Verfahren und Vorrichtung zur kontinuierlichen Überwachung von Stoffen sowie zugehöriges Computerprogrammprodukt und computerlesbares Medium

Gebiet der Erfindung

Die Erfindung betrifft ein automatisiertes Verfahren zur kon tinuierlichen Überwachung einer Veränderung eines Stoffs. Die Erfindung betrifft auch eine zugehörige Vorrichtung, ein zu gehöriges Computerprogrammprodukt und ein zugehöriges compu terlesbares Medium.

Unter Stoff wird im Folgenden ein chemischer Stoff verstan den. Ein chemischer Stoff ist eine durch charakteristische physikalische und chemische Eigenschaften gekennzeichnete Ma terie. Umgangssprachlich werden chemische Stoffe auch mit dem Wort Substanz bezeichnet, das im Sprachgebrauch der Chemie aber auf Stoffe in fester Form, sog. Feststoffe, beschränkt ist .

Hintergrund der Erfindung

Die Vorhersage von zukünftig auftretenden Fehlern oder die Bewertung von bereits aufgetretenen Fehlerbildern an einem technischen Gerät oder technischen Anlage anhand einer analy tischen Betrachtung technischer Flüssigkeiten, deren Eigen schaften sich beispielsweise durch Alterung bzw. infolge von Fehlern ändern, ist verfahrenstechnisch aufwändig und zumeist nicht für eine kontinuierliche Überwachung des Geräts oder der Anlage geeignet.

Beispielsweise handelt es sich um eine Bewertung von Fehler bildern infolge kurzzeitiger Kurzschlüsse und/oder thermi scher Überlastung in Transformatoren anhand von im

Transformatoröl gelöster gasförmiger Zersetzungs- und Reakti onsprodukte wie kurzkettige Kohlenwasserstoffe (CO, C02 und H2). Transformatoröle sind typischerweise Mineralöle, Sili konöle oder synthetische Ester zur elektrischen Isolation und Kühlung des Transformators. Derartige Fehlermechanismen wie auch eine Alterung des Transformatoröls führen zu Änderungen seiner physikalischen Eigenschaften. Je nach Fehlerbild des Schadens ist hierbei die Zusammensetzung der im Öl gelösten Gase verschieden bzw. je nach Alter und Betriebshistorie des Transformators ist die Farbe des Öls verändert.

Vorteilhaft ist die Früherkennung von Störungen an Transfor matoren (wie auch anderen Geräten) zur Vermeidung größerer Folgeschäden sowie eine Minimierung von Ausfallzeiten und Instandsetzungskosten. Das erfordert den Einsatz einer kos tengünstigen, dezentralen Analytik und Interpretation der Messwerte am Transformator auf Basis eines Online-Monitorings voraus. Problematisch ist dabei, dass kostengünstigere Analy sesysteme in der Regel mit einer geringeren Leistungsfähig keit, z.B. schlechterer S/N-Abstände, geringere spektrale Auflösung etc., aufwarten und damit als Einzelgerät eine La bormesstechnik nicht ersetzen können.

Eine entscheidende Voraussetzung für Online-Monitorsysteme sind daher geringe Kosten der eingesetzten Messtechnik, eine für die Applikation ausreichende Genauigkeit und eine hohe Robustheit .

Nach Stand der Technik ist eine verbreitete Methode zur Cha rakterisierung von Transformatorölen im Servicebereich ist die Gas-in-Öl-Analyse (Dissolved Gas Analysis - DGA) in zent ralen Messlaboren mittels einer High-End-Messtechnik (z.B. Gaschromatographie, FTIR) sowie der Abgleich der Farbe der Flüssigkeit. Dazu ist es vorab notwendig, im Rahmen von Ser vicearbeiten entsprechende Ölproben zu entnehmen und einem Zentrallabor zuzustellen. Die ermittelten Analyseergebnisse müssen durch erfahrene Experten bewertet und daraus Entschei dungen abgeleitet werden. Über diesen Ansatz wird stets nur eine Momentaufnahme zum Zeitpunkt der Probenentnahme erhal ten. Eine häufige Überwachung, wie sie z.B. für Trendanalysen notwendig wäre, ist im Rahmen einer zentral ausgeführten Ana lytik nicht möglich oder zu teuer und zu aufwändig.

Dezentrale Analysesysteme nach Stand der Technik basieren z.B. auf spektroskopischen Messungen in Gasen (im Regelfall NDIR = non-dispersive Infrared) in Kombination mit einem Headspace-Sampler zur Extraktion der Fehlergase des Transfor matoröls. Dieser bekannte Ansatz ermöglicht prinzipiell eine Online-Messung der Konzentrationen einzelner Fehlergase vor Ort, benötigt aber gleichermaßen die Interpretation der Er gebnisse und Ableitung von Maßnahmen durch entsprechendes Fachpersonal und ist damit als Online-Monitorsystem nur be dingt einsetzbar. Weiterhin stellt die Extraktion von Gasen eine zusätzliche Systemkomponente mit entsprechendem Aufwand und Ausfallrisiken dar, weshalb eine direkte Messung der ge lösten Gase im Öl zu bevorzugen wäre, für die es aber bislang keine kommerzielle Lösung gibt.

Zusammenfassung der Erfindung

Es ist Aufgabe der Erfindung, eine Lösung anzugeben, mit der eine kostengünstige kontinuierliche Überwachung von Stoffen, insbesondere von Transformatorölen, ermöglicht wird.

Gemäß der Erfindung wird die gestellte Aufgabe mit dem Ver fahren, der Vorrichtung, dem Computerprogrammprodukt und dem computerlesbaren Medium der unabhängigen Patentansprüche ge löst. Vorteilhafte Weiterbildungen sind in den abhängigen An sprüchen angegeben.

Der Grundgedanke der Erfindung besteht darin, nicht lediglich einzelne gelöste Gase zu quantifizieren oder die Farbe einer Flüssigkeit (beispielsweise eines Transformatoröls) abzu schätzen und erst im Anschluss eine Interpretation zu erstel len, sondern direkt aus verschiedenen Messwerten unterschied licher Sensoren (z.B. Temperatur, Viskosität, Wasserstoff und Feuchtegehalt) und Spektrometermesswerten (z.B. VIS, NIR, MIR) auf ein Fehlerbild zu schließen bzw. durch eine Trend- analyse verschiedener aus den Daten abgeleiteter Indikatoren eine Tendenz abzuleiten.

Dazu gehört auch die Erstellung von Modellen für die direkte Vorhersage von Fehlerbildern auf Basis statistischer Methoden - z.B. einer multivariaten Datenanalyse - derart, dass die Messwerte unterschiedlicher Sensoren und

Spektrometermesswerte kombiniert ausgewertet werden. Auf die se Weise ist es möglich, eine höhere Vorhersagegenauigkeit zu erreichen als über die Auswertung von Einzelspektren bzw. auch als über die separate Auswertung von Sensorsignalen und Spektren .

Eine verbesserte Vorhersagewahrscheinlichkeit lässt anderer seits in gewissen Grenzen und in Abhängigkeit der spezifi zierten Anforderungen der jeweiligen Applikation die Verwen dung von Spektrometern aber auch Sensoren zu, die gegenüber High-End-Lösungen eine schlechtere Leistungsfähigkeit - im Falle von Spektrometern beispielsweise eine geringere spekt rale Auflösung - zeigen, dafür aber wesentlich kostengünsti ger sowie robuster und somit geeigneter für eine Online- Überwachung sind.

Gerade die enorme Entwicklung der vergangenen Jahre auf dem Gebiet der MEMS-Technologie trägt wesentlich dazu bei, dass entsprechende Geräte kommerziell verfügbar werden. Ein Bei spiel ist das MIR Spektrometer der Fa. Pyreos Ltd., das ge genüber einer State-of-art-Labormesstechnik (FTIR) deutlich günstiger, kleiner, leichter und robuster ist und somit die Aufnahme von MIR Spektren im Feld ermöglicht. Der Vorteil ge genüber NIR-Lösungen ist, dass hier die Spektren ohne Verwen dung eines Headspace-Samplers direkt am Stoff (z.B. Öl) auf genommen werden können.

Die Neuheit der Erfindung liegt in der mit Hilfe statisti scher Verfahren kombinierten Auswertung mindestens zweier Spektren unterschiedlicher spektraler Bereiche (z.B. sichtba res Licht, NIR, MIR) von Stoffen zur Vorhersage relevanter stofflicher Eigenschaften, beispielsweise zur Überwachung von Alterungsprozessen oder Fehlerbildern. In der kombinierten Auswertung von Spektren können des Weiteren auch skalare sen sorische Messgrößen einbezogen werden, wie z.B. Temperatur oder Feuchtegehalt.

Ein Beispiel ist die Erstellung von Modellen zur Konzentrati onsbestimmung von Fehlerindikatoren bzw. zur direkten Vorher sage von Zuständen industrieller Flüssigkeiten (z.B. Alterung oder aufgetretene Fehler an einem Gerät) .

Der Vorteil der kombinierten Auswertung besteht in einer er höhten Vorhersagegenauigkeit der Modelle gegenüber der Aus wertung von Einzelspektren bzw. auch der separaten Auswertung mehrerer Messgrößen.

Eine höhere Vorhersagegenauigkeit ermöglicht wiederum den Einsatz kostengünstigerer Spektrometer und Sensoren im Be reich des industriellen Online-Monitorings durch entsprechen de Kompensation einer gegenüber von High-End-Laborlösungen eingeschränkter Auflösung und Genauigkeit.

Die Erfindung beansprucht ein automatisiertes Verfahren zur kontinuierlichen Überwachung einer Veränderung eines Stoffs mit den Schritten:

Bereitstellen eines aus Messwerten ermittelten Messwerte modells des Stoffs mit einer vorgebbaren Messwertreihen folge der Messwerte, wobei die Messwerte vorab am Stoff ermittelt wurden,

Ermittlung von ersten spektralen Messwerten des Stoffs mit einem ersten Messverfahren,

Ermittlung von zweiten spektralen Messwerten des Stoffs mit einem zweiten Messverfahren und/oder

Ermittlung mindestens eines skalaren Messwerts einer ska laren Messgröße, Aneinanderreihung der ersten spektralen Messwerte, der zweiten spektralen Messwerte und/oder des skalaren Mess werts in der vorgebbaren Messwertreihenfolge,

Transformation der ersten spektralen Messwerte, der zwei ten spektralen Messwerte und/oder des skalaren Messwerts in dimensionslose Messwerte,

Vergleich der transformierten dimensionslosen Messwerte mit dem Messwertemodell und

Ausgabe mindestens einer eine Veränderung des Stoffs cha rakterisierenden Maßzahl auf Grund des Vergleichs.

Die Erfindung bietet den Vorteil, kostengünstiger und konti nuierlicher die Veränderung von Stoffen zu überwachen.

In einer Weiterbildung des Verfahrens werden zu unterschied lichen Zeitpunkten Maßzahlen ermittelt und daraus wird eine Trendanalyse der Veränderung des Stoffs erstellt.

In einer Weiterbildung können sich das erste und das zweite Messverfahren voneinander unterscheiden.

In einer Weiterbildung kann der Vergleich mit Hilfe von sta tistischen Verfahren durchgeführt werden.

In einer weiteren Ausgestaltung kann der Stoff ein

Transformatoröl sein.

In einer weiteren Ausführungsform kann die Maßzahl ein Maß für die Alterung des Stoffes, ein Maß für die Konzentration in einem Transformatoröl gelöster Gase als Folge aufgetrete ner Fehler oder ein direkter Indikator für aufgetretene Feh ler in einem Transformator sein.

In einer Weiterbildung kann der skalare Messwert eine Tempe ratur, eine Feuchtigkeit, eine Viskosität oder ein elektri scher Widerstand sein. In einer weiteren Ausgestaltung kann das Messwertmodell aus einer Korrelation von an bekannten Veränderungen des Stoffs ermittelten Messwerten mit aus chemischen Analysen des Stoffs ermittelten Referenzwerten gebildet werden.

Die Erfindung beansprucht auch eine Vorrichtung, die ausge bildet und programmiert ist, das erfindungsgemäße Verfahren auszuführen .

Die Erfindung beansprucht des Weiteren ein Computerprogramm produkt, umfassend ein Computerprogramm, wobei das Computer programm in eine Speichereinrichtung einer Einrichtung ladbar ist, wobei mit dem Computerprogramm die Schritte eines Ver fahrens nach einem der Ansprüche 1 bis 7 ausgeführt werden, wenn das Computerprogramm auf der Einrichtung ausgeführt wird .

Außerdem beansprucht die Erfindung ein computerlesbares Medi um, auf welchem ein Computerprogramm gespeichert ist, wobei das Computerprogramm in eine Speichereinrichtung einer Ein richtung ladbar ist, wobei mit dem Computerprogramm die

Schritte eines Verfahrens nach einem der Ansprüche 1 bis 7 ausgeführt werden, wenn das Computerprogramm auf der Einrich tung ausgeführt wird.

Weitere Besonderheiten und Vorteile der Erfindung werden aus den nachfolgenden Erläuterungen eines Ausführungsbeispiels anhand von schematischen Zeichnungen ersichtlich.

Es zeigen:

Fig. 1: ein Ablaufmodell eines Verfahrens zur kontinuierli chen Überwachung eines Stoffs,

Fig. 2: ein Schaubild von ersten spektralen Messwerten,

Fig. 3: ein Schaubild von zweiten spektralen Messwerten, Fig. 4 ein Schaubild von transformierten Messwerten und Fig . 5 ein Blockschaltbild einer Vorrichtung zur kontinu ierlichen Überwachung der Veränderung eines Stoffs.

Detaillierte Beschreibung eines Ausführungsbeispiels

Das Ablaufmodell der Fig . 1 zeigt schematisch ein beispiel haftes Verfahren zur Vorhersage von Eigenschaften eines zu untersuchenden Stoffs - z.B. von Konzentrationen gelöster Ga se in einem Öl - auf Basis einer multivariaten Datenanalyse. Der Block 201 veranschaulicht den Prozess der kontinuierli chen Überwachung des Stoffs, wohingegen der Block 200 die Mo dellbildung darstellt. Die Eingangsgrößen für die Modellbil dung sind im Schritt 101 erfasste Messwerte SV und beinhaltet u.a. nach dem Stand der Technik gewonnene Einzelspektren, beispielsweise IR-Spektren.

Die jeweiligen Einzelspektren werden ergänzt. Das können Spektren anderer spektraler Bereiche (z.B. VIS) aus Messungen weiterer Spektrometer sein, aber auch skalare Größen von Ein zelsensoren, wie z.B. Temperatur, Viskosität, etc. Die Ein gangsgröße Messwerte SV stellt dann eine Aneinanderreihung verschiedener Spektren und skalarerer Größen in einer

vorgebbaren Messwertreihenfolge dar, die zur Modellbildung (Block 200) und zur Vorhersage (Block 201) herangezogen wird (kombinierte Auswertung von Spektren und skalaren Sensorgrö ßen) .

Im Schritt 100 werden die im Schritt 101 gewonnenen Messwerte SV rechentechnisch vorverarbeitet, wie zum Beispiel durch Auswahl des oder der Spektralbereiche, Glättung, Normierung, Eliminierung von Ausreißern, Bildung der vorgebbaren Mess wertreihenfolge der Messwerte SV. In dem Schritt 102 werden die vorverarbeiten Messwerte SV mit aus chemischen Analysen (Schritt 103) des Stoffs gewonnenen Referenzwerten in Korre lation gesetzt und evaluiert. Dies kann beispielsweise durch eine multivariate Regressionsanalyse mit Hilfe der Chemometrie oder neuronaler Netzte erfolgen.

Dies ergibt das Messwertmodell des Schritts 104 (auch als Ka librierungsmodell bezeichnet) , mit dem die aus den ersten und zweiten spektralen Messwerten Sl, S2 durch Transformation ge wonnenen dimensionslosen ersten und zweiten spektralen Mess werte dSl, dS2, sowie die aus den skalaren Messwerten MV durch Transformation gewonnenen dimensionslosen skalaren Messwerte dMV verglichen werden, wobei die dimensionslosen Messwerte dSl, dS2 und dMV in die dem Messwertmodell entspre chende Messwertreihenfolge gebracht werden. Die ersten und zweiten spektralen Messwerte Sl, S2 und die skalaren Messwer te MV werden aus dem zu überwachenden Stoff gewonnen (Schritt 105) . Der Vergleich mit dem Messwertmodell erfolgt durch ma thematische und statistische Verfahren, wie beispielseise durch eine Regressionsanalyse.

In dem Schritt 106 werden aus dem Vergleich des Schritts 104 Veränderungen des Stoffs identifiziert und deren Konzentrati on vorhergesagt. Die Veränderung wird durch eine oder mehrere Maßzahlen AM charakterisiert, die ausgegeben werden.

Ein konkretes Ausführungsbeispiel ist die direkte Vorhersage von Fehlerbildern in Transformatorölen auf Basis einer kombi nierten Auswertung mittels zweier mit verschiedenen, kosten günstigen und robusten Spektrometern aufgenommener Spektren im sichtbaren und mittleren Infrarot-Bereich sowie weiterer skalarer Messgrößen wie die Feuchte im Öl und/oder der Was serstoffgehalt . Die Kombination aus kostengünstiger Messtech nik und der Erstellung von Messwertmodellen mit verbesserter Vorhersagegenauigkeit schafft die Basis für Online-Systeme zur Überwachung von Transformatoren unter direkter Vorhersage des Fehlerbildes insbesondere auch auf Basis einer direkten Messung am Transformatoröl.

Fig . 2 zeigt ein Schaubild als Beispiel für bereits normierte (dimensionslose) erste spektrale Messwerte dSl. Die horizon- tale Achse gibt die Wellenlänge l in Nanometer an. Die verti kale Achse zeigt die Intensität I der normierten dimensions losen ersten spektralen Messwerte in einem Bereich von 0 bis 1,0. Die ersten spektralen Messwerte dSl zeigen spektrale Kurven für unterschiedliche Gaskonzentrationen in einem

Transformatoröl. Durch Alterung des Transformatoröls kann es zum Ausgasen kommen.

Fig. 3 zeigt ein Schaubild als Beispiel für bereits normierte dimensionslose zweite spektrale Messwerte dS2. Die horizonta le Achse gibt die Wellenlänge l in Nanometer an. Der Wellen längenbereich ist von dem der Fig. 2 verschieden. Die verti kale Achse zeigt die Intensität I der normierten dimensions losen zweiten spektralen Messwerte in einem Bereich von 0 bis 1,0. Die zweiten spektralen Messwerte dSl zeigen Spektren für unterschiedliche Gaskonzentrationen in dem

Transformatoröl .

Fig. 4 zeigt ein Schaubild der Kombination der Schaubilder der Fig. 2 und Fig. 3, wobei die Wellenlänge l in dimensions lose Pixel transformiert wird. Entsprechend einer vorgebbaren Messwertreihenfolge sind die Kurven der Fig. 2 und Fig. 3 an einander gereiht. Zusätzlich wird als letztes Pixel ein nor mierter dimensionsloser skalarer Messwert dMV (beispielsweise eine Temperatur) angefügt. Die Kurven der Fig. 4 dienen zur Bildung des Messwertmodells.

Fig. 5 zeigt ein Blockschaltbild einer beispielhaften Vor richtung zur Durchführung des Verfahrens zur kontinuierlichen Überwachung eines Stoffs. Durch die Vorrichtung können bei spielsweise Alterungsprozesse des Stoffes erkannt bzw. vor hergesagt werden. Die Vorrichtung weist eine Steuereinheit 3 auf, an die eine Ausgabeeinheit 4 zur Anzeige der Maßzahl AM bzw. von Ergebnissen angeschlossen ist. Mit Hilfe einer Ein gabeeinheit 5 kann die Vorrichtung bedient werden.

Mit Hilfe des Spektroskops 1 werden die ersten spektralen Messwerte S1 erfasst und an die Steuereinheit 3 zur Auswer- tung weitergeleitet. Mit Hilfe des Messsensors 2 werden ska lare Messwerte erfasst und ebenfalls an die Steuereinheit 3 zur Auswertung weitergeleitet. In der Steuereinheit 3 ist das Messwertmodell für den Vergleich gespeichert.

Obwohl die Erfindung im Detail durch die Ausführungsbeispiele näher illustriert und beschrieben wurde, ist die Erfindung durch die offenbarten Beispiele nicht eingeschränkt und ande re Variationen können vom Fachmann daraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.

Bezugszeichenliste

1 Spektroskop

2 Messsensor

3 Steuereinheit

4 Anzeigeeinheit

5 Eingabeeinheit

100 Messwerterfassung

101 Vorverarbeitung

102 Evaluierung

103 Chemische Analyse

104 Messwertmodellbildung

105 Messwererfassung

106 Vergleich und Datenausgabe

200 Modellbildungsblock

201 Vorhersageblock

AM Maßzahl

dSl dimensionslose erste spektrale Messwerte dS2 dimensionslose zweite spektrale Messwerte dMV dimensionsloser skalarer Messewert

I Intensität

L Wellenläge

MV skalarer Messwert

RV Referenzwerte aus einer chemischen Analyse

51 erste spektrale Messwerte

52 zweite spektrale Messwerte

SV Messwerte zur Bildung des Messwertmodells