Fabricant de systèmes de surveillance en ligne intelligents pour transformateurs

I. Architecture et composition du système

1. Couche de perception (couche d'acquisition des données)

• réseau de capteurs: :
  • Paramètres électriquesTransformateurs de tension/courant, testeurs de résistance d'enroulement, capteurs d'impédance de court-circuit.
  • Contrôle de la températureCapteurs : PT100 RTD (température de l'huile), capteur à fibre optique (température de l'enroulement), caméra infrarouge (boîtier).
  • état du service de l'huileDispositif de surveillance en ligne par chromatographie en phase gazeuse (chromatographe en phase gazeuse intégré), capteurs de qualité de l'huile (teneur en eau, indice d'acidité, tension de claquage).
  • Mécanique et isolationcapteurs d'accélération vibratoire, capteurs de décharges partielles à ultra-haute fréquence (UHF), capteurs de DP à ultrasons, capteurs de courant de terre à cœur.
  • Environnement et soutienLes capteurs de température et d'humidité, les détecteurs de fumée, les capteurs de courant et de débit du système de refroidissement.

2. Couche réseau (couche de transmission des données)

• méthode de communication: :
  • Bus de terrain (par exemple Modbus, CANopen) : connecte les capteurs locaux à l'unité d'acquisition.
  • Transmission sans fil (4G/5G, LoRa, WiFi) : pour les sites distants ou les scénarios de surveillance mobile.
  • Communication par fibre optique (OPGW) : large bande passante, anti-interférences, adaptée à la transmission de données à haut débit dans les sous-stations.
• unité de calcul en périphérieLes données recueillies font l'objet d'un filtrage préliminaire et d'une extraction des caractéristiques afin de réduire la pression exercée par la transmission dans le nuage.

3. Couche plate-forme (traitement des données et couche application)

• Serveur en nuage / Serveur local: :
  • Stocke les données historiques (par exemple, les tendances de température, les chromatogrammes d'huile) et prend en charge la gestion des données au niveau du téraoctet.
  • Déployer des algorithmes de traitement des données (par exemple, des modèles d'apprentissage automatique, des systèmes experts pour le dépannage).
• Plate-forme d'analyse intelligente: :
  • Dépannage : basé sur des comparaisons de seuils, des comparaisons de données historiques et la reconnaissance de modèles (par exemple, la méthode du triple rapport de la DGA pour l'analyse des chromatogrammes d'huile).
  • Prédiction de la durée de vie : estimation de la durée de vie restante (RUL) de l'équipement à l'aide d'un modèle de dégradation (par exemple, la distribution de Weibull).
  • Score de santé : paramètres multidimensionnels complets pour générer l'indice de santé de l'appareil (HI), divisé en niveaux d'état "normal / attention / anormal / grave".

4. Couche application (couche HCI)

• terminal de surveillance: :
  • Plate-forme de gestion basée sur le web : interface visuelle permettant d'afficher des données en temps réel, des courbes de tendance, des listes d'alarmes et des modèles d'équipement en 3D.
  • Application mobile : permet la visualisation à distance, l'envoi d'alarmes (SMS / WeChat), la répartition des tâches d'exploitation et de maintenance.
• Rapports et aide à la décisionLe système de gestion de l'information est un outil de gestion de l'information qui permet de générer automatiquement des rapports d'exploitation et de maintenance, des rapports d'analyse des défaillances et de contribuer à l'élaboration de plans de maintenance (par exemple, la maintenance conditionnelle au lieu de la maintenance périodique).

II. fonctions essentielles et caractéristiques techniques

1. Surveillance par fusion multiparamétrique

• Corrélation de données inter-dimensionnellesLa température anormale de l'huile, par exemple, est analysée conjointement avec le courant de charge et l'état du système de refroidissement afin d'éviter toute erreur d'appréciation d'un seul paramètre (par exemple, une température élevée de l'huile peut être due à une surcharge de la charge ou à une défaillance du ventilateur).
• cas (droit)Lorsque la concentration de C₂H₂ dans le chromatogramme de l'huile augmente, le système récupère automatiquement les données de surveillance des décharges partielles et détermine s'il y a un défaut de décharge d'arc.

2. Diagnostic intelligent et alerte précoce

• modèle algorithmique: :
  • Avertissement de seuilLes seuils de sécurité prédéfinis (par exemple, température de l'huile ≥95°C en cas d'alarme, ≥105°C en cas de déclenchement).
  • Alertes sur les tendancesLes données de base sont basées sur des données historiques (par exemple, déclenchement d'un avertissement si le taux de croissance de la température de l'enroulement est >5°C/h).
  • apprentissage automatiqueUtilisation de réseaux neuronaux ou d'algorithmes de forêt aléatoire pour identifier les défauts cachés (par exemple, l'humidité précoce de l'isolation) à partir de quantités massives de données.
• localisation du défautEstimation des positions de déformation du bobinage ou des coordonnées du point de décharge par analyse spectrale des signaux de vibration ou par un réseau de capteurs de DP.

3. Visualisation de l'état et O&M à distance

• Visualisation 3DConstruire un modèle de jumeau numérique du transformateur, en visualisant la structure interne et l'emplacement des anomalies (par exemple, les points chauds mis en évidence).
• sans surveillanceL'informatique en nuage est une boucle fermée de "surveillance - analyse - alerte précoce - élimination", qui réduit la fréquence des inspections manuelles grâce à l'informatique en périphérie et à la collaboration en nuage.

Scénarios d'application typiques

1. Surveillance du transformateur principal de la sous-station

• Exigence : surveillance 24/7 des transformateurs de classe haute tension (110kV et plus) pour éviter les courts-circuits ou les ruptures d'isolation.
• Solution : contrôle en ligne par chromatographie de l'huile, test FRA de la déformation des enroulements, contrôle de la décharge locale par UHF, combinés au système d'automatisation intégré de la sous-station pour réaliser une protection liée.

2. Surveillance intelligente des transformateurs de distribution

• Exigence : surveillance légère des transformateurs dans les réseaux de distribution à basse et moyenne tension (10kV/0,4kV) afin de réduire les coûts d'exploitation et de maintenance.
• Solution : utiliser des capteurs bon marché (par exemple, des capteurs de température sans fil, des modules de vibration) et télécharger les données via le réseau LoRa, en se concentrant sur la surveillance de la surcharge, de l'augmentation de la température et du déséquilibre triphasé.

3. Surveillance des transformateurs spécialisés

• Scénarios : transformateurs d'énergie éolienne (environnements offshore / plateau), transformateurs de redressement (industrie métallurgique), transformateurs de traction (transport ferroviaire).
• Caractéristiques : conception améliorée de l'adaptabilité environnementale pour des conditions de travail particulières (par exemple, anti-projection de sel, anti-vibration), surveillance améliorée de la température et des décharges partielles.

IV. avantages techniques et valeur

1. Améliorer la fiabilité des équipements

• La détection précoce des défauts latents (par exemple, les décharges partielles précoces peuvent avancer le temps d'alerte de 3 à 6 mois) réduit la probabilité d'arrêts non planifiés.
• Cas : Le contrôle par chromatographie à l'huile a révélé qu'un transformateur de 500kV présentait une augmentation continue du C₂H₂, et la maintenance en temps voulu a permis d'éviter un accident de court-circuit entre deux enroulements.

2. Optimiser l'efficacité de l'exploitation et de la gestion

• Passer de la "maintenance périodique" à la "maintenance conditionnelle" pour réduire le nombre d'arrêts inutiles (les coûts d'exploitation et de maintenance peuvent être réduits 30%-50%).
• Génère automatiquement des ordres de travail de maintenance pour guider le personnel O&M dans la localisation des défauts (par exemple, "La phase d'enroulement A est déformée, un test de réponse en fréquence est recommandé").

3. Soutenir la construction de réseaux intelligents

• Fournir le support de données sous-jacent pour l'Internet des objets électriques (EIOT) et contribuer à la transformation numérique du réseau électrique (par exemple, interopérabilité des données avec le système SCADA et le système EMS).

V. Tendances de développement

• Application profonde de l'IALes activités de l'Institut sont les suivantes : introduction d'algorithmes d'apprentissage profond (par exemple, le modèle Transformer) pour traiter des données non structurées (formes d'ondes vibratoires, images infrarouges) afin d'améliorer la précision de l'identification des défaillances.
• approfondissement du jumelage numériqueLe modèle virtuel de transformateur de haute précision est construit en combinant le modèle physique et les données en temps réel afin de simuler les changements de performance dans différentes conditions de travail.
• Collaboration Edge - CloudDéployer des modèles d'IA légers à la périphérie pour permettre l'analyse des données en temps réel et les alertes locales, réduisant ainsi la dépendance à l'égard de l'informatique en nuage.

résumés