Ark Flaş Tehlikeleri: Sağlık Tesislerinde ve Veri Merkezlerinde Ulusal Öneme Sahip Tesisler için Standart Geliştirme Çerçevesi

Özet

Çalışmanın sorusu şu: Kritik altyapıyı besleyen tesislerde, enerjili panolarda çalışan elektrik teknisyenlerinin ark flaş riskini azaltmak için saha belgelerinden (pano ön yüz fotoğrafları, as-built ve imalat çizimleri) yapay zekâ ile etiket üretmek ve eksik veriyi tespit etmek mümkün mü? Yazarlar bu amaçla bir standart geliştirme ve uygulama yöntemi öneriyor; sonuç, IEEE 1584.2-2025'te tarif edilen veri toplama maddelerine eklenecek bir envanter olarak sunuluyor.

Yöntem iki küçük örnek üzerinden yürüyor: 440 V, 3 faz, 100 A bir konut servisi ve 480 V, 3 faz, 1200 A bir ticari servis. Tek hat şemaları SKM yazılımında oluşturulmuş; şebekeden kullanılabilir arıza akımı konut için 21.000 A, ticari tesis için 21.000-40.000 A alınmış. Makale ayrıca arıza tahmini ve erken algılama, arıza sınıflandırma ve konumlama ile kendini onaran şebekeler üzerine yapay zekâ perspektifi veriyor, ardından ark flaş etiketi üretim sürecini ve eğitim verisi için gereken ek veri maddelerini tablolaştırıyor.

Ana çıktı bir veri kontrol listesi: şalt/pano/MCC için etiket verisi ve aşırı akım koruma cihazı bilgileri, uzun süreli, kısa süreli ve ani açma ayarlarını içeren açma ünitesi modeli, iletken kesiti ve kanal tipi, trafo empedansı gibi maddeler. Çalışma ayrıca veri merkezlerinde ve hastanelerde ark flaş çalışmasının, röle ve kesici koordinasyon çalışması (TCC) tamamlandıktan sonra yapılması gerektiğini vurguluyor. Önerilen azaltım yöntemleri arasında kesici ayarlarını yeniden düzenleme, akım sınırlayıcı kesiciler, aktif ark flaş azaltma sistemleri, bölmelendirme ve daha derin kabinler sayılıyor.

Sınırlar belirgin: nicel içerik zayıf, örnekler küçük ve konut ile ticari ölçekte; yapay zekâ modelinin gerçekten eğitildiğine ve doğrulandığına dair ölçülmüş bir başarı metriği verilmiyor. Bazı basitleştirilmiş arıza akımı ifadeleri (ör. 75 kVA trafoda yüksek arıza akımı) hesap kuralı olarak yeniden kullanılmamalı; gerçek çalışmada IEEE 1584 hesabı ve üretici verisi esas alınmalı. Çalışma bir pozisyon makalesi olarak okunmalı.

Öne çıkan noktalar

1. Veri merkezlerinde ve hastanelerde ark flaş çalışmaları yalnızca röle ve kesici koordinasyon çalışması (TCC) tamamlandıktan sonra yapılıyor.
2. Önerilen ek veri maddeleri: şalt, pano ve MCC etiket ve OCPD verisi; uzun süreli, kısa süreli ve ani pickup/gecikme ayarlarıyla açma ünitesi modeli; iletken kesiti ve kanal tipi; trafo empedansı.
3. Örnek çalışmalar 440 V konut servisi için 21.000 A, 480 V/1200 A ticari servis için 21.000-40.000 A kullanılabilir şebeke arıza akımı varsaydı.
4. Sıralanan azaltım stratejileri: kesici ayarlarının yeniden düzenlenmesi, akım sınırlayıcı kesiciler, aktif ark flaş azaltma sistemleri, bölmelendirme ve daha derin kabinler.
5. Tablo 4, kurumsal/colocation için yaklaşık 400-1000 W/m², hiperölçek için yaklaşık 2000 W/m² ve yapay zekâ tesisleri için yaklaşık 2000-4400 W/m² gösterge güç yoğunluğu veriyor.
6. Yazarlar, saha belgelerinin yapay zekâ ile analiziyle tüm mesleklerde ark flaş kaynaklı ölümlerin yaklaşık %2'sinin ortadan kalkabileceğini ve 2023'te bildirilen elektrik tehlikesi kaynaklı ölümlerin %37'sinin azaltılabileceğini öne sürüyor; bu iddia ölçülmüş bir sonuç değil, çıkarımdır.

Tasarımda kullanımı

• Ark flaş çalışmasını koordinasyon çalışmasından sonra planlayın; proje takviminde ve modelde bu sıralamayı zorunlu adım yapın.
• Saha veri toplama formuna makalenin ek maddelerini (açma ünitesi ayarları, iletken tipi, trafo empedansı, jeneratör ve ATS verisi) ekleyin ve eksik fotoğraf ile as-built farklarını işaretleyin.
• Yüksek yoğunluklu ve yapay zekâ tesislerinde düşük gerilim panolarının arıza akımı sınıfını ve azaltım seçeneklerini (akım sınırlayıcı kesici, aktif azaltma, bölmelendirme) tasarım aşamasında değerlendirin.
• Basitleştirilmiş arıza akımı ifadelerini hesap kuralı olarak kullanmayın; IEEE 1584 tabanlı çalışmayı ve ekipman üretici verisini esas alın.

Kimler okumalı

Kritik tesislerde elektrik güvenliği, koordinasyon ve ark flaş etiketleme çalışmalarını yürüten mühendisler ve güvenlik yöneticileri.

Belgenin bölümleri

1. 1. Giriş
2. 2. Araştırma yöntemleri (2.1 Arıza tahmini ve erken algılama, 2.2 Arıza sınıflandırma ve konumlama, 2.3 Kendini onaran şebekeler)
3. 3. Uygulama (440 V ve 480 V, 3 fazlı konut ve ticari sistemler; 3.2 Ark flaş etiketi üretimi)
4. 4. Sağlık tesisleri ve veri merkezleri için yapay zekâ modeli eğitim standardı
5. 5. Tartışma
6. 6. Sonuçlar

İlgili standartlar

• IEEE 1584-2018
• IEEE 1584.2-2025
• NFPA 70E

Belgeyi okuyun

Yayın bilgileri

Yazarlar

Pravin Sankhwar; Khushabu Sankhwar

Yayıncı

Standards (MDPI AG)

Yıl

2026

Cilt

6

Sayı

2

Sayfalar

19

Belge dili

İngilizce

Kaynak türü

Bilimsel yayın

Erişim

Açık lisans — indirilebilir

DOI

10.3390/standards6020019

Lisans

CC BY 4.0 — atıf vererek paylaşabilirsiniz

Lisans kanıtı

www.mdpi.com

Künye