Automatische Identifizierung von Fehlertypen, wenn ein Vakuum-Leistungsschalter einen Shunt-Reaktor abschaltet – Blog

info-1280-853

Auf welchen Fehlertypen sollte die Identifizierung basieren?

Das Abschalten einer Nebenschlussdrossel durch aVakuum-Leistungsschalterist ein typischer Fall des induktiven Kleinstromschaltens, bei dem Stromabriss, Wiederzündung/Wiederzündung und Überspannung typische Phänomene sind. Die automatische Fehlererkennung kann nicht allein auf einer einzelnen elektrischen Größe beruhen; Es sollte auf der Fusion mehrerer Signalquellen basieren.

Erfassen Sie messbare Signale

Zunächst sollten messbare Signale gesammelt werden: dieLeistungsschalterÖffnungsspulenstrom, Kontaktweg und -geschwindigkeit, dreiphasiger Drosselstrom, Sammelschienen- und reaktorseitige Spannung und, sofern die Bedingungen dies zulassen, Nachlichtbogenstrom der Unterbrecherkammer oder Hochfrequenz-Transientenaufzeichnung. Aus diesen Signalen werden Merkmale extrahiert: Stromabhackwert, Anzahl und Zeitpunkt der Wiederzündungen nach dem Lichtbogen, Überspannungsamplitude und -steilheit, dreiphasige Asynchronität, Kontaktprellen und Wendepunkte des Spulenstroms. Diese Merkmale entsprechen Mechanismen wie Stromunterbrechung, Wiederzündung, mechanischer Anomalie und Dreiphaseninkonsistenz und haben eine sachliche Grundlage.

Bestimmen Sie, ob es sich um einen „normalen Bruch/abnormalen Bruch“ handelt.

Die Identifikationslogik kann zunächst „normale Öffnung/abnormale Öffnung“ bestimmen und dann Anomalien gemäß den Regeln klassifizieren: Wenn der Zerhackerwert hoch ist und eine Überspannung offensichtlich ist, wird er als durch Zerhacken dominiert beurteilt; Wenn Nachlichtbogenstrom wiederholt auftritt und von hochfrequenten Spannungsschwankungen begleitet wird, wird dies als Wiederzündung oder Wiederzündung beurteilt; Wenn der Spulenstrom und die Bewegungswellenformen abnormal sind und der Sprung den Grenzwert überschreitet, wird dies als mechanische Anomalie des Mechanismus beurteilt. Wenn die dreiphasige Öffnungszeitdifferenz abnormal ist, wird dies als dreiphasiger Asynchronismus beurteilt. Die Kontrollschwellen sollten auf der Grundlage der Testergebnisse des Herstellers und der im Feld aufgezeichneten realen Proben festgelegt werden. Maschinelles Lernen kann zur Unterstützung der Klassifizierung eingesetzt werden, darf jedoch nicht von den relevanten Mechanismen abweichen.

Mehrere Parameter sollten gegeneinander kreuzvalidiert werden

Es sollte betont werden, dass die automatische Identifizierung mehrere Parameter zur gegenseitigen Überprüfung verwenden sollte und keine Schlussfolgerungen auf der Grundlage eines einzigen Schwellenwerts ziehen darf. Spezifische Kriterien müssen in Kombination mit der Gerätestruktur und den Messdaten ermittelt werden und dürfen nicht erfunden sein.

info-500-416