هل يمكن لقاطع الدائرة المُربَط بالإنترنت (IoT) منع الحوادث الكهربائية بفعالية؟

قاطع دارة إنترنت الأشياء (IoT): كشف الأعطال دون اكتمال الدورة ورد الفعل السريع

يستخدم التصميم الأكثر تقليدية لقاطع الدائرة إما محفِّزًا حراريًّا أو مغناطيسيًّا. ويجب أن يستمر تيار العطل لمدَّةٍ معينة (عادةً ما تكون ٣–٥ دورات تيار متناوب أو ٥٠–٨٣ مللي ثانية) كي يُفعِّل القاطع. ويعمل هذا الحد الأدنى كعُطالة ميكانيكية، فيتجاهَل عطلًا ما بشكل أعمى إذا كانت مدَّته لا تتجاوز بضعة ملي ثوانٍ (مثل وميض قوس كهربائي أو انخفاض سريع في الجهد). وعلى النقيض من الممارسة الصناعية العامة، فإن الأحداث عالية الطاقة وقصيرة المدة تحدث بانتظام وهي المسؤولة عن ٤٢٪ من أضرار المعدات الصناعية (معهد أبحاث الطاقة الكهربائية EPRI، ٢٠٢٣). وغالبًا ما تزول هذه الأحداث تلقائيًّا، وتظهر أثناء زمن الاستجابة الخاص بأجهزة الحماية من الأعطال التقليدية. وهذا يؤدي إلى انطلاق حراري سريع أو حتى فشل العزل، وانحراف الجهاز عن عمله، بل وقد يؤدي إلى سلسلة متتالية من الأعطال. ولا تمتلك الأجهزة التقليدية القدرة على تحليل الموجة الكهربائية على مستوى الشكل الموجي، ولذلك فهي، وبسبب هذه الإعاقة، غير قادرة على اكتشاف الشذوذات على مستوى المايكروثانية التي قد تؤدي إلى فشل كارثي.

بنية معالجة الحواف: تحليل فوري للتيار ودرجة الحرارة والتسرب

وباعتماد نظام إنترنت الأشياء (IoT)، أصبح من الممكن الآن دمج وحدات معالجة الحواف في قواطع الدوائر. وتستطيع هذه الوحدات إجراء استشعار متزامن لعدة معايير عند تردد أخذ العينات البالغ ١٠ كيلوهرتز (أي ما يعادل زمن دورة القطع البالغ ٢٥٠ ميكروثانية)، ما يعني أن زمن تحليل القاطع هو ٢٥٠ ميكروثانية. وتقوم المعالجات المدمجة على اللوحة بقياس:

- التوافقيات في موجات التيار
- الفروق في درجات الحرارة عند الطرفيات
- تسرب العزل
- وجود المجالات الكهرومغناطيسية

تُجعل الكشف المبكر عن القوس الكهربائي، والتفريغ الجزئي، والانفلات الحراري شبه مؤكدٍ بفضل القدرات القوية لدمج البيانات في هذه الوحدات. ويتم ضمان زمن استجابة أقل من ٢٠ مللي ثانية باستخدام أنظمة موزَّعة ذكية (أو دمج البيانات عند الحافة) لإزالة الاعتماد على الأنظمة السحابية الخارجية. وقد أظهرت عملية التحقق من سرعة الاستجابة عبر الاختبارات الميدانية معدل ارتباط بنسبة ٩٨,٧٪ بين الكشف المتوقع والكشف الفعلي للانفلات الحراري.

التحقق: نشر نظام سيمنز ديسيغو سي سي — متوسط زمن التشغيل ٢٢ مللي ثانية مقابل ٣٠٠ مللي ثانية في الأنظمة التقليدية

في عام 2023، سجَّلت عملية النشر في مجمَّع تجاري باستخدام قواطع كهربائية ذكية مُدمجة مع نظام سيمنز «ديسيغو سي سي» (Desigo CC) زمنَ قطعٍ متوسِّطٍ بلغ ٢٢ مللي ثانية (٠٫١٨ دورة تيار متناوب). ويحقِّق هذا أداءً يفوق الأنظمة التقليدية بمعامل ١٣٫٦ مرةً (٣٠٠ مللي ثانية). وفي عمليات المحاكاة الخاصة بالأعطال الأرضية المُعالَجة، اكتشَفت هذه المنظومة ٩٩٫٤٪ من التقلبات العابرة التي استمرت بين ٥ و١٠ مللي ثانية والتي فشلت القواطع التقليدية في اكتشافها، وبالتالي منعت تفاقُم القوس الكهربائي وما يترتب عليه من أضرار بالعزل. كما أن البيانات التلفزيونية المشفرة التي وصلت إلى مراكز المراقبة البعيدة خلال ٤٠٠ مللي ثانية تُظهر تكامُلاً متينًا بين الحواف والسحابة، مما يحافظ على الاستقلالية الحرجة للأمان ويسمح بالاحتواء الفوري للمخاطر خلال أقل من ثانية واحدة.

الوقاية الاستباقية من المخاطر باستخدام استشعار متعدد المعايير في القاطع الكهربائي الذكي

إن حماية الدوائر الكهربائية التقليدية تكون ردَّ فعلٍ بعد حدوث العطل، بينما تتميَّز القواطع الكهربائية المزوَّدة بتقنية الإنترنت للأشياء (IoT) بقدرتها على الوقاية من الأعطال مسبقًا من خلال تحليل متكامل لبيانات عدة مستشعرات.

هيمنة أعطال التوصيل بالأرض: تكشف بيانات الرابطة الوطنية للحماية من الحرائق (NFPA) أن ٦٨٪ من الحرائق الكهربائية ناجمة عن تسريبات غير مكتشفة

وفقًا لجمعية الحماية الوطنية من الحرائق (NFPA)، فإن 68% من الحرائق الكهربائية تُعزى إلى أعطال التأريض، الناتجة عن فشل تدريجي وغير مكتشف في العزل، وغياب العزل المناسب، وذلك بسبب القواطع التقليدية التي تفتقر إلى الحساسية بالملي أمبير (فشل العزل، ارتفاع حراري غير خاضع للرقابة). وتقوم القواطع الكهربائية المزودة بتقنية الإنترنت للأشياء (IoT) برصد وإدارة فشل العزل، مع تتبع ظاهرة الانهيار الحراري للعزل قبل أن تبدأ.

منطق دمج العتبات: مزامنة التيار ودرجة الحرارة والتشويهات التوافقية وسلامة العزل

تستخدم القواطع الكهربائية المزودة بتقنية الإنترنت للأشياء (IoT) مجموعةً من أربع مدخلات (التيار، درجة الحرارة، التشويهات التوافقية، وحالة العزل) لتمكين الفصل الاستباقي عند 85% من العتبة المحددة، مما يلغي حالات الفصل الناتجة عن تجاوز عتبة معلَّمة واحدة فقط. ويؤدي هذا المنطق المتعدد المعايير إلى القضاء على حالات الفصل غير الضرورية الناتجة عن تجاوز معيار واحد فقط، كما يقلل من خطر انفجارات القوس الكهربائي بنسبة 40 ضعفًا مقارنةً بأنظمة المعيار الواحد.

قدرات الرصد الفوري والتدخل عن بُعد المتوفرة في القاطع الكهربائي المزود بتقنية الإنترنت للأشياء (IoT)

سد الفجوة بين الإشعار والإجراء: بيانات القياس عن بُعد عبر بروتوكول MQTT وزمن دوران سحابي أقل من 500 مللي ثانية

تستخدم قواطع الدائرة الخاصة بالإنترنت للأشياء (IoT) بروتوكول نقل بيانات القياس عن بُعد عبر الطوابير (MQTT)، وتصل إلى زمن تأخير إجمالي في الحلقة السحابية يقل عن 500 مللي ثانية. وبفضل بنية النشر-الاشتراك الخفيفة، تُرسل تنبيهات الأعطال المؤكدة إلى مراكز التحكم خلال دورة واحدة من التيار المتناوب (AC). ويكتسب هذا الأمر أهميةً حاسمةً بالنظر إلى أن الحرائق الناجمة عن القوس الكهربائي قد تشتعل خلال أقل من 100 مللي ثانية. وتمكّن هذه القدرة من الانتقال من الصيانة الاستجابية إلى التخفيف الوقائي من المخاطر، وذلك عبر إيقاف التشغيل قبل أن تصل شحنة الطاقة إلى مستويات خطرة.

التكامل مع لوحة تحكم المشغل والتصعيد الآلي

تدمج لوحات التحكم المركزية مقاييس الوقت الفعلي لمفاتيح التشغيل والإطفاء الذكية (IoT) الموزَّعة، وتوفر تصورات بصرية سهلة الفهم مُلوَّنة عبر تخطيطات المرافق. وعند اكتشاف عدة حالات شاذة متداخلة، تلغي البروتوكولات الآلية للتصعيد الحاجة إلى المراجعة اليدوية. ويتم إرسال الإشعارات عبر الرسائل القصيرة (SMS) أو الرسائل الدفعية (push messages) إلى أعضاء فريق الاستجابة المعينين. ويضمن التوصيل المتكرر للتنبيهات وصول الإشعارات الحرجة إلى المستجيبين المتاحين خلال ٩٠ ثانية، حتى في أوقات الليل. وتُسجَّل جميع الإجراءات لأغراض الامتثال، كما تقوم أنظمة التذاكر المدمجة بإرسال فرق الصيانة مع تحديد دقيق لمواقع الأعطال والمعلومات السياقية ذات الصلة.

تصنيف الأعطال الذكي: تقليل الإنذارات الكاذبة إلى أدنى حدٍّ وتعظيم كشف الأعطال

الحفاظ على توازن دقيق جدًّا بين التمييز والدقة والموثوقية: المقايضات المتعلقة بالتعلم الآلي الحافة (Edge ML) في عمليات النشر الميدانية

يُتوقَّع أن توازن تطبيقات التعلُّم الآلي المُنفَّذة على الحواف (Edge) بين مستوى الدقة المحقَّق والمتطلبات الزمنية الفعلية، إذ إن ارتفاع درجة الدقة في التمييز بين الأعطال يؤدي إلى زيادة تعقيد النموذج، ما ينتج عنه زمن استجابة أعلى ومتطلبات طاقة أكبر. وتستند التطبيقات المُحسَّنة إلى شبكات عصبية مُكمَّنة (Quantized Neural Networks) لتغطية نطاق واسع من توقيعات الأعطال، بما في ذلك وميض القوس الكهربائي (Arc Flashes)، وتيار بدء التشغيل للمحركات (Motor Inrush)، وفشل العزل الداخلي، مع القدرة لا تزال على تحقيق أزمنة استنتاج تقل عن ١٠٠ ملي ثانية وبدقة تصنيف تزيد عن ٩٥٪ في بيئات كهربائية شديدة الضوضاء. وقد دفعت متطلبات جمع الطاقة (Energy Harvesting) إلى الحاجة إلى تقنيات تفرُّغ (Sparsity) مكثَّفة تسمح بالحفاظ على دقة تصنيف تتجاوز ٩٥٪ دون المساس بسلامة تصميم النظام الذي يُولِّد طاقته بنفسه.

التحقق: تصنيف أعطال القوس الكهربائي في الشبكات الكهربائية التشغيلية بدقة تبلغ ٩٩,٢٪

أكدت الاختبارات التي أُجريت في 12 محطة فرعية، والتي شملت 47,000 حدثًا ميدانيًّا فريدًا، دقةً بنسبة ٩٩,٢٪ في تصنيف أعطال القوس الكهربائي. وبمعالجة تشويه التوافقيات، والانقطاعات المفاجئة في التيار، والبصمات الحرارية، تمكن النظام من تحديد أحداث قوس الخطر بنسبة انخفاض بلغت ٨٣٪ في الإنذارات الكاذبة المرتبطة بالأحداث غير الخطرة (مثل بدء تشغيل المحركات، إلخ)، مقارنةً بالأساليب القائمة على العتبات. وتم العزل التلقائي في زمن أقل من ١/٨ من دورة التيار المتناوب، ما يؤكد أن الذكاء الاصطناعي قادرٌ على التخفيف من خطر الحرائق الكهربائية مع الحفاظ على استمرارية العمليات.

تعتمد وظيفة قواطع الدائرة المُرتبطة بالإنترنت للأشياء (IoT) على بنية معالجة الحافة؛ وبالتالي، فهي قادرة على إجراء تحليلٍ في الوقت الفعلي لعدة معايير، مما يؤدي إلى اكتشاف الأعطال العابرة التي لا يمكن لقواطع الدائرة التقليدية (الكهروميكانيكية) كشفها.

تشكل الأعطال الأرضية ٦٨٪ من الحرائق الكهربائية، ويعود سبب انتشارها هذا إلى أن القواطع التقليدية غير قادرة على كشف التدهور التدريجي في العزل (التسريب التدريجي) الذي يمكن لقواطع الدوائر الذكية (IoT) رصده وكشفه باعتباره عطلًا.

وبسبب زمن الانتقال المنخفض جدًّا في الحلقة السحابية (وفي حالة قواطع الدوائر الذكية لا توجد حلقة سحابية أصلًا؛ بل إن مستشعر الزمن والقاطع ووحدة التحكم مدمجة في وحدة واحدة)، فإن الحلقة المغلقة للصيانة الوقائية تنتقل من الصيانة الاستجابية إلى تجنب المخاطر بشكل استباقي.

يلعب الذكاء الاصطناعي دورًا محوريًّا في قواطع الدوائر الذكية (IoT) من خلال تحديد أنواع الأعطال المختلفة بدقةٍ عاليةٍ وتحديد أزمنة الاستجابة المناسبة للحد من خطر نشوب الحرائق الكهربائية؛ وبالتالي فإن وظيفة الذكاء الاصطناعي ترتبط ارتباطًا مباشرًا بتقليل خطر الحرائق بالنسبة للدائرة.