluklar:​​
Geleneksel gerilim dönüştürücüler (VT'ler) genellikle yüksek frekanslı manuel incelemeler gerektirir. Bu, üç temel sorun noktasını ortaya koyar:

• ​Olası Arızaların Geciken Tespiti:​​ Kapalı gaz yalıtım yapısı (GIS), iç kısmi salınım (PD), küçük SF6 gaz yoğunluğu düşüşleri ve anormal sıcaklık artışları gibi erken arıza göstergelerinin görsel olarak veya geleneksel yöntemlerle tespit edilmesini zorlaştırır.
• ​Düşük Yanıt Verme Etkinliği:​​ Uzun manuel inceleme döngüleri (hafta/ay) ani arızaların, yalıtım çöküşü veya gaz sızıntıları gibi, uyarı vermeden meydana gelmesine neden olur, bu da planlanmamış kesintilere yol açar.
• ​Yüksek Bakım ve İşletme Maliyetleri:​​ Önleyici testler ve rutin bakım önemli miktarda insani kaynak ve malzemeyi tüketir, hem aşırı bakım hem de yetersiz bakım riskleri taşır.

​2. Çözüm: IoT Tabanlı Tahmini Bakım Sistemi​
Bu zorlukları ele almak için, bu çözüm, GIS-VT'lerin tüm yaşam döngüsünü kapsayan akıllı bir izleme ağı oluşturur:

​​(1) Kapsamlı Algılama Katmanı:​​

• ​Hassas Dağıtım:​​ Ana VT düğümlerine (örneğin, yüksek gerilim bağlantıları, spesiyerlerin yakınına, gaz bölme gövdesine) yüksek hassasiyetli sensörler yerleştirilir/eklenir:
• Kısmi Salınım (PD) Sensörleri: Yüksek frekanslı CT veya Ultra Yüksek Frekans (UHF) sensörleri gerçek zamanlı yalıtım bozulma sinyallerini tespit eder.
• Gaz Yoğunluğu ve Nem Sensörleri: SF6 gaz basıncı, yoğunluğu ve nem içeriği değişikliklerini sürekli takip eder.
• Sıcaklık Sensörleri: İletken bağlantı ve kaplamaların anormal sıcaklık artış noktalarını izler.
• ​Güvenilir Aktarım:​​ Sensör verileri, endüstriyel sınıf kablosuz/fiber optik ağlar kullanılarak cihaz-entegre IoT geçitleri aracılığıyla bulut izleme platformuna gerçek zamanlı olarak iletilir, bu da veri zamanlılığını ve bütünlüğünü sağlar.

​​(2) Yapay Zeka Destekli Analiz Platformu:​​

• ​Büyük Veri Entegrasyonu:​​ Platform, gerçek zamanlı izleme verilerini, benzer ekipmanların arıza veritabanları, geçmiş işletme/bakım kayıtları ve çevre koşulları (yük, sıcaklık) gibi çok boyutlu bilgilerle bütünleştirir.
• ​Yapay Zeka Tanı Motoru:​​
• Özellik Çıkarma: PD desenlerini (örneğin, yüzen salınım, yüzey salınımı), gaz sızıntısı eğilim çizgilerini ve sıcaklık anormallik korelasyon haritalarını otomatik olarak tanımlar.
• Derin Öğrenme Tahmini: LSTM ve Rastgele Orman gibi algoritmaları kullanarak hata tahmin modelleri oluşturur, bileşen sağlık indekslerini (HI) ve kalan faydalı ömrü (RUL) niceliksel olarak değerlendirir.
• Hassas Erken Uyarı: "Yalıtıcı yüzey salınım bozulması" veya "yaşlanma nedeniyle mühür halkası mikro sızıntısı" gibi kritik arızaları en az 7 gün öncesinde tahmin eder, erken uyarı doğruluğu %92'nin üzerinde olur.

​​(3) Görselleştirilmiş Bakım ve İşletme Paneli:​​

• ​Panoramik Görselleştirme:​​ Çok seviyeli (GIS ekipmanı, bölüm, tekil VT) sağlık durumu genel bakışlarını sağlar, varlık kayıtları, gerçek zamanlı veriler, geçmiş trendler ve alarm bilgilerini tek merkezden yönetmeye destek olur.
• ​Akıllı İş Emri Dağıtımı:​​ Uyarı seviyelerine ve tahmin sonuçlarına dayalı olarak hassas bakım iş emirleri oluşturur ve dağıtır (örneğin, "Faz A VT: 3 gün içinde PD yeniden testi ve mühür incelemesi önerilir"), kaynak atamasını optimize eder.
• ​Bilgi Birikimi:​​ Otomatik olarak arıza analiz raporları oluşturur, sürekli bir bakım ve işletme bilgi tabanı oluşturur ve model optimizasyonunu sağlar.

​3. Ana Faydalar​

​4. Referans Vaka​

• ​500kV Hub Substation GIS Ekipmanı Kümesi:​​ Sistem dağıtıldıktan sonra, 3 potansiyel VT yalıtım arızası (2 yüzen salınım, 1 gaz bölme mühür anomali) için erken uyarı sağlandı, öncülük süreleri 8-14 gün arasında, önemli ekonomik kayıplardan kaçındı. Yıllık bakım maliyetleri %28 azaldı ve ekipman zorunlu kesinti sıklığı sıfıra indi.