ระบบพลังงาน
UAT 362 เทคโนโลยีระบบอากาศยานไร้คนขับเพื่ออุตสาหกรรม พลังงาน และโครงสร้างพื้นฐาน
บทเรียน
เมื่อเรียนจบโมดูลนี้ ผู้เรียนจะสามารถ
- อ่านรูปแบบความร้อนของแผงโซลาร์ แยกความผิดปกติระดับแผงกับระดับสตริง
- ระบุวิธีตรวจสายส่ง กังหันลม และท่อส่ง ด้วยเซนเซอร์ที่เหมาะสม
- วางแผนรอบลาดตระเวนท่อส่งตามชั้นพื้นที่
- อธิบายขอบเขตของมาตรฐานและสิ่งที่ยังต้องยืนยันด้วยการตรวจภาคพื้น
ทำไมต้องรู้
ระบบพลังงานแต่ละชนิดเสียในรูปแบบของตัวเอง แผงโซลาร์ที่ร้อนทั้งสตริงกับร้อนแผงเดียวมีสาเหตุต่างกัน ข้อต่อสายไฟร้อนขึ้นตามกระแส ใบพัดกังหันลมสึกกร่อนที่ขอบนำ และท่อก๊าซรั่วเป็นก๊าซที่ตามองไม่เห็น การอ่านรูปแบบได้ถูกต้องทำให้ส่งทีมซ่อมไปถูกจุดด้วยอุปกรณ์ที่ถูกต้อง
โซลาร์ฟาร์ม
การถ่ายภาพความร้อนแผงโซลาร์กลางแจ้งมีข้อกำหนดทางเทคนิค IEC TS 62446-3:2017 ซึ่งมีหัวข้อการจัด ระดับความผิดปกติ (classes of abnormalities) และตารางรูปแบบความร้อนของแผง รายละเอียดเกณฑ์อยู่ในตัวมาตรฐาน ซึ่งต้องจัดหามาใช้ในงานจริง บทนี้ฝึกหลักการเปรียบเทียบที่ใช้ร่วมกันได้ คือเทียบแผงกับแผงชนิดเดียวกันในสภาพเดียวกัน
ตัวอย่างที่ 1 แยกความผิดปกติระดับสตริงกับระดับแผง
เทียบสองชั้น: ค่ากลางของแต่ละสตริงเทียบกับทั้งแถว และแต่ละแผงเทียบกับค่ากลางของสตริงตัวเอง เกณฑ์ 2 K และ 5 K เป็นเกณฑ์ของทีมสำหรับฝึก
from statistics import median
temps = [[45.0 + 0.1 * ((i * 7 + j * 3) % 5) for j in range(10)] for i in range(4)]
temps[1][6] += 12.0 # แผงเดียวร้อน
temps[3] = [t + 4.0 for t in temps[3]] # ทั้งสตริงอุ่น
array_median = median(t for row in temps for t in row)
for s, row in enumerate(temps, 1):
s_median = median(row)
string_flag = "string warm" if s_median - array_median >= 2 else ""
hot = [f"module {m} +{t - s_median:.1f} K" for m, t in enumerate(row, 1) if t - s_median >= 5]
print(f"S{s}: median {s_median:.2f} °C ({s_median - array_median:+.2f} K) {string_flag} {' '.join(hot)}")
S1: median 45.20 °C (-0.10 K)
S2: median 45.25 °C (-0.05 K) module 7 +11.8 K
S3: median 45.20 °C (-0.10 K)
S4: median 49.20 °C (+3.90 K) string warm
S2 มีแผงเดียวร้อนผิดปกติ ต้องตรวจแผงนั้น ส่วน S4 อุ่นทั้งสตริงแต่ไม่มีแผงใดโดดเด่นในสตริง รูปแบบนี้ชี้ไปที่ปัญหาระดับสตริง เช่น สตริงที่ไม่จ่ายกระแสออก ทีมต้องตรวจการเชื่อมต่อและอินเวอร์เตอร์ ไม่ใช่เปลี่ยนแผงทั้งสิบ การเทียบกับค่าเฉลี่ยทั้งแถวอย่างเดียวจะมองไม่เห็นความต่างนี้
สายส่ง กังหันลม และท่อส่ง
- สายส่ง ข้อต่อที่หลวมหรือสกปรกมีความต้านทานสูงขึ้นและร้อนขึ้นตามกระแสที่ไหล จึงควรตรวจช่วงที่มีโหลดสูงและบันทึกกระแสขณะถ่าย โคโรนาตรวจด้วยกล้อง UV (โมดูล 2)
- กังหันลม บทความทบทวนของ Memari และคณะ (2024) สรุปการใช้โดรนร่วมกับ deep learning ตรวจรอยแตก การสึกกร่อนที่ขอบนำ และการแยกชั้นของใบพัด ต้องหยุดกังหันและล็อกใบพัดก่อนบินใกล้
- ท่อส่งก๊าซ กล้องตรวจก๊าซด้วยแสง (optical gas imaging, OGI) มีเกณฑ์ในกฎ EPA 40 CFR 60 Appendix K (2024) เช่น ช่วงคลื่นของกล้องต้องตรงกับช่วงที่ก๊าซเป้าหมายดูดกลืน ส่วนเซนเซอร์ TDLAS ใช้เลเซอร์ที่ปรับความยาวคลื่นผ่านเส้นการดูดกลืนของก๊าซ แล้วคำนวณความเข้มข้นจากกฎของ Beer–Lambert (Lin และคณะ, 2022)
รอบลาดตระเวนท่อ
49 CFR 192.705 ของสหรัฐฯ เป็นตัวอย่างการกำหนดรอบตาม ชั้นพื้นที่ (class location) ซึ่งขึ้นกับความหนาแน่นของอาคารใกล้ท่อ ยิ่งมีคนมากยิ่งต้องตรวจบ่อย และจุดตัดถนนหรือทางรถไฟต้องตรวจบ่อยกว่าที่อื่น
ตัวอย่างที่ 2 จำนวนรอบลาดตระเวนขั้นต่ำต่อปี (ตามตัวอย่างกฎสหรัฐฯ)
ท่อ 3 km สมมติแบ่งเป็นช่วงชั้น 1 ยาว 2.4 km และชั้น 3 ยาว 0.6 km ที่มีจุดตัดถนน
MIN_PER_YEAR = { # ชั้นพื้นที่: (ที่จุดตัดถนน/ทางรถไฟ, ที่อื่น) ครั้งต่อปีขั้นต่ำ
1: (2, 1), 2: (2, 1), 3: (4, 2), 4: (4, 4),
}
segments = [("A", 1, 2.4, False), ("B", 3, 0.6, True)] # ชื่อ, ชั้น, km, มีจุดตัดถนน
for name, cls, km, crossing in segments:
crossing_n, elsewhere_n = MIN_PER_YEAR[cls]
n = max(crossing_n if crossing else 0, elsewhere_n)
print(f"segment {name}: class {cls}, {km} km -> at least {n} patrols/year")
plan = max(max(MIN_PER_YEAR[c][0] if x else 0, MIN_PER_YEAR[c][1]) for _, c, _, x in segments)
print(f"one patrol plan covering the whole route: {plan} times/year")
segment A: class 1, 2.4 km -> at least 1 patrols/year
segment B: class 3, 0.6 km -> at least 4 patrols/year
one patrol plan covering the whole route: 4 times/year
การบินครอบคลุมทั้งแนวในรอบเดียวง่ายกว่าแยกตารางตามช่วง จึงใช้ความถี่ของช่วงที่เข้มที่สุด ตัวเลขนี้เป็นตัวอย่างจากกฎหมายสหรัฐฯ งานในไทยต้องใช้ข้อกำหนดของหน่วยงานกำกับและเจ้าของท่อ
ปฏิบัติการประจำโมดูล
ปฏิบัติการ: อ่านรูปแบบความร้อนของแผงโซลาร์
- ถ่ายภาพความร้อนแผงโซลาร์ของมหาวิทยาลัยในวันแดดแรง บันทึกความเข้มแสง อุณหภูมิอากาศ และลม
- ทำตารางอุณหภูมิรายแผงตามผังสตริงจริง (ขอผังจากผู้ดูแลระบบ)
- ใช้โค้ดตัวอย่างที่ 1 แยกความผิดปกติระดับแผงและระดับสตริง ด้วยเกณฑ์ที่ตั้งก่อนดูผล
- ยืนยันจุดที่พบด้วยภาพสีและข้อมูลกระแสจากอินเวอร์เตอร์
- เขียนรายการสิ่งที่พบพร้อมตำแหน่งแผง สาเหตุที่เป็นไปได้ และสิ่งที่ต้องตรวจต่อ
ข้อผิดพลาดที่พบบ่อย
ระวัง
- เปลี่ยนแผงทั้งสตริง ทั้งที่ปัญหาอยู่ที่การเชื่อมต่อ
- เทียบกับค่าเฉลี่ยทั้งแถวอย่างเดียว
- ตรวจข้อต่อสายไฟตอนโหลดต่ำ จนความร้อนไม่ปรากฏ
- บินใกล้กังหันลมที่ยังหมุน
- อ้างเกณฑ์ระดับความผิดปกติของ IEC โดยไม่มีตัวมาตรฐาน
สรุป
- เทียบแผงกับกลุ่มของตัวเอง แยกความผิดปกติระดับแผงกับระดับสตริงซึ่งมีสาเหตุต่างกัน
- สายส่งตรวจเมื่อโหลดสูงร่วมกับ UV กังหันลมต้องหยุดก่อนบินใกล้ ท่อก๊าซใช้ OGI หรือ TDLAS
- รอบลาดตระเวนท่อขึ้นกับชั้นพื้นที่ แผนบินรอบเดียวใช้ความถี่ของช่วงที่เข้มที่สุด
- เกณฑ์ละเอียดอยู่ในมาตรฐานและข้อกำหนดของเจ้าของสินทรัพย์ ผลจากโดรนต้องยืนยันภาคพื้น
แบบฝึกตรวจความเข้าใจ
- สตริงมีค่ากลาง 46 °C แผงหนึ่ง 53 °C ต่างจากค่ากลางเท่าใด
- ทั้งสตริงอุ่นกว่าแถวเท่า ๆ กัน ควรตรวจอะไรก่อน
- ทำไมควรตรวจข้อต่อสายไฟช่วงโหลดสูง
- ท่อช่วงชั้น 3 ที่มีจุดตัดถนน ตามตัวอย่างกฎสหรัฐฯ ต้องลาดตระเวนอย่างน้อยกี่ครั้งต่อปี
- OGI ต้องมีคุณสมบัติใดตาม Appendix K
เฉลย
- K
- การเชื่อมต่อของสตริงและอินเวอร์เตอร์
- ความร้อนที่ข้อต่อเพิ่มตามกระแส โหลดต่ำอาจไม่เห็นความผิดปกติ
- 4 ครั้ง
- ช่วงคลื่นของกล้องต้องตรงกับช่วงที่ก๊าซเป้าหมายดูดกลืน
สรุปสูตรสำคัญ
| ความต่างจากค่ากลางของกลุ่ม |
แหล่งอ้างอิงหลัก
- International Electrotechnical Commission. (2017). Photovoltaic (PV) systems – Requirements for testing, documentation and maintenance – Part 3: Photovoltaic modules and plants – Outdoor infrared thermography (IEC TS 62446-3:2017). link
- Jahn, U., Herz, M., Köntges, M., et al. (2018). Review on infrared and electroluminescence imaging for PV field applications (Report IEA-PVPS T13-10:2018). IEA PVPS. link
- Memari, M., Shakya, P., Shekaramiz, M., Seibi, A. C., & Masoum, M. A. S. (2024). Review on the advancements in wind turbine blade inspection: Integrating drone and deep learning technologies for enhanced defect detection. IEEE Access, 12, 33236–33282. link
- U.S. Environmental Protection Agency. (2024). Appendix K to Part 60 — Determination of volatile organic compound and greenhouse gas leaks using optical gas imaging. 40 C.F.R. Part 60. link
- Lin, S., Chang, J., Sun, J., & Xu, P. (2022). Improvement of the detection sensitivity for tunable diode laser absorption spectroscopy: A review. Frontiers in Physics, 10, 853966. link
- Transmission lines: Patrolling, 49 C.F.R. § 192.705. link
- Wang, Y., & Qian, Y. (2019). Characteristics of the corona discharge of polymer insulators based on solar-blind ultraviolet images. Optical Engineering, 58(11), 113102. link
อ่านเพิ่มเติม
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
ในชั้นเรียน / ภาคสนาม
ปฏิบัติการเข้มข้นในแล็บและภาคสนาม บันทึกผลลงสมุดปฏิบัติการ
หลักฐานการเรียนรู้: สมุดปฏิบัติการที่อาจารย์ลงนาม