Đăng ký thành viên

Các công ty điện lực cần đánh giá Mức độ Nghiêm trọng của Ô nhiễm Hiện trường (SPS) theo thiết kế đối với các đường dây trên không và trạm biến áp mới cũng như các dự án nâng cấp và cải tạo. Theo tiêu chuẩn IEC 60815-1 (tiêu chuẩn lựa chọn vật cách điện) và IEC 60815-4 (quy định kỹ thuật áp dụng cho việc lựa chọn và xác định các kích thước tương ứng của các vật cách điện), có một số tham số/phương pháp để đo SPS, bao gồm các phép đo ô nhiễm trực tiếp và gián tiếp. Tất cả đều yêu cầu các phép đo được thực hiện mỗi tháng một lần trong thời gian tối thiểu một năm. Trong một chiến dịch đo lường thông thường kéo dài 1-2 năm, sẽ có từ 12 đến 24 điểm đo lường (giá trị cao nhất được khuyến cáo để ước tính SPS). Đồng thời, IEC 60815-1 khuyến cáo chọn giá trị 2% để ước tính SPS, yêu cầu dữ liệu bổ sung. Do đó, việc mô hình hóa ô nhiễm bằng cách sử dụng các tham số thời tiết và khối lượng dữ liệu lớn hơn đã nhận được mối quan tâm ngày càng tăng.

Hiện tại không cần phải tìm kiếm các tham số thời tiết như tốc độ, hướng gió cũng như cường độ mưa từ các trạm khí tượng. Chúng có sẵn trên các cơ sở dữ liệu khác nhau, thường với độ phân giải một phép đo mỗi giờ và thoải mái hơn với độ phân giải 4 giờ. Điều này cung cấp hàng ngàn điểm đo mỗi năm thay vì chỉ 12 điểm.

Các phương pháp tốt hơn dùng cho mô hình hóa ô nhiễm

Nỗ lực đầu tiên về mô hình hóa ESDD (Mật độ Lắng tụ Muối Tương đương) trong thực tế đã được trình bày tại Phiên họp của Hiệp hội Quốc tế về các Hệ thống điện lớn (CIGRE) năm 2014, “Áp dụng các mô hình thời tiết để đánh giá ESDD thiết kế dùng cho các điều kiện ô nhiễm khắc nghiệt”. Hơn nữa, một mô hình gió cải tiến của Nhật Bản (mô hình Taniguchi) có tính đến sự nhiễm bẩn tự nhiên và khả năng tự làm sạch tự nhiên đã được phát triển. Mối tương quan giữa các phép đo bằng Máy đo Lắng tụ Bụi Định hướng (DDDG) và tham số ô nhiễm chính – ESDD – đã được xác lập. Phương pháp sửa đổi và cải tiến là như sau:

• Chuỗi tính toán đầu tiên được thực hiện trong cùng khoảng thời gian với các phép đo DDDG hiện có và đã được sử dụng để hiệu chỉnh mô hình, phụ thuộc vào địa điểm thử nghiệm;

• Sau đó, dữ liệu thời tiết dài hạn được sử dụng để theo dõi mức độ ô nhiễm trong quá khứ, xét về khía cạnh ESDD;

• Sau khi biết được những thay đổi ESDD trong lịch sử, một khối lượng dữ liệu khổng lồ bao gồm hàng nghìn “phép đo” có thể được sử dụng làm đầu vào cho việc xác định kích thước của cách điện, theo IEC 60815-1.

Phương pháp này sẽ cung cấp một ước tính SPS bao gồm những thay đổi lịch sử có thể không được ghi lại trong bất kỳ năm đo lường ESDD trực tiếp hoặc DDDG gián tiếp nào. Hình 1 cung cấp một ví dụ về cách mô hình hóa như vậy cho một trạm biến áp chịu ảnh hưởng bởi ô nhiễm ven biển ở bờ biển phía tây của Thụy Điển. Mô hình này tiên đoán một cách nhất quán các mức nhiễm bẩn đỉnh điểm theo mùa do bão mùa đông, điển hình cho khu vực này, bằng cách đó xác nhận tính hợp lệ của các kết quả.

Hình 1. Ví dụ về những thay đổi ESDD lịch sử ở bờ biển phía tây Thụy Điển từ năm 1996 đến năm 2006 (như đã được tiên đoán bằng mô hình gió)

Hơn 20 sửa đổi khác nhau của DDDG đã được lắp đặt trước đây ở các địa điểm khác nhau trên khắp Na Uy để thu thập dữ liệu cho nhiều dự án thực tế khác nhau. Dữ liệu này đã được sử dụng để cải thiện hơn nữa phép mô hình hóa ESDD. Đầu tiên, một số phương pháp tiên tiến hơn đã được khảo sát bằng cách sử dụng các tham số khí tượng để tiên đoán các mức ESDD. Ví dụ, trong những năm gần đây, các nhà nghiên cứu đã thể hiện những thành công lớn trong việc theo dõi mật độ của Vật chất Dạng hạt (PM) bằng cách sử dụng vệ tinh nhân tạo và các kết quả trên mặt đất (thường bổ sung cho nhau) và sau đó xác định các phần nhỏ liên quan đến muối biển, các ion vô cơ nhân tạo, bụi và muội than.

Sự tích tụ ô nhiễm trên các vật cách điện luôn được mô hình hóa và đơn giản hóa bằng hai quy trình:

1. Nhiễm bẩn tự nhiên (tích tụ nhiễm bẩn trên các bề mặt vật cách điện); 

2. Làm sạch tự nhiên (rửa bề mặt vật cách điện).

Các mô hình này thường bao gồm hàm nguồn^(*), mô tả mức độ ô nhiễm từ dòng không khí (trong trường hợp này là các muối) đọng lại trên bề mặt vật cách điện trong một khoảng thời gian đã cho bất kỳ nào. Bằng cách lấy tổng đệ quy của hàm nguồn, có thể tính được bao nhiêu ô nhiễm đã tích tụ trên bề mặt vật cách điện trong một khoảng thời gian đã cho. Làm sạch tự nhiên nhờ lượng mưa có một cường độ nào đó làm giảm lượng ô nhiễm tích lũy. Do đó, lượng ô nhiễm được ghi nhãn thời gian trên các vật cách điện luôn là sự cân bằng giữa lượng muối tích lũy từ hàm nguồn và việc làm sạch bằng lượng mưa.

Các hàm làm sạch tự nhiên cũng như các hàm nguồn ô nhiễm đều lần lượt phụ thuộc vào dữ liệu thời tiết. Do đó, dữ liệu thời tiết tại thời điểm bất kỳ đã cho nào sẽ xác định lượng ô nhiễm tích lũy và phần ô nhiễm đã được làm sạch. Ba mô hình, nhằm tính toán lượng muối biển trên các vật cách điện theo ESDD và tất cả bằng cách sử dụng quy mô trung bình dựa trên dữ liệu thời tiết, đã được phát triển:

• Mô hình Taniguchi dựa trên tốc độ gió;

• Mô hình Ohba dựa trên sự tích tụ các hạt từ không khí lên các vật cách điện, có tính đến ảnh hưởng của địa hình;

• Mô hình Dạng hạt (PM) dựa trên tham số PM tiêu chuẩn, mô tả hỗn hợp các hạt rắn hoặc lỏng trong không khí, thường được đo bằng µg/m³.

 So sánh ba mô hình và xác minh các kết quả

ESDD thiết kế từ các địa điểm khác nhau ở Na Uy đã được sử dụng để xác minh lần đầu các kết quả thu được từ ba mô hình khác nhau (tức là Taniguchi, Ohba và PM). ESDD thiết kế đã được xác lập cho 11 địa điểm đo dựa trên việc áp dụng các phương pháp khác nhau, bao gồm phân tích các phép đo ô nhiễm khác nhau trước đây và gần đây; phân tích môi trường; phân tích trải nghiệm dịch vụ, v.v. Giá trị ESDD này sau đó đã được so sánh với ESDD thiết kế 2% tối đa đã được mô hình hóa như đã tính toán theo ba mô hình đó (xem Hình 2).

Hình 2: Mức ESDD 2% được tính cho từng mô hình so với ESDD thiết kế cho 11 địa điểm có số đo sẵn có (Ảnh st)

Mô hình Taniguchi tính toán ESDD trung bình cao hơn ESDD thiết kế khoảng 0,05mg/cm² trong khi Mô hình Ohba tính toán xấp xỉ cùng ESDD giá trị trung bình như vậy như ESDD thiết kế. Mô hình PM cung cấp ESDD thấp hơn một chút so với ESDD thiết kế (khoảng 0,02mg/cm²). Dựa trên kết quả này, Mô hình Ohba đã được coi là mô hình hứa hẹn nhất để ứng dụng và cải tiến hơn nữa.

Điều chỉnh mô hình Ohba và xác minh các kết quả

Mô hình Ohba xem xét sự khác biệt về tốc độ gió trên biển và đất liền, tức là ảnh hưởng của địa hình. Dựa trên các phép đo khác nhau ở Nhật Bản, các mối quan hệ đã được thiết lập giữa tỷ lệ tạo muối biển trên bờ biển, dòng muối từ khu vực ngoài khơi và tốc độ gió trên biển (xem Hình 3). Có thể thấy, việc tạo muối ở ngoài khơi là một hàm số không đổi, không phụ thuộc vào khoảng cách tới biển. Tuy nhiên, thành phần muối trên đất liền giảm nhanh chóng theo khoảng cách tới biển.

Một đánh giá thận trọng hơn về tính khả thi của Mô hình Ohba đã được thực hiện đối với khu vực ven biển Na Uy có các vịnh hẹp, nơi nghi ngờ có các sự kiện do ô nhiễm gây ra. Hai địa điểm đo đã được sử dụng để xác minh kết quả. Một địa điểm đo DDDG mới đã được thiết lập và sử dụng cho chương trình đo lường kéo dài 17 tháng (Địa điểm 1). Một địa điểm bổ sung (Địa điểm 2) đại diện cho nơi mà phóng điện bề mặt ô nhiễm của chuỗi các vật cách điện đã được xác nhận. Chuỗi phóng điện bề mặt sau đó đã được loại bỏ để đo ô nhiễm (xem Hình 4). ESDD trung bình là 0,2mg/cm² và mức tối đa cục bộ dọc theo chuỗi là 0,7mg/cm².

Hình 4: Vật cách điện bị phóng điện bề mặt bị ô nhiễm muối nặng ở Vị trí 2 (Ảnh st)

Các tham số khí tượng được sử dụng để tính toán ESDD bao gồm nhiệt độ (để loại bỏ phóng điện bề mặt có thể xảy ra do tuyết và băng gây ra), lượng mưa cũng như tốc độ và hướng gió hàng giờ. Độ phân giải không gian là 2,5 x 2,5km. Một số cải tiến đã được thực hiện trong tính toán bằng cách sử dụng Mô hình Ohba.

Trước tiên, dựa trên việc tìm kiếm tài liệu, một mức ngưỡng đã được thiết lập ở mức lượng mưa khoảng 1-2mm, ở đó không xảy ra quá trình làm sạch. Lượng hơi ẩm nhỏ này vẫn còn trên bề mặt vật cách điện cho đến khi khô đi mà không có hiệu ứng làm sạch. Đối với những lượng mưa cao hơn, hiệu ứng làm sạch tăng lên nhanh chóng. Dữ liệu đã công bố trước đây đã được sử dụng để hiệu chỉnh một hàm lũy thừa cho phù hợp với việc làm sạch tự nhiên mô tả ESDD trung bình còn lại đối với một lượng mưa đã cho (xem Hình 5). Ngoài ra, khoảng thời gian được sử dụng để xác định các tiêu chí làm sạch và nhiệt độ để khởi đầu quá trình làm sạch (tức là 12 giờ và -3°C) cũng đã được đưa vào trong các tính toán này.

Hình 6: Ví dụ về bản đồ đất liền-biển với độ phân giải 100m cho mỗi vị trí đo, được biểu thị bằng ngôi sao đỏ. Các hình tròn màu lục cho thấy khoảng cách gần nhất với biển theo hướng kính với các bước 10° xung quanh vị trí đo (Ảnh st)

Mô hình Ohba sử dụng một dải các tham số cụ thể, được sử dụng trong các thí nghiệm. Chúng bao gồm đường kính của các hạt muối biển (2-5µm) và đường kính của ống nghiệm được dùng để tích tụ ô nhiễm (0,01-0,04m). Các tham số này đã được tối ưu hóa bằng cách sử dụng phân tích tham số để cải thiện tính năng của mô hình. Cuối cùng, sự kết hợp giữa đường kính hạt 3µm và đường kính ống nghiệm 0,04m được coi là tối ưu cho các tính toán cuối cùng. Hình 7 thể hiện các kết quả cho Địa điểm 1.

Hình 7: ESDD được tính toán bằng Mô hình Ohba cải tiến dùng cho Địa điểm 1 (Ảnh st)

Các tham số tương tự đã được sử dụng để tính toán ESDD tại Địa điểm 2. Các kết quả được thể hiện trong Hình 8. Thời gian xảy ra sự cố được trình bày cùng với ESDD chuỗi thời gian cho mỗi trong số ba cột điện ở gần sự kiện phóng điện bề mặt nhất. Nhìn chung, mô hình tiên đoán ESDD cao hơn so với các phép đo. Tuy nhiên, ESDD tối đa cục bộ là 0,7mg/cm², gần với giá trị tiên đoán theo mô hình, được coi là đầy hứa hẹn.

Tóm tắt

Một khối lượng lớn các phép đo tại hiện trường đã cung cấp dữ liệu cho phép xác minh mô hình ô nhiễm. Mô hình Ohba, sơ bộ được coi là hứa hẹn nhất cho việc mô hình hóa ô nhiễm, đã được sửa đổi và cải tiến hơn nữa. Các cải tiến này cho phép đạt được hệ số tương quan cao R2=0,86 giữa mô hình hóa và các phép đo thực tế tại một địa điểm ven biển.

Mô hình Ohba cải tiến thậm chí còn được xác minh để tiên đoán ESDD cục bộ và có độ phân giải cao so với các sự cố chạm đất được quan sát cũng như các phép đo ô nhiễm trực tiếp trên các vật cách điện có sẵn đã bị phóng điện bề mặt. Người ta kết luận rằng mô hình này có thể phát hiện các khu vực xảy ra chạm chập hoặc có nguy cơ xảy ra sự cố tăng cao. Tuy nhiên, cần nhiều công sức hơn để đạt được độ phân giải ở mức độ một cột điện duy nhất.

Tập lệnh MATLAB sử dụng Mô hình Ohba sửa đổi đã được tạo ra và sẵn sàng được sử dụng như một công cụ bổ sung cho các phép đo ô nhiễm nhằm xác định mức độ nặng nề của ô nhiễm tại hiện trường. Công việc này sẽ giúp tăng độ tin cậy của các đường dây trên không hoạt động ở các khu vực ven biển.

Hàm nguồn (*) là một đặc trưng của bầu khí quyển giữa các ngôi sao và trong trường hợp không có sự tán xạ của photon, hàm này mô tả tỷ lệ của hệ số phát xạ và hệ số hấp thụ. Nó là thước đo cách các photon trong một chùm ánh sáng bị loại bỏ và thay thế bằng các photon mới bằng vật liệu mà nó đi qua.