سلسلة الكشف عن أعطال القوس الكهربائي بالتيار المستمر

تحليل سلسلة الكشف عن أعطال القوس الكهربائي بالتيار المستمر

في الآونة الأخيرة، لفتت الطاقة المتجددة الانتباه نظراً لمزاياها، مثل التقنيات الخضراء وانخفاض انبعاثات ثاني أكسيد الكربون، وقد أجريت دراسات حول دمجها في شبكات الطاقة الحالية، وذلك على الرغم من أن أنظمة طاقة التيار المستمر أصبحت جزءاً أساسياً من أنظمة الطاقة المتجددة، إلا أن أنظمة طاقة التيار المستمر تواجه بعض التحديات الكامنة.

وعلى وجه الخصوص، يعد حدوث أعطال القوس الكهربائي أحد أكثر المشكلات خطورة، كما قد تؤدي أعطال القوس الكهربائي إلى ارتفاع درجات الحرارة وضوء شديد وضوضاء، وبالتالي يمكن أن تؤدي إلى اشتعال النيران في المواد المحيطة وبالتالي التسبب في خسارة اقتصادية، كما أن هناك نوعان رئيسيان من أعطال القوس الكهربائي في أنظمة طاقة التيار المستمر، وهي أعطال القوس المتوازية والمتسلسلة.

لذلك يتم إنشاء خطأ القوس المتسلسل عن طريق فصل موصل في خطوط طاقة النقل، بينما ينتج عطل القوس الموازي عن انهيار العزل بين خطين متوازيين أو أكثر بسبب قوة خارجية أو حرارة، ومن أجل سلامة أنظمة التيار المستمر؛ فإنه من الضروري اكتشاف أعطال القوس الكهربائي على الفور، لذلك تعد تقنيات الكشف عن أعطال القوس الكهربائي ضرورية.

وبشكل عام، تثير أعطال القوس المتوازي تدفقات تيار مختلفة، كما ويمكن القضاء على الزيادة السريعة في تيار عطل القوس باستخدام أجهزة مثل الصمامات، بحيث تعمل أخطاء القوس المتسلسل كمقاومة إضافية في النظام وتتسبب في انخفاض تيار عطل القوس، ووفقاً لذلك، لا يمكن تنشيط أجهزة الحماية التقليدية.

لذلك إذا لم يتم اكتشافها وإزالتها على الفور؛ فقد تؤثر أعطال القوس الكهربائي المتسلسلة على الدوائر ذات الصلة بالنظام وتتسبب في إتلاف مصادر إمداد الطاقة ووحدة التحكم في النظام؛ بل وقد تتسبب في حدوث انفجارات، وفي شبكات التيار المستمر يتم توصيل معظم المكونات من خلال الدوائر الإلكترونية أو المحولات الكهربائية.

كما أن ضوضاء التشويه الكهرومغناطيسي التي تنتجها المحولات الإلكترونية تجعل اكتشاف أعطال القوس الكهربائي أكثر صعوبة، لذلك تم إجراء العديد من الطرق لاكتشاف أخطاء القوس المتسلسل والعديد من الدراسات لتحليل خصائص أخطاء القوس المتسلسل.

كما أن هناك عدة أنواع من الأبحاث حول اكتشاف أعطال القوس الكهربائي، بحيث تم تطوير النماذج الرياضية لأعطال القوس الكهربائي باستخدام البيانات التجريبية، ومع ذلك؛ فإن النماذج لا تصف الخصائص الخارجية للقوس بشكل شامل وهي مناسبة للبحث والدراسات النظرية، علاوة على ذلك تم تطوير طرق الكشف عن أعطال القوس الكهربائي بناءً على خصائص أعطال القوس الكهربائي، مثل الضوء الشديد ودرجة الحرارة المرتفعة وضوضاء التشويه الكبيرة والإشعاع الكهرومغناطيسي العالي.

سلسلة خصائص القوس الكهربائي للتيار المستمر

يوضح الشكل التالي (1) مخطط دائرة للحصول على بيانات القوس المتسلسل، وذلك للحصول على البيانات، بحيث تم القيام بتصميم دائرة توليد القوس بخصوص (UL1699B)، بحيث أدى فصل قضبان القوس إلى إنشاء قوس جديد واستخدم راسم الذبذبات لحفظ التيارات المتدفقة عبر القضبان قبل وبعد الانحناء، لذلك تم استخدام (MATLAB) لتحليل التيارات القوسية.

كما يتكون إعداد تجربة توليد القوس من مصدر طاقة تيار مستمر ومولد قوس وأحمال، كما تم استخدام مصدر طاقة (N8741A DC) (Keysight Technologies، الولايات المتحدة الأمريكية) في التجربة، بحيث يعرض الجدول التالي (1) مواصفات الأحمال المستخدمة في التجربة، كما تم تصنيع المحولات ثلاثية الطور والمفردة باستخدام وحدة ترانزستور ثنائية القطب معزولة بالبوابة (SKM50GB123D ، SEMIKRON ، ألمانيا).

لذلك كان تردد التبديل لتقنية التحكم التنبئي (MPC) متغيراً في هذه الدراسة، كما كان تردد التبديل هو متوسط ​​تردد التبديل الذي تم الحصول عليه من عدد مرات تشغيل وإيقاف التبديل في فترة زمنية محددة، كذلك السعة الحالية هي مقدار تيار القوس قبل الانحناء، وفي حالة أحمال العاكس، كان تيار القوس قبل وبعد الانحناء هو تيار دخل العاكس.

كما يعرض الشكل التالي (2) هياكل المحولات ثلاثية الطور وحيدة الطور التي تم استخدامها كأحمال في هذه الدراسة، بحيث حولت هذه المحولات إشارات التيار المستمر إلى إشارات تيار متردد، وأثناء تشغيلها تم توصيل مفتاح واحد فقط في كل ساق طور في أي لحظة، مما أدى ذلك إلى ثمانية وأربعة ناقلات تبديل لتشغيل محولات ثلاثية الطور وحيدة الطور على التوالي.

كما استخدمت هذه الدراسة تعديل ناقل الفضاء (SVPWM) و (MPC) وتعديل عرض النبضة الجيبية (SPWM) للتحكم في المحولات ثلاثية الطور وحيدة الطور، كذلك (SVPWM) هي تقنية تعديل للتحكم في تعديل عرض النبضة، كما كان الهدف هو استخدام جهد تيار مستمر محدد والتحكم في ستة مفاتيح لمحاكاة أشكال الموجة الجيبية ثلاثية الطور التي كان ترددها وسعتها قابلين للتعديل.

كما يوضح الشكل التالي (3) الأشكال الموجية العادية والحالة المنحنية للأحمال المختلفة، وبالنسبة لجميع الأحمال؛ فقد كانت أشكال الموجات قبل الانحناء متشابهة، وعندما تم إنشاء قوس أظهرت أشكال الموجة العديد من السلوكيات غير الطبيعية، مثل إضافة المكونات التوافقية إلى تيار الحمل وتشويه شكل موجة الحمل الكهربائي الحالية وانخفاض في السعة الحالية.

خوارزميات الذكاء الاصطناعي الخاصة بسلسلة الكشف عن الأعطال

دعم آلة المتجهات: يعتمد (SVM) على إطار عمل يسمى نظرية [Vapnik – Chervonenkis]، وبعد ذلك قدم “بوسر” وزملاؤه خوارزمية تزيد من الهامش بين بيانات التدريب، بحيث يهدف (SVM) إلى العثور على أفضل مستوى فائق يمكنه فصل البيانات من فئتين مختلفتين بهامش أقصى، كما ويمكنه إجراء تصنيفات خطية أو غير خطية بناءً على ميزات البيانات، حيث أن أفضل مصنف هو (SVM)، حيث يمتلك المستوى الفائق أكبر هامش.

K-Nearest Neighbor: اقترح كل من (Evelyn Fix) و (Joseph Hodges) خوارزمية (K-) الأقرب للجيران (KNN)، حيث أن المفهوم الأساسي لخوارزمية التصنيف هو أنه إذا كان الكائن يحتوي على (K) معظم الجيران المتشابهين في المنطقة المجاورة له وإذا كان معظمهم يقع في فئة معينة؛ فسيتم وضع الكائن أيضاً في تلك الفئة.

وأخيراً يمكن تقسيم الكشف عن القوس باستخدام خوارزميات الذكاء الاصطناعي إلى نوعين، النوع الأول هو عندما تكون بيانات الاختبار الخاصة بفئة ما قد تم تدريبها بالفعل والنوع الثاني هو عندما لا يتم تدريب بيانات الاختبار الخاصة بالفئة، كما يشار إلى هذه الحالات على أنها أنواع مغلقة وأنواع غير مغلقة على التوالي.

كما يوضح الشكل التالي (4) بنية مصفوفة الارتباك، (CN ، CA) هما مجموعتي البيانات المتوقعة بشكل صحيح للحالات العادية وحالات الانحناء على التوالي، كما يشير (MD) إلى “اكتشاف مفقود” ويشير إلى مجموعة بيانات حالة الانحناء التي يتم توقعها كحالة طبيعية، (FD) هو “اكتشاف خاطئ” ويشير إلى مجموعة بيانات الحالة العادية التي يتم توقعها على أنها حالة الانحناء، كما تشير الأرقام (0 ، 1) إلى الحالة الطبيعية وحالة الانحناء على التوالي.