Revolutionizing Lifespan Prediction and Cumulative Damage Assessment of XLPE Copper Main Cables Using Multiphysics Simulation and Intelligent AI: A Case Study of the Industrial Technician School Building, RMUTSV

Abstract

งานวิจัยนี้มุ่งศึกษาความเมื่อยล้าทางความร้อนของสายเมนหลักทองแดง XLPE ระบบไฟฟ้า อาคารเรียนช่างอุตสาหกรรม มทร.ศรีวิชัย โดยใช้ข้อมูลจริงจากการวัดอุณหภูมิ กระแสไฟฟ้า และแรงดันไฟฟ้าตลอดระยะเวลา 1 เดือน ซึ่งเป็นช่วงที่สังเกตพบการสวิงของอุณหภูมิในสายเมนหลักอย่างชัดเจน ผลการวิเคราะห์ด้วยการจำลองเชิงฟิสิกส์ Multiphysics ชี้ให้เห็นว่าเฟส B มีอุณหภูมิสูงสุดเฉลี่ยถึง 30.82°C ซึ่งสูงกว่าเฟสอื่นถึงร้อยละ 12 ส่งผลให้แรงดันตกสูงสุดอยู่ที่ 1.40% และพลังงานสูญเสียสูงสุดถึง 0.00485W ในช่วงโหลดสูงสุด การจำลองยังระบุจุดสะสมความเครียดทางความร้อนในสายทองแดงของเฟส B สูงถึงร้อยละ 85 ของค่าความเครียดวิกฤต ขณะที่โมเดล Machine Learning ที่พัฒนาขึ้นสามารถทำนายความเสี่ยงความเมื่อยล้าทางความร้อนได้ด้วยความแม่นยำสูงถึง 92% ผลการศึกษานี้ช่วยเสริมประสิทธิภาพในการวางแผนบำรุงรักษาเชิงรุกและการจัดการโหลดไฟฟ้า ลดการสูญเสียพลังงาน และยืดอายุการใช้งานของสายเมนหลักทองแดง XLPE อย่างยั่งยืน งานวิจัยจึงเป็นก้าวสำคัญสู่การพัฒนาระบบไฟฟ้าอัจฉริยะที่มีความน่าเชื่อถือและประหยัดพลังงานในสภาพแวดล้อมการใช้งานจริง

This study investigates the thermal fatigue behavior of XLPE copper main power cables within the electrical distribution system of the Industrial Technician School Building at RMUTSV. Real-time measurements of temperature, current, and voltage were collected over a one-month period, revealing significant thermal fluctuations in the main conductors. Multiphysics simulation results indicated that Phase B exhibited the highest mean temperature of 30.82°C-approximately 12% greater than the other phases-leading to a maximum voltage drop of 1.40% and a peak energy loss of 0.00485W under high-load conditions. The copper conductor in Phase B also experienced thermal stress reaching up to 85% of its critical limit. In addition, a Machine Learning model developed in this research achieved 92% accuracy in predicting thermal fatigue risk. The results contribute to proactive maintenance planning and optimized load management, effectively reducing energy losses and extending the service life of XLPE copper cables. Overall, this work represents a significant advancement toward intelligent, reliable, and energy-efficient electrical infrastructure in real-world operational environments.