การพยากรณ์อุณหภูมิของสวิตช์ใบมีดในสถานีไฟฟ้าแรงสูงด้วยเทคนิคการเรียนรู้ของเครื่อง

Prediction of disconnecting switch temperature in electrical high voltage substation with machine learning technique

Name: ชานนท์ วัฒนาโฆษิต

ThaSH: พลังงานไฟฟ้า

ThaSH: วิศวกรรมอุตสาหการ

ThaSH: การจ่ายพลังงานไฟฟ้า

ThaSH: อุตสาหกรรมพลังงานไฟฟ้า

Abstract: จากการที่โรงไฟฟ้าขนาดใหญ่มักจะถูกติดตั้งไว้ในจุดที่ห่างไกลจากชุมชนเมือง ด้วยเหตุผลทางด้านแหล่งวัตถุดิบเชื้อเพลิงและผลกระทบต่อสิ่งแวดล้อม ดังนั้นระบบส่งจ่ายพลังงานไฟฟ้าจึงเป็นตัวกลางที่สำคัญในการเชื่อมโยงเครื่องกำเนิดไฟฟ้ากับเมืองใหญ่ในลักษณะโครงข่ายพลังงานที่โยงใยถึงกันทั่วทุกภูมิภาคของประเทศ สถานีไฟฟ้าแรงสูงเป็นจุดเชื่อมต่อสำคัญของระบบส่ง รวมทั้งเป็นจุดจ่ายพลังงานให้กับลูกค้า ภายในสถานีไฟฟ้ามีอุปกรณ์ไฟฟ้าแรงสูงหลายชนิดจึงเกิดจุดต่อทางไฟฟ้าจำนวนมากและเป็นที่มาของปัญหาสำคัญอย่างหนึ่งของงานบำรุงรักษานั่นคือการเกิดจุดต่อร้อน ซึ่งจากสถิติที่ผ่านมาพบว่ามักเกิดกับอุปกรณ์สวิตช์ใบมีด ในปัจจุบันการตรวจสอบสภาพปัญหาจะใช้วิธีการถ่ายภาพความร้อนด้วยกล้อง Infrared Thermography (IRT) ซึ่งมีข้อจำกัดในเรื่องจำนวนของกล้องและพนักงานบำรุงรักษา งานวิจัยนี้ต้องการสร้างแบบจำลองที่สามารถพยากรณ์ค่าอุณหภูมิจุดต่อสวิตช์ใบมีด เพื่อนำมาวางแผนเชิงรุกในงานบำรุงรักษาอุปกรณ์สถานีไฟฟ้าแรงสูง การศึกษาเริ่มจากพิจารณาตัวแปรที่เป็นปัจจัยสำคัญต่อการเกิดจุดต่อร้อน พร้อมทั้งจัดเก็บข้อมูลเพื่อนำไปใช้ในการเรียนรู้ของเครื่อง จากนั้นสร้างแบบจำลองในแบบถดถอยด้วย 5 เทคนิควิธี และเมื่อทำการประเมินประสิทธิภาพ พบว่า แบบจำลองแรนดอมฟอเรสท์มีความแม่นยำมากที่สุด โดยพิจารณาจากค่า Root Mean Squared Error (RMSE) และ Correlation Coefficient (r) เมื่อนำแบบจำลองแรนดอมฟอเรสท์มาทดสอบในสภาพการใช้งานจริง ผลการพยากรณ์ยังคงแม่นยำในระดับที่ยอมรับได้ การศึกษาครั้งนี้พบว่า แบบจำลองนี้สามารถนำมาใช้ในการพยากรณ์อุณหภูมิของสวิตช์ใบมีดและมีความเป็นไปได้ที่จะนำไปใช้ประโยชน์ในการวางแผนงานบำรุงรักษาในเชิงลึก

Abstract: Large power plants are often located in remote areas due to factors such as fuel sources and environmental considerations. As a result, the power transmission system has a crucial role in connecting these power plants to urban centers through interconnected energy networks across the country. High-voltage substations serve as vital links in the transmission system and are responsible for supplying power to customers. Within these substations, there are numerous electrical connections, leading to potential maintenance challenge such as hot spots. Statistical data indicates that hot spots frequently occur with disconnecting switches. Currently, Infrared Thermography (IRT) is employed for maintenance inspections, but there is a notable shortage of both IRT equipment and trained technicians. This research aims to form a model capable of predicting the temperature at the disconnecting switch and facilitating proactive maintenance planning for high-voltage substation equipment. The study began by identifying the key factors that cause the formation of hot spots, while also collecting data for machine learning purposes. Subsequently, a regression model was constructed using five techniques. Performance evaluation revealed that the Random Forest model was the most accurate, as determined by the Root Mean Squared Error (RMSE) and Correlation Coefficient (r). Simulation tests in real operation confirmed the forecast results' accuracy and closeness to the evaluation values. This study demonstrated the potential of the model in predicting disconnecting switch temperatures and its usefulness in maintenance proactive planning.

มหาวิทยาลัยเชียงใหม่. สำนักหอสมุด

Address: เชียงใหม่

Email: cmulibref@cmu.ac.th

Name: วสวัชร นาคเขียว

Role: อาจารย์ที่ปรึกษา

Created: 2567

Modified: 2567-11-26

Issued: 2567-11-26

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมอุตสาหการ

Grantor: มหาวิทยาลัยเชียงใหม่

©copyrights มหาวิทยาลัยเชียงใหม่

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	620632014.pdf	5.68 MB	4	2025-07-18 21:55:07

ใช้เวลา

-0.968083 วินาที