Predicting Micro-Crack Formation in XLPE Main Cables of Educational Building Power Systems Using Real-Time Three-Phase Current Data Analysisการทำนายการเกิดไมโครแครกในสายเมน XLPE ของระบบไฟฟ้า อาคารเรียนโดยใช้การวิเคราะห์ข้อมูลกระแสสามเฟสแบบเรียลไทม์

Abstract

งานวิจัยนี้มุ่งทำนายการเกิดไมโครแครก (Micro-Crack) ในสายเมนหลักชนิด XLPE ของระบบไฟฟ้าอาคารเรียนช่างอุตสาหกรรม มทร.ศรีวิชัย โดยใช้การวิเคราะห์ข้อมูลกระแสไฟฟ้าแบบเรียลไทม์สามเฟส (A, B, C) ระยะเวลา 7 เดือน รวมกว่า 60,000 จุดข้อมูล จากระบบ IoT Monitoring เพื่อประเมินความสัมพันธ์ระหว่างพฤติกรรมโหลด ความไม่สมดุล และการเสื่อมสภาพของสายเมนหลัก การเตรียมข้อมูลประกอบด้วยการทำความสะอาด การปรับช่วงเวลาให้เท่ากันทุก 5 นาที และการสร้างหน้าต่างเวลารายวันและรายสัปดาห์สำหรับการคำนวณเชิงสถิติ ผลการวิเคราะห์พบว่า Phase B มีค่ากระแสเฉลี่ยสูงสุดที่ 7.41 ± 2.28A (มกราคม 2568) และเป็นเฟสเด่นต่อเนื่องตลอดการวัด ส่วนดัชนีความไม่สมดุลโหลด (LUI) เพิ่มจาก 8.45% ในเดือนธันวาคม 2567 เป็น 13.05% ในเดือนกุมภาพันธ์ 2568 แสดงถึงภาวะไม่สมดุลระดับปานกลางถึงสูง พลังงานสะสม I² เพิ่มขึ้นจาก 1.82×10³ เป็น 3.71×10³A²·day (+104%) ในช่วงเดือนแรกแสดงการเร่งของความเค้นทางความร้อน ผลการวิเคราะห์สหสัมพันธ์พบค่าสัมประสิทธิ์สูงระหว่าง LUI และ I² (r = 0.89) บ่งชี้ถึงความเชื่อมโยงของความไม่สมดุลและความร้อนสะสม การสร้างแบบจำลองทำนายใช้ Logistic Regression และ LSTM เพื่อคำนวณค่าความน่าจะเป็นของการเกิดไมโครแครก ในช่วงเวลา t พบช่วงความเสี่ยงสูงในเฟส B ช่วงวันที่ 1-10 มกราคม 2568 ซึ่งสอดคล้องกับการเพิ่มขึ้นของโหลดเฉลี่ย +9.7% ตามจุดเปลี่ยน CP1 ผลลัพธ์ยืนยันว่าการวิเคราะห์กระแสสามเฟสแบบเรียลไทม์สามารถสะท้อนการเสื่อมของฉนวน XLPE ได้อย่างมีประสิทธิภาพ และสามารถพัฒนาเป็นระบบบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) เพื่อยืดอายุการใช้งาน สายเมนหลัก ลดความเสี่ยงการล้มเหลว และเพิ่มประสิทธิภาพการจัดการพลังงานในระยะยาว

This study presents a predictive approach for detecting micro-crack formation in XLPE main cables of an educational building power system using real-time three-phase current data collected over seven months (>60,000 samples) via an IoT monitoring system. After data cleaning and 5-minute resampling, statistical and temporal analyses revealed that Phase B consistently carried the highest load (7.41 ± 2.28 A in January 2025), while the Load Unbalance Index (LUI) rose from 8.45% to 13.05%, reflecting moderate imbalance. Cumulative thermal energy (I²) increased by 104%, with a strong correlation to LUI (r = 0.89). Logistic Regression and LSTM models estimated the probability of micro-crack occurrence , identifying a high-risk period in early January 2025 corresponding to a +9.7% current surge. The results confirm that real-time current analysis effectively indicates early XLPE insulation degradation and supports predictive maintenance for improved system reliability and energy management.