ASJ系列剩余电流继电器在海洋平台的应用

摘要

本文通过对海洋平台接地故障的分析,论述了海洋平台手持式和移动式用电设备安装漏电保护器的必要性,同时简述了漏电保护器的工作原理。

关键词:海洋平台;IT系统;漏电保护器

00 概述

海洋平台作为油气采集、临时储存和简单处理的重要场所,在海洋石油和天然气开采过程中极其危险。与此同时,由于受到日晒、盐雾侵蚀、设备紧凑、操作空间狭窄等诸多因素的影响,海洋平台电气安全问题一直存在。为避免海洋平台电气安全事故的发生,需要根据海洋平台的环境特点,根据当地情况选择供配电系统的接地形式和相应的接地保护方法。

建设海洋生态监测站,完善野外定点精细化监测能力和配套室内测试分析能力,强化卫星、无人机、无人艇等监测设施配备,升级船基、浮潜标与海床基监测能力,形成立体化海洋生态监测网。开发完善海洋生态监测评价和预警技术方法体系,开展海洋生态预警监测,跟踪典型生态系统动态变化,预警生态退化问题和生态灾害。以生态环境信息平台为基础,构建海洋生态保护智慧监管平台,提升海洋生态保护监管大数据决策支撑能力。综合应用遥感等新型监测手段和地面观测平台,优化典型海洋生态系统监测布局和野外观测点,在重点海湾布设在线浮标、雷达、摄像头等设施,构建实时在线监控体系。

01 海洋平台配电系统的特点

低压配电系统分TN系统、TT系统及IT系统3种形式。每种接地形式的低压配电系统都有其自身的优缺点和适用范围。设计工作者应根据作业场所的环境条件、用电设备的特点和用电要求等因素加以具体选择。当前,海洋平台一般使用IT系统供电,这是由其自身的特点决定的:1)海洋平台远离陆地,对不间断供电的要求高。例如平台的消防措施和紧急逃生设施就不允许断电;2)海洋平台环境恶劣,盐雾和潮湿容易使用电设备和供电线路的绝缘损坏,出现接地故障。

02 海洋平台手持式和移动式用电设备漏电保护问题

2.1 造成海上手持、机动用电设备接地故障一般是由下列原因造成的:a)由于需要经常移动,电缆与用电设备的接头容易松开,造成接地故障的相线触电器的外壳;b)手持或移动用电设备在使用过程中,电缆会反复弯曲,使其部分芯线折断,刺破电缆绝缘与外部的可导部接触而发生接地故障。

施工用电必须符合用电安全规程。各种电动机械设备,必须有可靠有效的安全接地和防雷装置,严禁非专业人员操作机电设备。

2.2 海洋平台手持式和移动式用电设备接地故障分析

a) 单相接地故障。国际电工委员会标准IEC4.79(电流通过人体的效应)确定,通过人体的交流50Hz电流不超过30mA时,人体不会发生心室纤维性颤动而死亡,它与人体潮湿程度、接触电压高低没有直接关系。海上平台低压配电系统的接地方式大多采用中性点不接地的IT系统,因此当发生单相带电、单相接地或间接接触故障时,单相接地故障电流为另外两个相对地电容电流的向量和,一般情况下,两个相对地电容电流矢量较小,即故障电流很小,不会造成电击的危险,因此也可避免断电。然而,随着海洋平台电气设备的增加,电力电缆线路增加,电容电流增加,单相接地电流增加。如果用电设备的外壳没有可靠接地或者接地线断开时,单相接地故障电流只能通过人体形成回路,当通过人体的交流50Hz电流超过30mA时,人体就可能会因发生心室纤维性颤动而死亡。在低压配电系统中,用电设备的一相绝缘击穿,使其设备外壳带电。当单相接地故障电流Id=Ia+Ib≥30mA时,就超过了人体能承受的交流电流安全阈值,一定要立即切断供电以确保安全。此时在用电设备处安装漏电保护器是唯一的解决办法

b) 异相接地故障。当发生单相接地故障时,另外两相对地电压升高,电气设备的绝缘要求承受较高的电压,可能会导致绝缘破坏使故障进一步扩大,照成异相接地故障的发生。根据《低压配电设计规范》GB50054-1995中第4.4.14条:IT系统外露可导电部分可用共同的接地极接地,亦可个别地或成组地用单独的接地极接地。当暴露导电部分为联合接地时,故障电路的切断应满足TN系统接地故障保护的要求。海上平台是钢结构体,其自身即为导体,等于暴露出电力设备的可导性部分共用接地极。故障电路的切断应满足TN系统接地故障保护的要求。按照规范要,在TN系统中,手持式和移动式用电设备应设置漏电保护器。

03 产品概述

剩余电流继电器是由剩余电流互感器来检测剩余电流,并在规定条件下,当剩余电流达到或超过给定值时,使电器的一个或多个电气输出电路中的触点产生开闭动作的开关电器。

下面介绍三种常见的漏电情况。

3.1 防直接接触电击必须采用I△n≤30mA的高灵敏度的RCD。

ASJ系列剩余电流继电器在海洋平台的应用

3.2 防间接接触电击可采用I△n大于30mA的中灵敏度的RCD。

ASJ系列剩余电流继电器在海洋平台的应用

3.3 防火RCD需采用4极或2极RCD。

ASJ系列剩余电流继电器在海洋平台的应用

对于IT系统,按规定采用剩余电流继电器。为防止系统绝缘降低和作为二次故障后备保护,依据接线型式,采用类似 TT 或 TN 系统的保护措施。首先应采用绝缘监视装置,预测一次故障。

ASJ系列剩余电流继电器在海洋平台的应用

对于TT系统,推荐采用剩余电流继电器。因为当发生单相接地故障时,故障电流很小,且较难估计,达不到开关的动作电流,外壳上将出现危险电压。此时N线必须穿过剩余电流互感器。

ASJ系列剩余电流继电器在海洋平台的应用

对于TN-S系统,可采用剩余电流继电器。更快速灵敏切断故障,以提高安全可靠性,此时 PE 线不得穿过互感器,N 线必须穿互感器,且不得重复接地。

ASJ系列剩余电流继电器在海洋平台的应用

对于TN-C系统,不能采用剩余电流继电器。因为 PE 线和 N 线合一,若 PEN 线不重复接地,当外壳带电,互感器进出电流相等,ASJ拒动;若PEN线重复接地,部分单相电流将流入重复接地,达一定值后,ASJ 误动。 需将TN-C系统改造成TN-C-S系统,同TN-S系统,再将剩余电流互感器接入TN-S系统中。

ASJ系列剩余电流继电器在海洋平台的应用

04 产品简介

安科瑞电气ASJ系列剩余电流继电器能够满足上述几种漏电情况的防护,与遥控跳闸开关联用,及时切断电源,防止间接接触、限制漏电电流。也可以直接作为信号继电器,监控电力设备。特别适用于学校、商厦、工厂车间、集贸市场、工矿企业、国家重点消防单位、智能大厦与小区,地铁、石油化工、电信及国防等部门用电的安全保护。

ASJ系列产品主要有两种安装方式,ASJ10系列为导轨安装,外形和功能如下表所示:

ASJ系列剩余电流继电器在海洋平台的应用

ASJ系列剩余电流继电器在海洋平台的应用

ASJ20系列为面板安装,外形和功能如下表所示:

ASJ系列剩余电流继电器在海洋平台的应用

ASJ系列剩余电流继电器在海洋平台的应用

其中AC型和A型剩余电流继电器的区别是:AC型剩余电流继电器是对突然施加或缓慢上升的剩余正弦交流电流能确保脱扣的剩余电流继电器,主要监测正弦交流信号。A型剩余电流继电器是对突然施加的或缓慢上升的剩余正弦交流电流和剩余脉动直流电流能确保脱扣的剩余电流继电器,主要监测正弦交流信号和脉冲直流信号。

仪表具体的接线端子和典型接线如下所示:

ASJ系列剩余电流继电器在海洋平台的应用

05 结语

以往海洋平台的电气设计中,对于手持式和移动式用电设备的配电保护,基本没有或很少装设漏电保护器,更有设计者认为,在海洋平台的IT供电系统中手持式和移动式用电设备没有必要装设漏电保护器,从上看来,这种想法只是考虑了其中的一个方面,是片面的。ASJ系列剩余电流继电器产品能够监测线路中的漏电流,当漏电流达到或者超过设定值时,内部继电器动作,发出告警,并能与断路器开关联动,快速切断线路,保证线路安全。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值