โซลูชันที่เหมาะสมสำหรับการบำรุงรักษา: ทรานสฟอร์เมอร์กระแสไฟฟ้าภายนอกที่ใช้ IoT ไร้สายสำหรับการตรวจสอบสุขภาพและการทำงานเชิงพยากรณ์

เป้าหมายที่ต้องการ:​​ การรักษาการดำเนินงานที่เชื่อถือได้และการป้องกันความล้มเหลวที่ไม่คาดคิดของหม้อแปลงกระแสไฟฟ้าภายนอก (CTs) โดยเฉพาะอย่างยิ่งในสถานีส่งไฟฟ้าที่อยู่ห่างไกลซึ่งมีการเข้าถึงช่างเทคนิคน้อย สร้างความเสี่ยงในการดำเนินงานและความเสียหายในการบำรุงรักษาสูง การตรวจสอบแบบประจำตามปกติมักจะไม่บ่อยพอ ตอบสนอง และอาจพลาดการตรวจพบข้อผิดพลาดที่กำลังพัฒนา

​วิสัยทัศน์ของโซลูชัน:​​ ​การบำรุงรักษาเชิงทำนายและการตรวจสอบแบบเรียลไทม์ผ่าน IoT.​​ โซลูชันนี้ใช้เซ็นเซอร์ที่รวมอยู่และการเชื่อมต่อไร้สายเพื่อตรวจสอบพารามิเตอร์สุขภาพ CT สำคัญอย่างต่อเนื่อง ทำให้สามารถทำนายความล้มเหลวที่อาจเกิดขึ้น (การชำรุดของฉนวน, การอิ่มตัวของแกน) ก่อนที่จะเกิดขึ้น ลดการหยุดทำงานที่ไม่ได้วางแผนไว้ลงอย่างมาก และเพิ่มประสิทธิภาพการใช้ทรัพยากรในการบำรุงรักษา

องค์ประกอบหลักและคุณสมบัติของโซลูชัน

1. ​CT ภายนอกที่มีเซ็นเซอร์อัจฉริยะ:​​
• ​เซ็นเซอร์วัดอุณหภูมิที่รวมอยู่:​​ ตรวจสอบอุณหภูมิโดยรอบและจุดร้อนอย่างต่อเนื่อง ระบุการเกิดความร้อนผิดปกติที่เกิดจากการเชื่อมต่อที่ไม่ดี ภาวะโหลดเกิน (ความเสี่ยงของการอิ่มตัว) หรือการเสื่อมสภาพภายใน จำเป็นสำหรับการจำลองความร้อนและการทำนายอายุการใช้งาน
• ​เซ็นเซอร์วัดความชื้นที่รวมอยู่:​​ ติดตามการเข้าของความชื้นภายในโครงสร้าง CT การตรวจจับการชำรุดของซีลหรือการควบแน่นล่วงหน้าป้องกันการเสื่อมสภาพของฉนวน (การติดตาม การอาร์ค) และความล้มเหลวของไดเอเล็กทริก สำคัญสำหรับ CT ในสภาพแวดล้อมที่รุนแรง
• ​เซ็นเซอร์วัดการปล่อยประจุบางส่วน (PD) ที่รวมอยู่:​​ ตรวจจับการปล่อยประจุไฟฟ้าระดับต่ำ ภายใน ระบบฉนวน (ช่องว่าง สิ่งปนเปื้อน การติดตามบนพื้นผิว) PD เป็นตัวบ่งชี้หลักของการล้มเหลวของฉนวนที่กำลังจะเกิดขึ้น ให้คำเตือนล่วงหน้าที่เร็วที่สุดสำหรับการแทรกแซงเชิงรุก
• ​การออกแบบที่แข็งแกร่ง:​​ เซ็นเซอร์และอิเล็กทรอนิกส์ภายในได้รับการปรับปรุงให้ทนทานต่อความเครียดทางสิ่งแวดล้อมภายนอก (รังสี UV อุณหภูมิสุดขั้ว ความชื้น EMI) ที่พบในสภาพแวดล้อมของสถานีส่งไฟฟ้า
2. ​การส่งข้อมูลแบบไร้สายและระยะไกล:​​
• ​โมเด็ม LoRaWAN/Cellular ที่ติดตั้งไว้:​​ กำจัดโครงสร้างสายเคเบิลที่ซับซ้อนและมีค่าใช้จ่ายสูง ใช้ประโยชน์จากเครือข่ายไร้สายที่มีอยู่:
• ​LoRaWAN:​​ เหมาะสำหรับไซต์ที่อยู่ห่างไกลที่มีความต้องการแบนด์วิธต่ำ ให้ระยะทางครอบคลุม (>10km) ใช้พลังงานต่ำ (รองรับตัวเลือกแบตเตอรี่/พลังงานแสงอาทิตย์) และมีการเจาะสัญญาณที่ดี
• ​Cellular (LTE-M/NB-IoT):​​ ให้ความครอบคลุมที่กว้างขึ้นในพื้นที่ที่ LoRaWAN ไม่มีให้บริการ เหมาะสำหรับไซต์ที่ต้องการอัตราการส่งข้อมูลปานกลาง หรือที่โครงสร้างพื้นฐานเซลลูลาร์มีความน่าเชื่อถือ รวมถึงกลไกสำรองสำหรับการแจ้งเตือนสำคัญ
• ​การสื่อสารที่ปลอดภัย:​​ การส่งข้อมูลที่เข้ารหัส (TLS/DTLS) เพื่อป้องกันข้อมูลโครงสร้างพื้นฐานที่สำคัญ
3. ​แพลตฟอร์มการวิเคราะห์ AI บนคลาวด์:​​
• ​การรวบรวมข้อมูลแบบรวมศูนย์:​​ รับและเก็บข้อมูลแบบเรียลไทม์และประวัติจาก CT ทั้งหมดที่ติดตั้ง
• ​โมเดลการวินิจฉัยที่ขับเคลื่อนด้วย AI:​​
• ​การทำนายสุขภาพฉนวน:​​ AI ทำการสัมพันธ์แนวโน้มการปล่อยประจุบางส่วน อุณหภูมิ และความชื้น เพื่อทำนายอัตราการเสื่อมสภาพของฉนวนและโหมดการล้มเหลวที่อาจเกิดขึ้นด้วยความมั่นใจสูง ระบุความผิดปกติที่ละเอียดอ่อนที่ไม่ถูกตรวจพบโดยการแจ้งเตือนจากการเกินขีดจำกัด
• ​การประเมินความเสี่ยงของการอิ่มตัวของแกน:​​ วิเคราะห์ข้อมูลสัญญาณกระแสไฟฟ้าหลัก (ฮาร์โมนิก การตรวจจับการเปลี่ยนแปลง DC ที่อนุมานได้) พร้อมกับอุณหภูมิเพื่อจำลองลักษณะการแม่เหล็กของแกนและทำนายความเสี่ยงของการอิ่มตัวภายใต้เงื่อนไขของระบบไฟฟ้าเฉพาะ
• ​การตรวจจับความผิดปกติ:​​ การเรียนรู้ของเครื่องจักรกำหนดบรรทัดฐานที่เป็นเอกลักษณ์สำหรับแต่ละ CT ตรวจจับความแตกต่างที่ละเอียดอ่อนระหว่างข้อมูลสตรีมเซ็นเซอร์ที่บ่งบอกถึงปัญหาที่กำลังพัฒนา แม้ว่าพารามิเตอร์เดียวไม่ได้เกินขีดจำกัดการแจ้งเตือน (เช่น การเพิ่มอุณหภูมิที่ละเอียดอ่อนที่สัมพันธ์กับรูปแบบโหลดเฉพาะ)
• ​การแจ้งเตือนและลำดับความสำคัญแบบอัตโนมัติ:​​ สร้างการแจ้งเตือนที่สามารถดำเนินการได้ แบ่งหมวดหมู่ตามความรุนแรง ลำดับความสำคัญงานบำรุงรักษาตามการประเมินความเสี่ยงและเวลาที่คาดว่าจะล้มเหลว
4. ​อินเทอร์เฟซผู้ใช้ (แดชบอร์ดและการรายงาน):​​
• ​การสร้างภาพแบบเรียลไทม์:​​ แดชบอร์ดแบบโต้ตอบแสดงสถานะสุขภาพ การอ่านเซ็นเซอร์ แนวโน้ม และการแจ้งเตือนสำหรับ CT ทั้งหมดในเครือข่ายในรูปแบบแผนที่หรือรายการ
• ​ข้อมูลเชิงลึกในการบำรุงรักษาเชิงทำนาย:​​ ให้การสร้างภาพที่ชัดเจนของประมาณการอายุการใช้งานที่เหลือ (RUL) โค้งความน่าจะเป็นของการล้มเหลว และข้อเสนอแนะ (เช่น "วางแผนการตรวจสอบภายใน 3 เดือน" หรือ "แนะนำการทดสอบวินิจฉัย")
• ​รายงานสภาพ:​​ การสร้างรายงานสุขภาพโดยอัตโนมัติสำหรับ CT เฉพาะหรือกองเรือทั้งหมด
• ​การวิเคราะห์ประวัติ:​​ เครื่องมือสำหรับการสำรวจข้อมูลประวัติอย่างลึกซึ้งเพื่อวิเคราะห์สาเหตุรากฐานและการวัดผล

กรณีการใช้งานหลัก: การตรวจสอบและปรับปรุงสถานีส่งไฟฟ้าที่อยู่ห่างไกล

• ​สถานการณ์:​​ สถานีส่งไฟฟ้าที่ตั้งอยู่ในพื้นที่ที่แยกขาดจากภูมิศาสตร์ (ภูเขา ทะเลทราย กริดชนบท) การเยี่ยมชมของช่างเทคนิคเป็นไปอย่างไม่บ่อย แพง และซับซ้อนทางลอจิสติกส์ การบำรุงรักษาแบบตอบสนองหลังจากล้มเหลวทำให้เกิดการหยุดทำงานนาน
• ​ประโยชน์ของโซลูชัน:​​
• ​กำจัดการเยี่ยมชมที่ไม่จำเป็น:​​ เปลี่ยนจากการบำรุงรักษาตามปฏิทินเป็นการบำรุงรักษาตามสภาพ ทำการส่งช่างเทคนิคเมื่อจำเป็นจริงๆ ตามการทำนายของ AI หรือการแจ้งเตือนเฉพาะ
• ​ป้องกันการล้มเหลวที่ร้ายแรง:​​ การตรวจจับล่วงหน้าของการปล่อยประจุบางส่วน การเข้าของความชื้น หรือความผิดปกติทางความร้อนทำให้สามารถแทรกแซง ก่อน ที่ CT จะล้มเหลวร้ายแรง หลีกเลี่ยงความเสียหายคอลลาเทอรัลที่มีค่าและระยะเวลาการหยุดทำงานที่ยาวนาน
• ​ปรับปรุงการใช้ทรัพยากรในการบำรุงรักษา:​​ โฟกัสเวลาและงบประมาณของช่างเทคนิคที่หายากไปยังสินทรัพย์ที่มีความเสี่ยงสูงที่ระบุโดยการวิเคราะห์เชิงทำนาย เพื่อเพิ่มความน่าเชื่อถือของระบบไฟฟ้าโดยรวม
• ​การวินิจฉัยระยะไกล:​​ ให้ความเข้าใจลึกซึ้งในสภาพของ CT โดยไม่ต้องมีการปรากฏตัวทางกายภาพที่ไซต์สำหรับการวินิจฉัยเบื้องต้น มอบอำนาจให้ผู้เชี่ยวชาญระยะไกลในการแนะนำทีมงานท้องถิ่น
• ​ขยายอายุการใช้งานของสินทรัพย์:​​ การจัดการเชิงรุกของสภาพที่ทำให้ CT เสื่อมสภาพ (ความร้อน ความชื้น) ช่วยเพิ่มอายุการใช้งานสูงสุด

ประเด็นการดำเนินการหลัก

• ​การประมวลผลขอบ:​​ การกรอง การบัฟเฟอร์ และการตรวจจับความผิดปกติเบื้องต้นเกิดขึ้นที่โมดูล CT ท้องถิ่น เพื่อลดการส่งข้อมูลที่ไม่จำเป็นและเพิ่มเวลาตอบสนองสำหรับเหตุการณ์สำคัญ
• ​พลังงาน:​​ ตัวเลือกที่ใช้พลังงานจาก CT สำหรับการเชื่อมต่อหลัก พร้อมแบตเตอรี่/พลังงานแสงอาทิตย์สำรองสำหรับการตรวจจับและการแจ้งเตือนที่สำคัญในระหว่างการขาดพลังงานหลัก
• ​ความปลอดภัยทางไซเบอร์:​​ การออกแบบที่แข็งแกร่งตามมาตรฐานอุตสาหกรรม (IEC 62443, NERC CIP) มีความสำคัญ การบูตที่ปลอดภัย การสื่อสารที่เข้ารหัส การจัดการอุปกรณ์ที่ปลอดภัย
• ​ความสามารถในการขยาย:​​ แพลตฟอร์มคลาวด์ที่ออกแบบมาเพื่อรับและประมวลผลข้อมูลจาก CT หลายพันตัวในเครือข่ายสาธารณูปโภคขนาดใหญ่
• ​การรวม:​​ API เปิดให้การรวมกับระบบการจัดการสินทรัพย์ที่มีอยู่ (EAM/CMMS) ระบบ SCADA และคลังข้อมูลองค์กรสำหรับการมองเห็นแบบองค์รวม
• ​การสอบเทียบและการตรวจสอบ:​​ ขั้นตอนที่ได้รับการยอมรับในการตรวจสอบความแม่นยำของเซ็นเซอร์และประสิทธิภาพของโมเดล AI ตามสภาพที่ทราบ