undefined

undefined

Terrestre

Sistema de monitoreo visual 3D PHM para transformadores eléctricos

 

Antecedentes del plan

Actualmente, el mecanismo de falla de los transformadores eléctricos es complejo y el costo de mantenimiento es alto, lo que tiene un gran impacto en la operación segura y estable del sistema eléctrico. Con datos completos, obtener indicadores de salud del estado operativo del transformador y realizar un mantenimiento adecuado y preventivo tiene un efecto positivo significativo en la operación segura y estable del sistema eléctrico.

Introducción del plan

Resumen del plan

El sistema de visualización tridimensional para la predicción de fallas y gestión de salud (PHM) de transformadores eléctricos está compuesto principalmente por un módulo de visualización 3D, un módulo de captura de video y sensores, un módulo de análisis de datos y evaluación del estado, y un módulo de predicción de fallas y gestión de salud. Realiza un análisis integral de la información diaria de operación del equipo, información de mantenimiento y control del equipo, evaluando integralmente los transformadores eléctricos y proporcionando recomendaciones de mantenimiento decisivas para los usuarios.

Este sistema utiliza la gestión y análisis de múltiples fuentes de datos como información de control durante el transporte y operación del equipo, información de operación del producto y datos de mantenimiento diario, para completar una evaluación integral del estado del equipo de transformadores eléctricos, y proporcionar a los usuarios recomendaciones operativas y decisiones como paradas de equipo. El sistema propone una función de diagnóstico experto decisiva, basada en la operación, predicción de fallas y gestión de salud de los transformadores eléctricos, combinando tecnologías de visualización 3D, minería de datos y servicios de computación en la nube, con el objetivo de mejorar el valor del ciclo de vida completo del equipo, logrando una gestión de transformadores que pasa del mantenimiento pasivo al mantenimiento activo con control total.

Escenarios aplicables

  • Subestaciones de gran escala: adecuado para transformadores principales en subestaciones de nivel de voltaje de 500kV o superior, garantizando la operación segura de los equipos centrales de la red mediante monitoreo preciso y gestión visual.
  • Transformadores en operación de alta carga: para transformadores que operan en picos de consumo o cargas altas prolongadas, monitoreo en tiempo real del estado del equipo y predicción anticipada de riesgos potenciales de falla.
  • Transformadores antiguos: evaluación del estado de salud para transformadores con larga vida útil y rendimiento degradado, ayudando a formular planes científicos de retiro y renovación.
  • Subestaciones inteligentes: integración con el sistema inteligente general de la subestación para lograr el intercambio de datos y gestión colaborativa de transformadores.

Funciones principales

Módulos funcionales Descripción
Captura de datos Utiliza tecnología de imágenes de video y sensores de fibra óptica para capturar datos de video, temperatura, vibración y sonido del equipo transformador durante su operación.
Procesamiento de datos Los datos capturados de imágenes, temperatura, vibración y sonido se analizan mediante métodos de big data y aprendizaje automático. Considerando la interacción entre el entorno externo y la estructura interna, se aplican métodos basados en inteligencia artificial y estadística para construir modelos integrados multidimensionales para análisis.
Visualización tridimensional Mediante modelado 3D, se construye un modelo tridimensional del transformador y se muestran los datos capturados y resultados de análisis con métodos de visualización 3D.
Evaluación del estado Basado en las conclusiones del análisis de datos, se realiza un análisis integral del estado actual del transformador, proporcionando recomendaciones de operación y mantenimiento al personal.
Diagnóstico y predicción de fallas Utilizando análisis de big data y aprendizaje automático, se realiza un análisis multidimensional de los datos del transformador para predecir científicamente las fallas y analizar las fallas ocurridas, ofreciendo diagnósticos.
Servicios de decisión y gestión de salud Basado en el análisis de grandes volúmenes de datos y la experiencia de expertos del sector, se realiza un análisis profundo del mecanismo de falla del transformador, se analiza científicamente su vida útil restante y se ofrecen recomendaciones decisivas.

Ventajas tecnológicas

  • Impulsado por gemelos digitales: basado en tecnología de gemelos digitales, se logra un mapeo preciso entre el modelo virtual y el equipo físico, reproduciendo fielmente el estado operativo del equipo.
  • Fusión de datos multisource: integra datos eléctricos, mecánicos, químicos y otros tipos para reflejar integralmente el estado de salud del equipo y mejorar la precisión de la predicción de fallas.
  • Decisión visual: la interfaz de visualización 3D reduce la dificultad de comprensión de datos, permitiendo al personal de mantenimiento comprender el estado del equipo de forma más rápida y precisa, mejorando la eficiencia en la toma de decisiones.
  • Mantenimiento predictivo: mediante tecnología PHM, se detectan fallas potenciales anticipadamente, transformando el mantenimiento pasivo en activo, reduciendo costos de operación y pérdidas por cortes.
  • Alta compatibilidad y escalabilidad: soporta múltiples protocolos de comunicación y acceso a sensores, con capacidad de expansión de módulos funcionales según necesidades, adaptándose a diferentes escenarios de aplicación.

Casos de aplicación

Caso 1: Subestación de ultra alta tensión

  • Antecedentes del proyecto: el transformador principal de la estación tiene alto valor y dificultad de mantenimiento, se requiere monitorear en tiempo real el estado de salud del equipo para evitar fallas graves.
  • Implementación de la solución: despliegue del sistema de monitoreo visual 3D PHM para transformadores eléctricos, integrando más de 200 puntos de monitoreo como temperatura, vibración y cromatografía de aceite.
  • Resultados de la aplicación: el sistema predijo con éxito un sobrecalentamiento local en el devanado del transformador, programando mantenimiento anticipado para evitar fallas; la eficiencia de mantenimiento aumentó un 40% y los costos de reparación se redujeron en un 30%.

Introducción a la solución

Casos de aplicación