undefined

undefined

Terrestre

Sistema de Monitoramento Visual 3D PHM para Transformadores de Energia

 

Contexto do Plano

Atualmente, o mecanismo de falha dos equipamentos de transformadores elétricos é complexo e o custo de manutenção é alto, o que tem um grande impacto na operação segura e estável do sistema elétrico. Com dados completos, obter indicadores de saúde do estado operacional do transformador e realizar manutenção adequada e preventiva tem um papel significativamente positivo na operação segura e estável do sistema elétrico.

Introdução ao Plano

Visão Geral do Plano

O sistema de visualização 3D para previsão de falhas e gerenciamento de saúde (PHM) de transformadores elétricos é composto principalmente por módulos de exibição visual 3D, coleta de vídeo e sensores, análise de dados e avaliação de estado, e módulo de previsão de falhas e gerenciamento de saúde. Ele realiza análise abrangente dos dados de operação diária do equipamento, informações de manutenção e controle, avaliando de forma integrada os transformadores elétricos e fornecendo recomendações de manutenção decisórias para os usuários.

Este sistema utiliza dados de múltiplas fontes, como informações de controle durante transporte e operação do equipamento, informações de operação do produto e dados de manutenção diária para gerenciar e analisar, completando a avaliação integrada do estado dos equipamentos de transformadores elétricos. Ele oferece sugestões operacionais e decisões como parada de equipamentos. O sistema propõe uma função decisória de diagnóstico especializado, baseada na operação, previsão de falhas e gerenciamento de saúde dos transformadores, combinando tecnologias de visualização 3D, mineração de dados e serviços de computação em nuvem, visando aumentar o valor do ciclo de vida completo dos equipamentos e realizar a gestão dos transformadores de manutenção passiva para manutenção ativa com controle total das informações.

Cenários de Aplicação

  • Subestações de grande porte: adequado para transformadores principais em subestações de 500kV ou mais, garantindo a operação segura dos equipamentos centrais da rede elétrica por meio de monitoramento preciso e gestão visual.
  • Transformadores em operação de alta carga: para transformadores que operam em picos de consumo ou cargas elevadas por longos períodos, monitorando em tempo real o estado do equipamento e prevendo antecipadamente riscos potenciais de falha.
  • Transformadores antigos: avaliação do estado de saúde de transformadores com longa vida útil e desempenho degradado, auxiliando na elaboração de planos científicos de desativação e reforma.
  • Subestações inteligentes: integração com o sistema inteligente geral da subestação para compartilhamento de dados e gestão colaborativa dos transformadores.

Funções Principais

Módulos Funcionais Descrição
Coleta de Dados Utiliza tecnologia de imagens de vídeo e sensores de fibra óptica para coletar dados de vídeo, temperatura, vibração e som dos equipamentos de transformadores elétricos durante a operação.
Processamento de Dados Os dados coletados de imagens, temperatura, vibração e som são analisados por meio de métodos como big data e aprendizado de máquina. Considerando a interação entre o ambiente externo e a estrutura interna, são aplicados métodos baseados em inteligência artificial e estatística para construir modelos integrados multidimensionais para análise.
Exibição Visual 3D Utiliza modelagem 3D para construir modelos dos transformadores e exibe os dados coletados e resultados da análise em formatos tridimensionais reconhecidos internacionalmente.
Avaliação do Estado Com base nas conclusões da análise dos dados, realiza uma análise integrada do estado atual do transformador, fornecendo recomendações de operação e manutenção para os técnicos.
Diagnóstico e Previsão de Falhas Utilizando análise de big data e aprendizado de máquina, realiza análise multidimensional dos dados dos transformadores elétricos para prever cientificamente falhas e analisar as ocorrências, fornecendo diagnósticos.
Serviços Decisórios e Gerenciamento de Saúde Com base na análise de grandes volumes de dados e na experiência de profissionais seniores do setor, realiza análise profunda dos mecanismos de falha dos transformadores elétricos, analisa cientificamente a vida útil remanescente e fornece recomendações decisórias.

Vantagens Técnicas

  • Conduzido por gêmeos digitais: baseado na tecnologia de gêmeos digitais, realiza mapeamento preciso entre o modelo virtual e o equipamento físico, reproduzindo fielmente o estado operacional do equipamento.
  • Fusão de dados multifuente: integra dados elétricos, mecânicos, químicos e outros tipos para refletir de forma abrangente o estado de saúde do equipamento, aumentando a precisão da previsão de falhas.
  • Decisão visual: interface visual 3D reduz a dificuldade de compreensão dos dados, permitindo que os técnicos compreendam o estado do equipamento de forma mais rápida e precisa, melhorando a eficiência decisória.
  • Manutenção preditiva: por meio da tecnologia PHM, detecta antecipadamente falhas potenciais, transformando a manutenção passiva em ativa, reduzindo custos operacionais e perdas por interrupção.
  • Alta compatibilidade e escalabilidade: suporta múltiplos protocolos de comunicação e acesso a sensores, podendo expandir módulos funcionais conforme a necessidade, adaptando-se a diferentes cenários de aplicação.

Casos de Aplicação

Caso 1: Subestação de Ultra Alta Tensão

  • Contexto do projeto: o transformador principal da subestação tem alto valor e alta dificuldade de manutenção, sendo necessário monitorar em tempo real o estado de saúde do equipamento para evitar falhas graves.
  • Implementação da solução: implantação do sistema de monitoramento visual 3D PHM para transformadores elétricos, integrando mais de 200 pontos de monitoramento de temperatura, vibração, cromatografia do óleo, entre outros.
  • Resultados da aplicação: o sistema previu com sucesso o risco de superaquecimento local nas bobinas do transformador, permitindo agendar reparos antecipadamente e evitar falhas; a eficiência da manutenção aumentou 40% e os custos de reparo foram reduzidos em 30%.

Introdução da Solução

Casos de Aplicação