دانلود ترجمه مقاله نظارت آنلاین بر شرایط تابلو برق فشار متوسط با استفاده از سنسور D-Dot

1. مقدمه 2. ساختار و اصول عملکرد سنسور D-DOT 3. عملکرد سنسور D-DOT 4. نویززدایی سیگنال های گذرای تخلیه 5. رویکرد نویززدایی تطبیقی 6. نظارت آنلاین و تشخیص فعال 7. نتیجه گیری

چکیده – خطاهای قوس الکتریکی انرژی زیاد در تابلو برق فشار متوسط (MV)، خطرات جدی برای پرسنل یا تجهیزات می باشند و ممکن است باعث قطع و اختلال در فرآیندها شوند. اکثر خطاهای الکتریکی که موجب قوس الکتریکی می شوند، به صورت آرام، برای مثال، بخاطر تنزل عایقی یا اتصالات بد، بوجود می آیند. در این مقاله، آشکار سازی «تخلیه های جزئی» (PD ها) و قوس انرژی کم بین کنتاکت های سست، برای نظارت برخط بر تابلو برق فشار متوسط، پیشنهاد شده اند. سنجش PD در یک تابلو برق و سنجش قوس ها در یک فاصله کروی تا میله 2/0 میلی متری، انجام شد. سیگنال های سنجش شده بوسیله یک حسگر اختلاف یا دیفرانسیل میدان الکتریکی (سنسور D-dot) استخراج می شوند و توسط یک اسیلوسکوپ فرکانس بالا، ثبت می شوند. بطور کلی، سیگنال های سنجش شده به صورت برخط، بوسیله نویز فرکانس بالا سرکوب می شوند و بنابراین، نویز زدایی سنجش ها از اهمیت فراوانی برای حصول اطلاعات مطمئن در مورد یک خطا، برخوردار است. پیاده سازی تبدیل موجک گسسته جهت نویز زدایی سیگنال های سنجش شده، در این مقاله پیشنهاد شده است. مقایسه با یک روش فیلترینگ پاسخ تکانه نامتناهی مشهور انجام شده است. مقایسات حوزه زمانی و فرکانسی بین سیگنال های اصلی و سیگنال های نویز زدایی شده، اهمیت این روش برای پیش بینی خطای قوس در تابلو برق فشار قوی را آشکار می کند. طرحی برای تلفیق نظارت برخط برای کنترل مرکزی نیز ارائه می گردد.

High energy arc faults in medium-voltage (MV) switchgear are serious hazards to personnel or equipment, and may cause process interruptions. Most of the electrical faults leading to arc are developed slowly, e.g., due to insulation degradation or bad connection. In this paper, the detection of partial discharges (PDs) and low energy arcing between loose contacts has been proposed for online monitoring of MV switchgear. The PD measurements in a switchgear panel and arcing measurements across a 0.2-mm sphere-to-rod gap have been carried out. Measured signals are captured by a differential electric field sensor (D -dot sensor) and recorded by a high-frequency oscilloscope. In general, online measured signals are suppressed by high-frequency noise, and therefore, de-noising of measurements is of paramount importance to get reliable information about a fault. An implementation of discrete wavelet transform, to de-noise the measured signals, has been proposed in this paper. Comparison with a well-known infinite impulse response filtering technique has been made. Time and frequency domain comparisons between original and de-noised signals reveal the significance of this technique for arc fault prediction in MV switchgear. A layout for the integration of online monitoring to central control is also presented.