كثافة التفريغ الجزئي للمعدات الكهربائية وتحسين الصيانة

أهمية التفريغ الجزئي للمعدات الكهربائية وتحسين الصيانة

يرتبط التشغيل الآمن والموثوق للمعدات الكهربائية ارتباطاً مباشراً بظروف العزل الخاصة بها، وذلك تحت تأثير العوامل البيئية وتشوه المجال الكهربائي في عملية التشغيل، لذلك سوف يتحلل العزل بسهولة، مما يؤدي إلى ظاهرة التفريغ الجزئي، كما يعتبر خطأ عزل المعدات الكهربائية هو الخطأ الأكثر شيوعاً في نظام الطاقة.

كما سيؤدي تلف “التفريغ الجزئي” للعزل الخارجي لمعدات الطاقة الكهربائية ذات الجهد العالي إلى وقوع حوادث خطيرة للغاية، بحيث تظهر العديد من الدراسات التجريبية أن الكشف عن التفريغ الجزئي هو طريقة مهمة لاكتشاف خطأ عزل المعدات والأخطار الخفية المحتملة، لذلك من الأهمية بمكان بالنسبة للتشغيل الآمن للنظام الكهربائي تقييم كثافة تفريغ المعدات الكهربائية بدقة وسرعة.

وكواحدة من الطرق المهمة للكشف عن التفريغ الجزئي للمعدات الكهربائية، تتميز طريقة الكشف عن النبض فوق البنفسجي بمزايا سرعة الاستجابة العالية والقدرة القوية على منع التشويش والتكلفة المنخفضة وعدم الاتصال، كما أنه اتجاه تطور كشف التفريغ الجزئي، ونظراً للقدرة على محاكاة التعلم والاستدلال البشريين، يتم تطبيق خوارزمية الشبكة العصبية الاصطناعية وخوارزمية الاستدلال الغامض بنجاح في طرق تقييم كثافة التفريغ الجزئي.

ومع ذلك؛ فإن نظام الاستدلال الغامض يفتقر إلى آلية تعلم فعالة، كما وله شخصية معينة عند إنشاء قواعد غامضة ووظائف عضوية، لذلك فإن تطبيقه له بعض القيود، بحيث تشبه الشبكة العصبية الاصطناعية الصندوق الأسود الذي يفتقر إلى الشفافية، وعلى الرغم من أنها تتمتع بقدرة قوية جداً على الدراسة الذاتية، إلا أنها لا تستطيع محاكاة وظيفة الاستدلال للدماغ البشري.

كذلك جمع نظام الاستدلال الضبابي المتكيف (ANFIS) بين القدرة التعليمية “للشبكة العصبية الاصطناعية” والقدرة على التفكير المنطقي “للنظام الضبابي”، بحيث تتمتع بمزايا كل من الخوارزميات؛ فهي تمتلك أداءً أفضل، لكن هيكلها معقد ولا تزال خوارزمية التعلم بها أوجه قصور، مثل ضعف قدرة البحث العالمية وانخفاض معدل التقارب والوقوع في المستوى المحلي الأمثل بسهولة.

ولحل المشكلات المذكورة أعلاه، تمت تهيئة خوارزمية (FCM)، وذلك عبر مراكز الكتلة وعدد المجموعات التي تم الحصول عليها بواسطة (SCM)، كما وتم إنشاء هيكل نظام الاستدلال الغامض الأولي عبر خوارزمية (FCM) المهيأة، ثم تم تحسين خوارزمية التعلم الخاصة بـ (ANFIS) التقليدية باستخدام طريقة التدرج المترافق “فليتشر-ريفز”، وبهذه الطريقة تم تبسيط هيكل النموذج وتحسين دقة النموذج.

تحسين دائرة كشف النبض فوق البنفسجي

وفقاً لطرق الكشف عن النبض فوق البنفسجي، تستجيب المستشعرات فوق البنفسجية الحساسة للضوء المستخدمة للكشف عن التفريغ الجزئي للمعدات الكهربائية لطول موجة يتراوح من (160) إلى (280) نانومتر فقط، وبالنظر إلى تكلفة العملية واستقرار العمل والحساسية وعوامل أخرى لأجهزة الاستشعار الموجودة بالأشعة فوق البنفسجية الحساسة للضوء، كما تم اختيار مستشعر الأشعة فوق البنفسجية (R9533) المعتم بالطاقة الشمسية.

(R2868) هو نوع من مستشعرات الحساسية للضوء فوق البنفسجي للنافذة الجانبية والتي تبلغ حساسيتها (5000) نسخة في الدقيقة، كما ويواجه صعوبات في محاذاة زاوية الكشف، وهناك حساسية مستشعر الأشعة فوق البنفسجية للنافذة (R9533) أعلى (10000 نسخة في الدقيقة).

وعلاوة على ذلك، يتميز مستشعر النافذة النهائية بمزايا التركيب السهل ومحاذاة الزاوية السهلة، وفي الوقت نفسه، هناك ترسبات الكاثود الضوئي الشفافة على السطح الداخلي للنافذة الواقعة، مما يجعلها أكثر اتساقًا من نوع النافذة الجانبية ويمكن أن تزيد بشكل فعال من تدفق الأشعة فوق البنفسجية لجهاز الاستشعار فوق البنفسجي.

بناءً على دارات المحرك الشائعة لاكتشاف النبض فوق البنفسجي؛ فإنه تم تحسين دائرة القيادة وزيادة حساسية الكشف عن التفريغ فوق البنفسجي، بحيث تظهر دائرة القيادة في الشكل التالي (1)، كما أن (T1) هو الصمام الثلاثي (PNP) ، (T2) هو الصمام الثلاثي (NPN) و (CD40106) هو مشغل “شميت”، و وفقاً للمعطيات (R3 = 10 k و C2 = 1000 pF) الموصى بها لمستشعر الحساسية للأشعة فوق البنفسجية، بحيث تم تحديد جهد طاقة القيادة (VW = 350V).

بعد تحديد جهد القيادة مبدئياً؛ فإنه تم ضبط قيم مختلفة لـ (R3) و (C2)، وذلك للحصول على التركيبة المثلى لـ (RC)، بحيث يوضح الاختبار أنه عندما تكون [R3 = 5kΩ] و [C2 = 10 nF]، بحيث يكون التغيير في تيار التفريغ لمستشعر حساس الأشعة فوق البنفسجية هو الأصغر، كما ويكون تأثير ضبط السعة على جهد الخرج هو الأكثر وضوحاً وهو أمر مفيد لإحصاءات عدد النبضات أثناء كشف التفريغ.

كما زادت دائرة القيادة المحسّنة من سرعة الشحن لـ (C2)، وقصرت وقت التبريد وحسّنت حساسية الكشف عن التفريغ فوق البنفسجي على الأساس الأصلي، بحيث يعرض الشكل التالي (2) والشكل التالي (3) جهاز كشف النبض فوق البنفسجي وتركيب جهاز الكشف الميداني.

تم تثبيت دائرة القيادة المحسّنة في شاشة جهاز الكشف عن النبض فوق البنفسجي لتشغيل مستشعر الحساسية للأشعة فوق البنفسجية، وفي الشكل السابق (2)، تم استخدام الحامل الثابت لإصلاح جهاز الكشف على البرج، كما وستقوم اللوحة الشمسية والبطارية بتزويد جهاز الكشف بالطاقة.

لذلك فقد حقق مستشعر الحساسية للأشعة فوق البنفسجية ووحدات درجة الحرارة والرطوبة في الشاشة مجموعة من عدد النبضات ودرجة الحرارة والرطوبة، ثم تم نقل بيانات المراقبة إلى خادم الكشف، كما أنه تم إجراء تقييم شدة التفريغ الجزئي للمعدات الكهربائية من خلال خوارزمية (ANFIS) المحسنة.

تحسين أسلوب ونمذجة تحليل ANFIS

(ANFIS) هو نظام استدلال عصبي غامض يعتمد على نموذج (Takagi-Sugeno)، والذي يجمع عضوياً بين وظيفة الدراسة الذاتية للشبكة العصبية الاصطناعية مع قدرة التعبير اللغوي الغامض لنظام الاستدلال الغامض لاستكمال مزايا كل منهما، بحيث يتم تحقيق الاستدلال الغامض من خلال الشبكة العصبية ويتم تحقيق جميع العمليات الأساسية الثلاث بما في ذلك التشويش والاستدلال الغامض وإلغاء التشويش للتحكم الغامض من خلال الشبكة العصبية، ومن ثم يتم تعزيز مرونة النظام وقدرته على التكيف.

تحسين هيكل النظام بناءً على خوارزمية (SCM-FCM)

هيكل النظام الأولي له تأثير كبير على أداء النظام وكفاءة التعلم، بحيث يعتمد هيكل نظام (ANFIS) التقليدي طريقة التقسيم الشبكي لإدخال الشبكة الكهربائية، وفيما يتعلق بالمدخلات غير الخطية المعقدة؛ فإنه يجب تحقيق دقة تنبؤ عالية عن طريق تقسيم المجموعة الفرعية الغامضة لكل إدخال إلى وحدات صغيرة للغاية، مما سيؤدي بلا شك إلى نمو أسي لرقم القاعدة الغامض وتعقيد الحساب مع زيادة البعد.

ومن أجل تقليل رقم القاعدة الغامض وتعقيد الحساب، تم تقديم خوارزمية (SCM-FCM) لتحقيق التقسيم غير الخطي لمساحة الإدخال، وذلك بالمقارنة مع طريقة الشبكة الافتراضية لنظام (ANFIS) التقليدي، لذلك فقد خفضت بشكل كبير مبلغ الحساب، كما تقوم خوارزمية (SCM-FCM) بتهيئة خوارزمية (FCM) عبر مراكز الكتلة وعدد المجموعات التي تم الحصول عليها من (SCM)، مما يحل المشكلة التي تواجهها (FCM) تحتاج الخوارزمية إلى ضبط مراكز الكتلة الأولية وعدد المجموعات يدوياً.