الأدلة التشخيصية

تحليل SFRA لحركة الملفات في APM المحوّلات

كيف يمكن لأدلة SFRA والاستجابة الترددية أن تدعم مراجعة السلامة الميكانيكية للمحوّل عندما يحافظ الذكاء الاصطناعي على الخطوط المرجعية وسياق الإعداد والحكم الهندسي.

محلّل تشخيص SFRA وأسلاك قياس موصولة بمحوّل قدرة في محطة تحويل فرعية
في هذه الصفحة

يساعد تحليل الاستجابة الترددية بالمسح (SFRA) فرق المحوّلات على تقييم السلامة الميكانيكية. فهو ينشئ بصمة استجابة ترددية تتأثّر بهندسة الملفات، والقلب الحديدي، والأطراف، وهياكل التثبيت، وإعداد التوصيل. وعندما يتعرّض المحوّل لإجهاد النقل، أو قوى الأعطال العابرة، أو الأحداث الزلزالية، أو تاريخ تشغيلي مريب، يمكن أن يصبح SFRA سجلّ مقارنة بالغ الأهمية.

يمكن للذكاء الاصطناعي (الذكاء الاصطناعي) أن يساعد في تنظيم المنحنيات ومقارنتها، لكن لا ينبغي له أن يتجاهل انضباط القياس.

ما الذي يقيسه SFRA

لا «يرى» SFRA الملفّ مباشرةً. بل يقيس الاستجابة عبر نطاق من الترددات، ويتيح للمهندسين مقارنة تلك الاستجابة بخطّ مرجعي، أو وحدة شقيقة، أو طور، أو اختبار سابق. وقد تشير الانزياحات إلى تغيّرات مثل حركة الملفات، أو التشوّه، أو حركة القلب الحديدي، أو اللفّات المقصورة أو المفتوحة، أو اختلافات في الإعداد تحتاج إلى معالجة.

يُعدّ IEEE C57.149 دليل IEEE الحالي لتحليل الاستجابة الترددية على المحوّلات المغمورة بالزيت. أمّا IEC 60076-18 فهو مرجع IEC لتقنية قياس الاستجابة الترددية ومعدّاتها. وتوفّر منشورات CIGRE مثل TB 342 وTB 812 سياقًا إضافيًا للتفسير.

قيمة مدفوعة بالأحداث

تتجلّى قيمة SFRA بوجه خاصّ عندما يرتبط بالأحداث:

  • الخطّ المرجعي في المصنع والتشغيل الأولي.
  • التحقّق بعد النقل.
  • بعد عطل عابر.
  • بعد الاشتباه في مشكلات مغيّر التفريعات أو الأطراف.
  • بعد إجهاد زلزالي أو ميكانيكي.
  • عندما تشير أدلة أخرى إلى تغيّر ميكانيكي.

ينبغي لنظام APM الوكيلي أن يُظهر هذه الروابط بالأحداث بوضوح. فالمنحنى الخالي من تاريخ الأحداث دليلٌ أضعف.

سياق القياس مهمّ

قد يؤدّي التأريض الرديء، أو وضع الأطراف، أو موضع التفريعة، أو تغيير جهاز الاختبار، أو غياب البيانات الوصفية للخطّ المرجعي إلى مقارنات مضلِّلة. ويمكن لنموذج الذكاء الاصطناعي أن يضخّم هذه المشكلات إذا تعامل مع كلّ منحنى بوصفه موثوقًا بالقدر نفسه.

ينبغي لنموذج الأدلة في GridAPM أن يخزّن تفاصيل الإعداد، وتاريخ القياس، وسياق الجهاز، وتكوين التوصيل، وموضع التفريعة، والمرجع الأساسي للخطّ المرجعي. وعندئذٍ يستطيع الوكيل أن يميّز بين «تغيّر محتمل في الملفات» و«أعِد الاختبار بإعدادٍ مضبوط».

المقارنة بمساعدة الذكاء الاصطناعي

يستطيع وكيل SFRA المقيَّد أن:

  1. يستدعي الخطّ المرجعي وأحدث المنحنيات.
  2. يقارن الأطوار والوحدات الشقيقة والسجلات التاريخية.
  3. يحسب مقاييس التغيّر أو مقاييس التشابه.
  4. يحدّد نطاقات التردد ذات الانحراف الجوهري.
  5. يربطها بتاريخ الأعطال العابرة، وDGA، وPRPD، والتحميل، وسجلات الفحص.
  6. يصوغ توصيةً مصحوبةً بدرجة ثقة ومنطق لإعادة الاختبار.

وهذا يُكمّل نموذج أدلة تشخيص محوّلات القدرة وسير عمل جودة قياس PRPD.

من المنحنى إلى القرار

يمكن أن تدعم نتائج SFRA إجراءاتٍ مثل إعادة الاختبار، أو الفحص الأعمق، أو الاختبار في وضع عدم التغذية، أو تقييم الإصلاح، أو مراجعة العودة إلى الخدمة، أو الاستمرار في المراقبة. ويتوقّف القرار على مقدار تغيّر المنحنى، وشدّة الحدث، والأدلة الداعمة، والأهمية الحرجة للأصل.

وليس أقوى ادّعاءٍ للمنتج أنّ الذكاء الاصطناعي يشخّص كلّ حركة ملفات تلقائيًا، بل أنّه يساعد في جعل أدلة SFRA أسهل في الاستدعاء والمقارنة والشرح والاعتماد ضمن سير عمل APM للمحوّلات.

المراجع

  1. IEEE C57.149
  2. IEC 60076-18
  3. TB 342
  4. TB 812

مصنّف ضمن

استدامة محوّلات القدرةالذكاء الاصطناعي لمحوّلات القدرةSFRAIEEE C57.149IEC 60076-18تشخيصات المحوّلاتAPM

ناقش هذا مع مهندسينا

شارك ملف أسطولك وسير عملك التشخيصي. سيقترح GridAPM مسار تقييم تجربة مركّزًا.

اكتب للبحث في الأبحاث وصفحات المنصة والأدوات.