Silikon izolatörlerde kirlenme kaynaklı yüzeysel arkların derin öğrenme tabanlı modeli

Abstract

Yüksek gerilim iletim sistemlerinde kullanılan silikon izolatörler, atmosferik koşullar altında oluşan kirlenme birikimleri nedeniyle yüzey elektrik alan dağılımında önemli değişimlere maruz kalabilmektedir. Özellikle izolatör siperlerinin üst ve alt bölgelerinde oluşan non-uniform kirlenme, yüzey iletkenliğinin yerel olarak değişmesine ve elektrik alanın kritik seviyelere ulaşmasına, bunun sonucu olarak yüzeysel ark oluşumu ve enerji kesintilerine yol açabilmektedir. Bu çalışmada, silikon izolatörlerde homojen olmayan kirlenme koşullarının elektrik alan ve sıcaklık dağılımı üzerindeki etkileri incelenmiştir. İlk olarak, izolatör siperleri farklı kir iletkenliği oranlarında kirletilerek çeşitli gerilim seviyeleri için elektrik alan ve sıcaklık verileri elde edilmiş ve bu veriler kullanılarak derin öğrenme ve makine öğrenimi yöntemleri ile elektrik alan ve sıcaklık tahminleri gerçekleştirilmiştir. İkinci olarak, türbülanslı rüzgâr etkisi ve farklı parçacık çapları dikkate alınarak izolatör yüzeyindeki kir taşınımı ve birikim dağılımları sayısal olarak analiz edilmiş; bu birikimlere iletkenlik tanımlanarak kritik elektrik alan bölgeleri ve yüzeysel ark oluşumuna yatkın bölgeler belirlenmiştir. Tüm sayısal analizler, sonlu elemanlar yöntemine dayalı COMSOL Multiphysics ortamında gerçekleştirilmiştir. Çalışmanın temel hipotezi, izolatör siperlerinde oluşan kir iletkenliği dağılımları ve türbülanslı rüzgâr ile parçacık dağılımının elektrik alan yoğunluğunu önemli ölçüde değiştirdiği; bu değişimlerin yapay zeka yöntemleriyle yüksek doğrulukla tahmin edilebileceği ve elde edilen alan dağılımlarına bağlı olarak yüzeysel ark oluşumunun analiz edilebileceğidir. Elde edilen bulgular, homojen olmayan kirlenmenin izolatör performansı ve enerji iletim sistemlerindeki arıza risklerinin anlaşılmasına katkı sağlamaktadır.

Silicone insulators used in high-voltage transmission systems are significantly affected by surface contamination accumulation under atmospheric conditions, leading to notable variations in the surface electric field distribution. Non-uniform contamination, particularly on the upper and bottom regions of the insulator sheds, alters local surface conductivity and can cause the electric field to reach critical levels, resulting in surface flashover and potential power interruptions. This study investigates the effects of non-uniform contamination on the electric field and temperature distribution of silicone insulators. First, the insulator sheds were subjected to different contamination conductivity levels under various voltage conditions, and the resulting electric field and temperature data were used to develop predictive models employing deep learning and machine learning techniques. Second, the effects of turbulent wind and varying particle sizes on the transport and accumulation of contamination on the insulator surface were numerically analyzed. Conductivity values were assigned to these accumulation patterns to identify critical electric field regions and areas prone to surface flashover. All numerical analyses were performed using finite element methods within the COMSOL Multiphysics environment. The central hypothesis of the study is that contamination conductivity distributions on the insulator sheds, combined with turbulent wind and particle transport, significantly influence the electric field intensity. These variations can be predicted with high accuracy using artificial intelligence methods, and the resulting field distributions allow for the analysis of surface flashover occurrence. The findings provide insight into the impact of non-uniform contamination on insulator performance and contribute to the assessment of failure risks in power transmission systems.