เซอร์กิตเบรกเกอร์แบบ IoT ทำหน้าที่ตรวจสอบวงจรจากระยะไกลได้อย่างไร

สถาปัตยกรรมหลักของเซอร์กิตเบรกเกอร์แบบ IoT

ชั้นการตรวจวัด: การจับค่าพารามิเตอร์ทางไฟฟ้าแบบทันทีทันใด

คุณลักษณะหลักของเซอร์กิตเบรกเกอร์แบบ IoT คือชั้นการรับรู้ (sensing layer) ซึ่งประกอบด้วยเซ็นเซอร์ที่มีความแม่นยำสูงเป็นพิเศษ เพื่อตรวจสอบพารามิเตอร์ไฟฟ้าที่สำคัญต่าง ๆ อย่างต่อเนื่องตลอด 24 ชั่วโมงทุกวัน ทรานส์ฟอร์เมอร์วัดกระแส (current transformers) ทำหน้าที่ตรวจจับการเปลี่ยนแปลงของโหลดภายในขอบเขตความคลาดเคลื่อนประมาณร้อยละ 1 ในขณะเดียวกัน เซ็นเซอร์วัดแรงดันและเซ็นเซอร์ประเภทอื่น ๆ จะใช้ระบุปัญหาต่าง ๆ เช่น ความไม่สมดุลของเฟส การบิดเบือนฮาร์โมนิก (harmonic distortions) และเซ็นเซอร์วัดอุณหภูมิที่ฝังอยู่ในหน่วยตัดวงจรแบบเทอร์มอล-แม่เหล็ก (thermal magnetic trip unit) ซึ่งสามารถตรวจจับภาวะร้อนจัดล่วงหน้าก่อนที่หน่วยตัดวงจรดังกล่าวจะล้มเหลว เซ็นเซอร์เหล่านี้ทำงานร่วมกันเพื่อระบุสถานการณ์อันตรายต่าง ๆ เช่น ข้อบกพร่องการอาร์ก (arc fault) หรือวัสดุฉนวนที่อาจเสื่อมสภาพ รายงานอุตสาหกรรมจากปีที่ผ่านมาแสดงให้เห็นว่า การตรวจสอบแบบนี้สามารถลดเวลาหยุดทำงานของอุปกรณ์ลงได้ถึงร้อยละ 50 และยังสามารถแปลงสัญญาณอะนาล็อกแบบเดิมให้เป็นสัญญาณดิจิทัล เพื่อสร้างภาพรวม (snapshot) ของสถานะสุขภาพทางไฟฟ้าของวงจรได้อย่างครบถ้วน

ชั้นประมวลผลและการเชื่อมต่อ: ปัญญาประดิษฐ์แบบเอจ (Edge Intelligence) และการเชื่อมต่อแบบอัปลิงก์ที่ปลอดภัย

ข้อมูลเดินทางจากเซ็นเซอร์ผ่านสิ่งที่เราเรียกว่าชั้นปัญญาประดิษฐ์แบบขอบ (edge intelligence layer) ซึ่งการประมวลผลเกิดขึ้นโดยไมโครคอนโทรลเลอร์ที่ดำเนินการวิเคราะห์เชิงฝัง (embedded analytics) นี่หมายความว่าอย่างไร? เวลาตอบสนองในกรณีวิกฤต เช่น เมื่ออุปกรณ์เริ่มดึงกำลังไฟฟ้าจำนวนมากและจำเป็นต้องถูกตัดวงจร จะน้อยกว่า 2 มิลลิวินาที โดยไม่จำเป็นต้องรอการตอบกลับจากคลาวด์ เพื่อให้มั่นใจว่าคลาวด์จะได้รับการให้บริการอย่างปลอดภัย เราใช้การเข้ารหัส MQTT อย่างไรก็ตาม ในกรณีที่มีระบบ SCADA รุ่นเก่าอยู่ โปรโตคอล Modbus RTU ถือเป็นทางเลือกที่เหมาะสม ในระบบของเรา ความปลอดภัยถูกออกแบบไว้ภายในระบบตั้งแต่ต้นด้วยโมเดลความปลอดภัยแบบไม่ไว้วางใจ (zero-trust security model) โดยแต่ละเซสชันจะได้รับชุดคีย์เข้ารหัสเฉพาะสำหรับเซสชันนั้น ซึ่งสร้างขึ้นโดยโมดูลความปลอดภัยฮาร์ดแวร์ (hardware security modules) ทุกสิ่งทุกอย่างตั้งแต่ต้นจนจบจึงได้รับการปกป้องอย่างสมบูรณ์ สำหรับฟังก์ชันความปลอดภัยและการปฏิบัติงานทั้งแบบวิกฤตและไม่วิกฤต ระบบจะผสานรวมการประมวลผลในพื้นที่เข้ากับฟังก์ชันความปลอดภัย และการประมวลผลจากระยะไกลอย่างปลอดภัย ซึ่งช่วยให้สามารถรักษาความสอดคล้องในการปฏิบัติงาน และทำการวินิจฉัยระยะไกลได้เมื่อจำเป็น

เซ็นเซอร์หลักและโปรโตคอลการสื่อสารสำหรับการผสานรวมเครื่องตัดวงจรแบบ IoT

ฟังก์ชันการตรวจวัดหลัก: กระแสไฟฟ้า แรงดันไฟฟ้า สถานะการตัด/ปิด และการตรวจสอบสถานะการปฏิบัติงาน

เซอร์กิตเบรกเกอร์แบบ IoT รุ่นทันสมัยมีระบบต่าง ๆ ที่ผสานรวมกันหลายระบบ ข้อแรกคือหม้อแปลงกระแสไฟฟ้า (current transformers) ซึ่งทำหน้าที่ตรวจสอบการใช้พลังงาน ข้อถัดไปคือเซ็นเซอร์วัดแรงดันไฟฟ้า (voltage sensors) ที่ตรวจจับภาวะแรงดันตก แรงดันเกิน และฮาร์โมนิกที่ไม่พึงประสงค์ในวงจรไฟฟ้า เซ็นเซอร์ตำแหน่งของคอนแทคสามารถตรวจสอบการเปิดและปิดเซอร์กิตเบรกเกอร์ได้แม่นยำถึงระดับมิลลิวินาที ซึ่งมีความสำคัญอย่างยิ่งในสถานการณ์วิกฤต สุดท้ายนี้ คือระบบตรวจสอบสุขภาพของการทำงาน (operational health monitors) ซึ่งสามารถตรวจวัดอุณหภูมิ สภาพของชิ้นส่วนเคลื่อนไหวที่สึกหรอ ความยึดเกาะของฉนวนกันความร้อน และปัจจัยอื่น ๆ อีกหลายประการ เมื่อเซ็นเซอร์ต่าง ๆ ทำงานร่วมกัน จะส่งผลให้ลักษณะของค่าที่วัดได้เปลี่ยนไป ตัวอย่างเช่น ความแตกต่างของค่าระหว่างเฟสทั้งสามเฟสถึงร้อยละ 15 อาจเป็นสัญญาณเตือนให้เฝ้าระวังเพื่อป้องกันปัญหาวิกฤต โรงงานที่ใช้ระบบตรวจสอบแบบเรียลไทม์กำลังประสบกับการลดลงอย่างมีนัยสำคัญของความล้มเหลวที่ไม่คาดคิด ผลการศึกษาล่าสุดแสดงให้เห็นว่า โรงงานต่าง ๆ มีการลดลงของกรณีการหยุดเดินเครื่องโดยไม่คาดคิดถึงร้อยละ 40 เนื่องจากการติดตามสภาพเครื่องจักรอย่างมีประสิทธิภาพมากขึ้น แทนที่จะรอให้เกิดความล้มเหลวขึ้นก่อน

การเลือกโปรโตคอล: การส่งข้อมูลระยะไกลผ่านคลาวด์โดยใช้ MQTT เทียบกับความสามารถในการทำงานร่วมกันของระบบ SCADA แบบท้องถิ่นโดยใช้ Modbus RTU

การเลือกโปรโตคอลเกี่ยวข้องกับการหาจุดสมดุลระหว่างการใช้เทคโนโลยีคลาวด์ในยุคปัจจุบันกับระบบควบคุมอุตสาหกรรมแบบดั้งเดิม:

โปรโตคอล ทิศทางของการไหลของข้อมูล ความหน่วงโดยทั่วไป แอปพลิเคชันที่เหมาะสมที่สุด

MQTT แบบเผยแพร่-สมัครรับ (Publish-Subscribe) ต่ำกว่า 100 มิลลิวินาที การวิเคราะห์ข้อมูลบนคลาวด์ การแจ้งเตือนผ่านมือถือ และแดชบอร์ด

Modbus RTU แบบมาสเตอร์-สเลฟ (Master-Slave) 1–100 มิลลิวินาที การควบคุม SCADA แบบท้องถิ่นที่แน่นอนและสามารถรวมเข้ากับระบบที่มีอยู่ได้

MQTT ใช้แบนด์วิดท์น้อยมาก ทำให้สามารถขยายระบบการส่งข้อมูลระยะไกลได้อย่างมีประสิทธิภาพ และเหมาะสำหรับการมองเห็นแบบรวมศูนย์และการแจ้งเตือนเมื่อค่าเกินเกณฑ์ ในทางกลับกัน Modbus RTU สามารถทำนายและให้การสื่อสารที่มีภาระงานต่ำกับตัวควบคุมอุตสาหกรรม โดยไม่จำเป็นต้องเพิ่มความซับซ้อนจากเกตเวย์ ในระบบที่ผสมผสาน ตัวแปลงโปรโตคอลจะผสานรวมทั้งสองระบบร่วมกัน โดยการสร้างแบบจำลองการแจ้งเตือนเมื่อมีภาระงานเกินขีดจำกัดผ่าน MQTT และ Modbus เพื่อประสานคำสั่งควบคุม

กระบวนการตรวจสอบระยะไกลที่เรียบง่าย: การถ่ายโอนข้อมูลสู่การประมวลผลเชิงลึก

การจับภาพกระแสข้อมูล การจัดเก็บอย่างปลอดภัย การวิเคราะห์ และการแสดงผลบนคลาวด์

เบรกเกอร์อัจฉริยะสามารถส่งค่ากระแสไฟฟ้าและแรงดันไฟฟ้าที่ตรวจวัดได้ รวมถึงเหตุการณ์การตัดวงจรไปยังเซิร์ฟเวอร์คลาวด์ที่เกี่ยวข้องผ่านการเชื่อมต่อ MQTT แบบเข้ารหัสและปลอดภัย ข้อมูลที่อัปโหลดจะถูกตรวจสอบความผิดปกติแบบเรียลไทม์บนเซิร์ฟเวอร์คลาวด์ และผลลัพธ์จะแสดงในแดชบอร์ดที่ใช้งานง่าย ผู้ใช้สามารถดูข้อมูลการใช้พลังงานตามช่วงเวลาและสถานะการทำงานของอุปกรณ์ที่ถูกตรวจสอบได้ ระบบยังอนุญาตให้ผู้ใช้กำหนดค่าเกณฑ์แจ้งเตือนแบบเฉพาะบุคคลได้อีกด้วย ตัวอย่างเช่น สามารถตั้งค่าการแจ้งเตือนการใช้งานเพื่อส่งข้อความ SMS ไปยังผู้ใช้เมื่อการใช้งานเกินร้อยละ 90 ด้วยคุณลักษณะนี้ วิศวกรสามารถดำเนินการจากระยะไกลได้ และสามารถดำเนินการลดภาระโหลด (load shedding) เพื่อป้องกันไม่ให้ภาระโหลดเพิ่มขึ้นในระหว่างเหตุการณ์ที่ไม่ได้วางแผนไว้ แนวทางนี้มีเป้าหมายเพื่อป้องกันไม่ให้ปัญหาเล็กน้อยในระบบลุกลามกลายเป็นปัญหาระบบที่ร้ายแรงและซับซ้อน ซึ่งอาจนำไปสู่ความล้มเหลวหลายจุดพร้อมกัน

การส่งเสริมอายุการใช้งานของโครงข่ายไฟฟ้าและการบำรุงรักษาเชิงพยากรณ์โดยการวิเคราะห์แนวโน้มในอดีต

เมื่อการวิเคราะห์ข้อมูลในระบบคลาวด์ใช้การเรียนรู้ของเครื่อง (machine learning) เพื่อวิเคราะห์ข้อมูลประสิทธิภาพในอดีต จะสามารถตรวจจับสัญญาณที่บ่งชี้ถึงการเสื่อมสภาพของอุปกรณ์ได้แม้แต่สัญญาณที่เล็กที่สุดก่อนที่อุปกรณ์จะล้มเหลว ตัวอย่างเช่น การเพิ่มขึ้นของความผิดปกติจากการเกิดอาร์ค (arc faults) หรือค่าความต้านทานฉนวน (insulation resistance) ที่อาจบ่งชี้ถึงปัญหาในอีกสามถึงหกสัปดาห์ข้างหน้า ข้อมูลเชิงพยากรณ์ดังกล่าวกำลังแพร่หลายมากขึ้นในเอกสารทางวิชาการของบริษัทผู้ให้บริการไฟฟ้า ขณะที่พวกเขากำลังจัดทำแผนการบำรุงรักษาเชิงพยากรณ์ให้ครอบคลุมยิ่งขึ้น ทั้งนี้ หน่วยงานให้บริการสาธารณูปโภค (utilities) โดยรวมรายงานว่าประสบความสำเร็จในการลดจำนวนเหตุการณ์ไฟฟ้าดับแบบไม่คาดฝันลงได้ร้อยละ 40 โดยเป็นผลโดยตรงจากการนำกลยุทธ์การบำรุงรักษาเชิงพยากรณ์ไปปฏิบัติ สำหรับมุมมองด้านการลงทุนในโครงสร้างพื้นฐาน การวิเคราะห์แนวโน้มระยะยาวช่วยสนับสนุนกระบวนการตัดสินใจ บริษัทผู้ให้บริการสาธารณูปโภคสามารถหลีกเลี่ยงแนวทางการลงทุนแบบกระจายและสูญเปล่า (‘spread-burn’ approach) ต่อโครงสร้างพื้นฐานได้ โดยการเสริมความแข็งแกร่งให้กับส่วนที่ท้าทายที่สุดของโครงข่ายไฟฟ้าในช่วงเวลาที่มีความต้องการสูงสุด (peak demand) และช่วงที่แรงดันไฟฟ้าต่ำ (low voltage)

ส่วน FAQ

ชั้นการรับรู้ (Sensing Layer) ในเครื่องตัดวงจรแบบ IoT คืออะไร?

ชั้นการรับรู้ประกอบด้วยเซ็นเซอร์ที่ตรวจสอบพารามิเตอร์ทางไฟฟ้า ได้แก่ กระแสไฟฟ้า แรงดันไฟฟ้า และอุณหภูมิ ซึ่งช่วยตรวจจับความผิดปกติจากการเกิดอาร์ก (arc faults) และการสึกหรอของฉนวนกันไฟฟ้า

ชั้นปัญญาประดิษฐ์แบบขอบ (Edge Intelligence Layer) ช่วยปรับปรุงเวลาตอบสนองอย่างไร?

ชั้นปัญญาประดิษฐ์แบบขอบประมวลผลข้อมูลบนอุปกรณ์เอง ซึ่งหมายความว่าเวลาตอบสนองสามารถอยู่ต่ำกว่า 2 มิลลิวินาทีในสถานการณ์ฉุกเฉิน และลดการพึ่งพาเวลาตอบสนองจากคลาวด์

เหตุใดโปรโตคอล MQTT และ Modbus RTU จึงเกี่ยวข้องกับเครื่องตัดวงจรแบบ IoT?

Modbus RTU ทำให้มั่นใจได้ถึงการบูรณาการและการไหลของข้อมูลกับระบบ SCADA ระดับท้องถิ่น ในขณะที่ MQTT ให้การส่งข้อมูลระยะไกลไปยังคลาวด์ด้วยความหน่วงต่ำอย่างรวดเร็ว เพื่อการส่งผ่านข้อมูลอย่างมีประสิทธิภาพ

การวิเคราะห์เชิงคาดการณ์ช่วยสร้างโครงสร้างพื้นฐานของระบบสายส่งไฟฟ้าที่มีความยืดหยุ่นได้อย่างไร?

การวิเคราะห์เชิงคาดการณ์ช่วยปรับปรุงการลงทุนด้านโครงสร้างพื้นฐานและการวางแผนการบำรุงรักษา โดยการวิเคราะห์ข้อมูลประวัติศาสตร์และโอกาสในการเกิดความล้มเหลวของอุปกรณ์ จึงสามารถป้องกันการดับของไฟฟ้าโดยไม่คาดคิดได้