1 METHODES ET OUTILS DAIDE AU DIAGNOSTIC ET A LA MAINTENANCE PREVENTIVE DES TABLEAUX ELECTRIQUES PAR LE SUIVI DE GRANDEURS PHYSIQUES CARACTERISTIQUES Présenté

1

METHODES ET OUTILS D’AIDE AU DIAGNOSTIC ET A LA MAINTENANCE

PREVENTIVE DES TABLEAUX ELECTRIQUES PAR LE SUIVI DE

GRANDEURS PHYSIQUES CARACTERISTIQUES

METHODES ET OUTILS D’AIDE AU DIAGNOSTIC ET A LA MAINTENANCE

PREVENTIVE DES TABLEAUX ELECTRIQUES PAR LE SUIVI DE

GRANDEURS PHYSIQUES CARACTERISTIQUES

Présenté parKahan N’guessan

le 7 décembre 2007

ENCADRANTSJean-Pierre ROGNON (G2ELAB)

Gilles ROSTAING(G2ELAB)Albert FOGGIA(G2ELAB)

Eric JOUSEAU (=S=)

Thèse de doctorat:Aide à la maintenance préventive des tableaux électriques

Kahan N’GUESSAN

2/42

Le tableau électrique: Ses constituantsLe tableau électrique: Ses constituants

1-CONTEXTE1-CONTEXTE

Jeux de barres horizontales

Câbles de raccordements

clients

Cloisons

Appareillage

Unités fonctionnelles


Kahan N’GUESSAN

3/42

Objectif de la thèseObjectif de la thèse


Mesures de grandeurs disponibles- Températures- courants- puissances...

@

Traitement des données - simulation par modélisation- comparaison au modèle- analyse vieillissement

Restitution des résultats - franchissement de seuils limites- détection de tendances anormales


Kahan N’GUESSAN

4/42

Enquête sur les causes de défaillancesEnquête sur les causes de défaillances


– Interrogation de 6 experts– Exploitation de base de cas réels (Chorus experts)– Exploitation des retours clients ( SETBT)

Constats: La principale cause de défaillance est le défaut de raccordement. La plupart des causes de défaillances se manifestent par un échauffement donc un système de surveillance mis en œuvre à partir de la mesure de la température est pertinent

34%

21%18%

14%

13%

Défauts de raccordements

Surcharges

Environnement/Pollution

Défauts/ Appareillages,Ventilation

Objets Oubliés, Intrusion

5Thèse de doctorat:

Aide à la maintenance préventive des tableaux électriquesKahan N’GUESSAN

5/42

1. CONTEXTE

2. ESSAIS DE COMPREHENSION DES PHENOMENES DE DEGRADATION DES CONTACTS

3. POSITIONNEMENT DES CAPTEURS

4. MODULE DE DETECTION

5. MODULE DE DIAGNOSTIC

6. EXEMPLE D’APPLICATION: Tableau OKKEN

7. CONCLUSION ET PERSPECTIVES

PLAN DE LA PRESENTATION


Kahan N’GUESSAN

6/42

Zoom sur le contact électrique Zoom sur le contact électrique

2-ESSAIS2-ESSAIS

La discontinuité à l’interface du contact Rc (Résistance électrique) & Rth (Résistance thermique)

Cependant les formules pour évaluer ces résistances relèvent encore du domaine théorique.

Contact électrique


Kahan N’GUESSAN

7/42

Essais sur les différents types de contactsEssais sur les différents types de contacts

2-ESSAIS2-ESSAIS

Contact boulonnéPincé

Contact boulonnésur chant

Contact boulonné à plat

Pince d’embrochage

Essai de bouchon thermiqueEssai de desserrage progressifEssai de vieillissement accéléréEssai de vibrations


Kahan N’GUESSAN

8/42

Essai de bouchon thermique Essai de bouchon thermique

2-ESSAIS2-ESSAIS

101°C58°C

Une moitié de barre dans le four à 200°C et Pince d’embrochage avec 1 pince au lieu de 3

Différence de température de 43°C à comparer à 5°C pour un contact

boulonné à plat (serré au couple).

Dans cette configuration il serait judicieux de placer le capteur côté

appareil avant le contact

101°C 58°C


Kahan N’GUESSAN

9/42

1800A 2200A

Essai de desserrage et de vieillissementEssai de desserrage et de vieillissement

2-ESSAIS2-ESSAIS

1/8 Cn Au delà de 20cm du point chaud le défaut est difficilement visible

L’échauffement est significatif à partir d’un couple de serrage très faible(<1/8Cn)

Essais contact pincéPrincipales conclusions

Le contact vieillit dans le temps..

Les surcharges accélèrent ce vieillissement..

vieillissement

1500A

Desserrage progressif


Kahan N’GUESSAN

10/42

Essai de vibrationsEssai de vibrations

2-ESSAIS2-ESSAIS

99 99.5 100 100.5 1010

0.005

0.01

0.015

0.02

0.025

0.03

0.035

0.04

Frequences(Hz)P

uis

san

ce d

u s

ign

al

1/8 ième du couple nominal

Serrage à 1/16 du couple nominalSerrage à 1/4 du couple nominal

Serrage à 1/2 du couple nominal

Serrage au couple nominal

0%

10%

20%

30%

40%

50%

60%

couplenominal(CN)

1/2CN 1/4CN 1/8 CN 1/16CN

Desserrage

po

urc

en

tag

e d

e v

ari

ati

on

variation relative de l'amplitude de la raie 100Hz

Variation relative de l'echauffement des contacts

Bonne corrélation entre desserrage et amplitude du signal pour les petits desserrages MAIS Difficulté d’interprétation des résultats pour des forts desserrages

D’où une complémentarité possible entre température et vibration


Kahan N’GUESSAN

11/42

Synthèse Synthèse

ESSAISESSAIS

Le phénomène de bouchon thermique a été mis en évidence.

Les capteurs doivent être placés au plus près du point à surveiller

Chaque phase du circuit électrique devra être instrumentée

Les essais de desserrage montrent qu’ à partir de 1/8ième une élévation significative de température

Le contact vieillit dans le temps, le vieillissement est accéléré par les surcharges

La mesure de vibration bien que se heurtant a des difficultés d’interprétation peut être un moyen complémentaire de mesure de détection de défauts des contacts électriques.

Les observations faites nous permettent d’aborder la phase de positionnement des capteurs de températures dans le tableau électrique



12/42

1. CONTEXTE

2. ESSAIS DE COMPREHENSION DES PHENOMENE DE DEGRADATION DES CONTACTS.




6. EXEMPLES D’APPLICATIONS



Kahan N’GUESSAN

13/42

Les échanges thermiques dans le tableau électriqueLes échanges thermiques dans le tableau électrique

3-Position de capteurs3-Position de capteurs

câbles,Jeu de barres

Appareils

Air interne

Air Ambiant

La conduction 60 à 70 % des phénomènes d’échanges thermiques

Avec la convection il peut exister une différence de température de plus de 20°C entre le haut et le bas du tableau électrique


Kahan N’GUESSAN

14/42

Les critères de priorité dans le positionnementLes critères de priorité dans le positionnement


• Les connexions à proximité de gros appareils (calibre >=NS400)• Les connexions clients• Les connexions des jeux de barres isolées ou près des parties isolées(<20cm) • Les connexions jeux de barre nue loin d’isolant (>70cm)

• Pince d’embrochage• Contact boulonné

• Haut• Milieu• Bas

1. Le Contexte :

2. La Technologie de raccordements

3. Le niveau de hauteur


Kahan N’GUESSAN

15/42

Matrice de priorité dans le positionnementMatrice de priorité dans le positionnement


3- Connexions près de gros

appareillages

2- Connexions clients 2- Haut

1- Connexions de barres isolées ou

près de parties isolées.1- Pince d’embrochage 1- Milieu

0- Connexions barres non isolées et

loin des parties isolées0- Contact boulonné 0- Bas

Critère 1: Contexte Critère 2:Technologie de contact

Critère 3:Position dans le tableau

0-0-0

La situation 3-1-2 est prioritaire devant la situation 0-0-0

3-1-2


Kahan N’GUESSAN

16/42

RemarquesRemarques


Problématique du positionnement des capteurs nombre, positionnement efficaceTrès peu de marge de manœuvre pour l’optimisation du nombre et du placement des capteurs (Redondance d’information quasi inexistante)Importance de la matrice de priorité instrumentés les points les plus critiques et où l’on peut voir un défaut.

Le coût de l’instrumentation est sans comparaison devant le coût de l’arrêt imprévu d’une installation défaillante Solution financièrement rentable



17/42

1. CONTEXTE








Kahan N’GUESSAN

18/42

Schéma global de détection de défautsSchéma global de détection de défauts

4-DETECTION4-DETECTION

Système réel

Modèle

CourantsImage thermique du

tableau

Températures ambiantes

Températures des contacts

Courants

Températures ambiantes

comparaison Etat du contact?

Vieillissement du contact?Calcul de vitesse de vieillissement

Franchissement de seuil de

températures

Atteinte des seuils de températures ?

NIV

EA

U1

NIV

EA

U 2

Niveau 1 Détection d’un état de dégradation en général avancé ( Uniquement mesures de températures)Niveau 2 Détection d’un état de dégradation en général moins avancé ( Mesures de courants+températures)


Kahan N’GUESSAN

19/42

Exemples d’échauffements limitesExemples d’échauffements limites

4-DETECTION NIV14-DETECTION NIV1

Constituant des tableaux électriques

Limites d’échauffement admissiblesIEC 60439.1

Bornes pour câbles extérieurs, +70°C

Organes manuels de commande (métalliques)

+15°C

Organes manuels de commande isolants

+25°C

Surfaces extérieures métalliques accessibles

+30°C

Surfaces extérieures isolantes accessibles

+40°C

Jeu de Barre souple isolée +90°C

Enveloppe tôle +30°C

Jeux de barres nus +105°C

Répond au besoin des clients de se référer à la norme pour diagnostiquer leurs installations

Appareil

Jeu de barres

enveloppe

25°C

30°C 105°C

70°C

Bouchon thermique


Kahan N’GUESSAN

20/42

Estimation du vieillissement des contacts électriquesEstimation du vieillissement des contacts électriques


Définition du facteur de doublement Notion utilisée dans IEC 60.905

T t

T+ t/2

Température d ’utilisation

Durée de vie probable

Le vieillissement d’un contact est dû à :

• Son ambiante Ta:

• Son échauffement propre ∆Tc :

•Reste à vivre: (1-K)*durée de vie normale

•Vitesse de vieillissement (1heure de (Ta, ∆Tc ) K heures de (Tanorm, ∆Tc

norm)


Kahan N’GUESSAN

21/42

Données de simulation de vieillissementDonnées de simulation de vieillissement


Modélisation exponentielle d’un desserrage progressifModélisation sinusoïdale de la température ambianteOn considère une durée de vie de 20ans

Utilisation normale: Echauffement <=70°C dans une ambiante intérieure <= 60°C

Température ambiante annuelle

Echauffement propre du contact

Température propre du contact


Kahan N’GUESSAN

22/42

Exemple de simulation du vieillissementExemple de simulation du vieillissement


Ex: Seuil(alarme)=Vn+3 ans

Données de simulation•Modélisation exponentielle d’un desserrage progressif•Modélisation sinusoïdale de la température ambiante•On considère une durée de vie du contact: 20ans

Résultats de la simulation

Duré

e d

e v

ie

Temps


Kahan N’GUESSAN

23/42

Détection par comparaison à un modèle physiqueDétection par comparaison à un modèle physique


Modélisation EchaufWeb®

Approche unifilaire, différences finies. Adapté à un système où la conduction est le phénomène prépondérant. Conduction 60 à 70 % des échanges dans les tableaux électriques. Base de données de l’appareillage =S= à enrichirNécessité de caler le modèle (avec les paramètres nécessitant une estimation empirique: Rth, Rc, Coeff d’échanges)

Mon apport…Réflexion des limites du logicielComment l’utiliser au mieux en vue de la détectionDéfinition d’une démarche de modélisation température ambiante en entrée , calage du modèle…

Courants

Image thermique du tableau électrique

Comparaison

Ecart de températures (état du contact)

Températures des contacts électriques

Tableau électrique

Modèle Thermique

(EchaufWeb)•Méthode nodale •Différences finies

Températures


Kahan N’GUESSAN

24/42

Détection de défauts de contact par les réseaux de neuronesDétection de défauts de contact par les réseaux de neurones


entrée

Poids synaptiques

Biaisb

Fonction d’activation

sortie

x1

x2

xm

w2

wm

w1

)(fentrée

Poids synaptiques

Biaisb

Fonction d’activation

sortie

x1

x2

xm

w2

wm

w1

)(f

s1

sn

si

y

Un neurone: Le perceptron

Un réseau de neurones

Exemple d’utilisation des réseaux de neurones:

estimation de frontière

Contacts sans défaut

Contacts défaillants

Réalise une fonction non linéaire paramétrée à valeurs bornées


Kahan N’GUESSAN

25/42

Processus d’apprentissage à l’aide des réseaux de neuronesProcessus d’apprentissage à l’aide des réseaux de neurones


Apprentissage à partir d’une liste d’entrées/sortie

Entrées: I(t) , T(t), dI/dt, dT/dt

Sortie: État du contact: 1 = mauvais 0=bon

Rc

Éta

t du

conta

ct

0

1

État estimé du contactRéseau

databaseentrées +

État réel du contact

-

Erreur

database

1/8 ième du couple nominal


Kahan N’GUESSAN

26/42

600 700 800 900 1000 1100 1200 1300 1400

0

50

100

150

200

Echantillons d'entrée #

°C p

ou

r l'en

trée

#1

(T

emp

érat

ure

)

Etat attendu du contact

Entrée #1 du RN (temperature)

Validation du réseau de neurones (RN) après apprentissageValidation du réseau de neurones (RN) après apprentissage


Ce test donne des résultats nous permettant de conclure sur la faisabilité d’une telle méthode:Le courant et la température sont des informations suffisantes pour estimer l’état du contact

Dé

gra

da

tion

du

co

nta

ct

600 700 800 900 1000 1100 1200 1300 1400

0

50

100

150

200

Echantillons d'entrée #

°C p

ou

r l'en

trée

#1

(T

emp

érat

ure

)

Sortie du RN: Etat estimé du contact

Etat attendu du contact

Entrée #1 du RN (temperature)


Kahan N’GUESSAN

27/42

Synthèse Synthèse 4-DETECTION4-DETECTION

4 indicateurs de détection de l’échauffement anormal

NIVEAU 1-Franchissement de seuil -Calcul de vieillissementNIVEAU 2-Comparaison modèle physique-Réseau de neurones

Module de DIAGNOSTIC

(Réseau Bayésien)

Informations à interpréter



28/42

1. CONTEXTE








Kahan N’GUESSAN

29/42

Diagnostic à l’aide de réseaux BayésiensDiagnostic à l’aide de réseaux Bayésiens

5-DIAGNOSTIC5-DIAGNOSTIC

Le but :En cas de défaut: Pouvoir remonter les causes du défaut.

Identifier les risques potentiels de défaillances compte tenu de l’environnement et de l’utilisation du tableau.

Intégrer le retour d’expériences dans le diagnostic (apprentissage)

L’on se tourne naturellement vers les Réseaux bayésiens.

Très intuitif ( facilite la mise en œuvre avec les experts Schneider-Electric)Permet de calculer les probabilités des causeseffets mais aussi effetscauses sur le même modèlePlusieurs applications réussies dans l’industrie


Kahan N’GUESSAN

30/42

Réseau Bayésien: Un Exemple classiqueRéseau Bayésien: Un Exemple classique


•Mon jardin est mouillé est causé par l’oubli de débrancher mon arroseur ou par la pluie•Lorsque Mon jardin et celui de mon voisin sont mouillés j’ai plus tendance à croire qu’il a plu

Les Réseaux bayésiens (RB)Les RB sont des graphes causaux dans lesquels il est possible d'effectuer un raisonnement probabiliste. Pour cela, il faut définir plusieurs choses :• La description qualitative des dépendances (le graphe causal)• La description quantitative des dépendances(les probabilités conditionnelles).

Oubli de débranchermon Arroseur (A)

Pluie (P)

Mon Jardin est mouillée (J)

Le jardin de mon voisin est mouillé (W)


Kahan N’GUESSAN

31/42

Le réseau Bayésien du tableau électrique Le réseau Bayésien du tableau électrique


Le graphe causal et les tables de probabilités sont construits en réunissant les données des experts

Mon apport :Recueil de données des experts et leurs transformation en informations nécessaires pour bâtir le réseau.Calcul de certaines probabilités difficiles à obtenir ( hypothèse noisy-or)Validation de la méthodologie auprès d’ un expert en réseau Bayésien ( Philippe Leray)


Kahan N’GUESSAN

32/42

Utilisation du réseau Bayésien: Exemple tiré du réseau globalUtilisation du réseau Bayésien: Exemple tiré du réseau global


diagnostic “conséquence Causes

probables ”

Analyse de risques « Cause Conséquences

probables»


Kahan N’GUESSAN

33/42

Evaluation du réseaux Bayésien ( 14 vecteurs tests )Evaluation du réseaux Bayésien ( 14 vecteurs tests )


Cas réels issus de la base de suivi qualité de Schneider-Electric concernant tous, des cas

de défauts se manifestant par un échauffement local anormal


Kahan N’GUESSAN

34/42

Résultats du test du réseau BayésienRésultats du test du réseau Bayésien


Prédiction de l'état de la variable

"Echauffement local anormal"

0

0.2

0.4

0.6

0.8

1

1.2

cas 1

cas 2

cas 3

cas 4

cas 5

cas 6

cas 7

cas 8

cas 9

cas 1

0

cas 1

1

cas 1

2

cas 1

3

cas 1

4

pro

b(E

ch

au

ffe

me

nt

loc

al

an

orm

al=

ye

s/ e

vid

en

ce

)

Valeurs attendues

Prédiction par le Réseau Bayésien

On évalue la capacité du réseau à prédire l’état de la variable « échauffement anormal » du réseau Bayésien avec des probabilités ayant été initialisées à partir des contributions des experts



35/42

1. CONTEXTE





6. EXEMPLE D’APPLICATION



Kahan N’GUESSAN

36/42

ESSAI sur le Tableau OkkenESSAI sur le Tableau Okken

6-APPLICATION6-APPLICATION

Face avant

sans appareils Face arrière décapotée

9 points de mesures / phases2 appareils

Modélisation Echaufweb


Kahan N’GUESSAN

37/42

Tableau Okken: détection de défaut via EchaufWeb®Tableau Okken: détection de défaut via EchaufWeb®


35°C45°C

55°C65°C

75°C85°C

95°C105°C

1 2 3 4 5 6 7 8 9

points mésurés

Modèle ExpérienceModèle Expérience

1600A – vérification de la validité du modèle

1000A

Les nombreux essais montrent que:Plus de 4°C d’écart Défaut probable

Défaut contact 9Desserrage

1000A

35°C

40°C

45°C

50°C

55°C

60°C

65°C

1 2 3 4 5 6 7 8 9points mésurés

Experience avec contact 9 desserréModel sain


Kahan N’GUESSAN

38/42

Tableau Okken: diagnostic de défauts Obstruction de ventilationTableau Okken: diagnostic de défauts Obstruction de ventilation


Orifices de ventilations obstrués avec de la laine de verre

Observation:Evidence: Température interne élevée

Questions: Quelle est la cause la plus probable?

Etape 1 température externe élevée

Etape 1Etape 2

Etape 2 Mauvaise ventilation



39/42

1. CONTEXTE

2. ESSAIS DE COMPREHENSION DES PHENOMENE DE DEGRADATION DES CONTACTS







Kahan N’GUESSAN

40/42

CONCLUSIONCONCLUSION

Transmission de

données

Capteurs de temperature sans fil

@

Traitement centralisé de données s

Mesures de courants

Tableau électrique

Diagnostic En vu d’établir une stratégie

de maintenance

Détection de défaut

Serveur Reco

mm

andatio

ns


Kahan N’GUESSAN

41/42

Quelques PERSPECTIVESQuelques PERSPECTIVES

Automatisation de l’opération de calage ( EchaufWeb)optimisation avec une fonction objectif à définir

Mise en complémentarité du réseau de neurones et EchaufWeb

Analyse décisionnelle: Automatisation possible de la prise de décisions après un diagnostic à partir de règles expertes

Automatisation possible du positionnement des capteurs à partir d’un modèle numérique du tableau électrique: Les règles de la matrice de priorité sont une bonne base

Modèle Bayésien dynamique permettant de faire des prédictions à plus long terme par simulation

Développer les mêmes méthodes sur d’autres produits ( tableaux MT) , ou avec d’autres grandeurs ( vibration par exemple)

Processus d’apprentissage (Réseau Bayésien) à partir des retours d’expérience sur l’ensemble du parc installé



42/42

MERCI

Documents

1 METHODES ET OUTILS DAIDE AU DIAGNOSTIC ET A LA MAINTENANCE PREVENTIVE DES TABLEAUX ELECTRIQUES PAR LE SUIVI DE GRANDEURS PHYSIQUES CARACTERISTIQUES Présenté