一种GIL/GIS混合气体分解产物在线监测方法及系统与流程

摘要: 本技术属于gil(gasinsulatedtransmissionline,气体绝缘金属封闭输电线路)/gis(gasinsulatedswitchgear,气...
一种GIL/GIS混合气体分解产物在线监测方法及系统与流程

本技术属于gil(gas insulated transmission line,气体绝缘金属封闭输电线路)/gis(gas insulated switchgear,气体绝缘组合电气设备)混合气体检测,具体涉及一种gil/gis混合气体分解产物在线监测方法及系统。

背景技术:

1、gil/gis使用的绝缘和灭弧介质正从纯sf6气体向sf6/n2混合气体以及c4f7n/co2/o2等环保型混合气体转型。在gil/gis长期运行过程中,内部局部放电、局部过热等绝缘缺陷会导致绝缘气体分解,生成多种特征分解产物。通过在线监测这些分解产物的种类和浓度,可有效评估设备绝缘状态并预警故障。

2、基于光学原理的气体检测技术,例如可调谐二极管激光吸收光谱(tdlas)、紫外差分吸收光谱(doas),因其非接触、灵敏度高、响应快等优点,已成为分解产物在线监测的主流手段。然而,混合气体分解产物的光谱检测面临一个长期未解决的核心技术难题;多组分吸收谱带严重重叠导致的交叉干扰。具体表现为:

3、(1)中红外波段交叉干扰:so2(7.3μm)、cf4(7.8μm)、c3f6(8.4μm)及cof2(5.2μm)的吸收峰相互交叠;sf6/n2混合气体放电产生的nf3(8.0μm)与cf4谱带部分重叠,导致常规单波长检测方法无法区分。

4、(2)紫外波段交叉干扰:cs2与so2在194nm~225nm波段的差分吸收截面形状高度相似,传统最小二乘拟合难以分离。

5、(3)双光谱融合的一致性矛盾:so2在中红外和紫外两个波段独立反演的结果可能相互矛盾,缺乏有效的融合校正机制。

6、(4)模型失配问题:现有方法假设吸收截面矩阵固定且完备,但实际gil/gis运行中可能生成未知非常规分解产物(如固体绝缘材料参与放电时产生的特征气体),导致反演模型严重失配。

技术实现思路

1、为了克服现有技术的不足,本技术提出了一种gil/gis混合气体分解产物在线监测方法及系统。

2、本技术通过下述技术方案实现:

3、一种gil/gis混合气体分解产物在线监测方法,包括:

4、实时采集待监测的混合气体的中红外吸收光谱和紫外吸收光谱并进行预处理,同时对预先构建的相应标准吸收截面矩阵进行现场条件补偿,得到中红外吸收截面矩阵和紫外吸收截面矩阵;

5、建立双光谱联合线性叠加模型,并对在中红外波段和紫外波段均有吸收的共组分施加浓度一致性约束;其中所述双光谱联合线性叠加模型包括:中红外线性模型,表示为:中红外吸收光谱等于中红外波段的浓度向量与中红外吸收截面矩阵的乘积加上中红外波段的残差向量;以及紫外线性模型,表示为:紫外吸收光谱等于紫外波段的浓度向量与紫外吸收截面矩阵的乘积加上紫外波段的残差向量;

6、模型求解步骤:采用非负约束的自适应迭代加权最小二乘算法求解所述双光谱联合线性叠加模型,得到中红外波段的浓度向量和紫外波段的浓度向量以及相应的残差向量;

7、回代修正步骤:对中红外波段和紫外波段的共组分浓度进行加权融合,融合权重由各波段反演的平均拟合残差平方和的倒数确定,并将加权融合后的浓度回代所述双光谱联合线性叠加模型修正各自波段的其余组分浓度;

8、未知干扰识别步骤:计算最终残差向量,对连续多次检测的残差向量进行主成分分析,如果前两个主成分的方差贡献率之和超过预设阈值,则判定存在未建模干扰组分,并将第一主成分向量归一化后作为临时伪组分的吸收截面扩展至吸收截面矩阵中,重复执行模型求解步骤、回代修正步骤和未知干扰识别步骤;否则进入下一步骤;

9、输出各分解产物的浓度值。

10、在一些实施方式中,所述标准吸收截面矩阵的构建过程包括:

11、针对待监测的混合气体类型,预先在实验室标准条件下使用纯组分气体测量高分辨率吸收截面:对于中红外波段,测量每个组分在每个波数处的吸收截面,测量范围覆盖目标组分的全部特征吸收峰;对于紫外波段,测量每个组分在每个波长处的差分吸收截面;

12、将测量数据存储为矩阵形式,得到中红外标准吸收截面矩阵和紫外标准吸收截面矩阵;其中所述中红外标准吸收截面矩阵由所有中红外吸收组分在不同波数处的吸收截面构成;所述紫外标准吸收截面矩阵由所有紫外吸收组分在不同波长处的差分吸收截面构成。

13、在一些实施方式中,所述的实时采集待监测的混合气体的中红外吸收光谱和紫外吸收光谱并进行预处理,同时对预先构建的相应标准吸收截面矩阵进行现场条件补偿,包括:

14、通过在线监测系统采集待测混合气体的光谱数据,包括中红外吸收光谱和紫外吸收光谱;

15、分别对采集的所述中红外吸收光谱和紫外吸收光谱进行预处理,得到中红外实测吸光度向量和紫外实测吸光度向量;

16、分别对预先构建的中红外标准吸收截面矩阵和紫外标准吸收截面矩阵进行温度和压力归一化补偿,得到中红外吸收截面矩阵和紫外吸收截面矩阵。

17、在一些实施方式中,所述的模型求解步骤,包括:

18、初始解求解:采用不考虑权重的非负最小二乘算法分别对中红外波段和紫外波段进行独立求解,得到中红外波段的浓度向量初始解和紫外波段的浓度向量初始解以及相应的残差向量初始解;

19、迭代加权求解:计算前一次迭代中每个采样点的残差;根据所有采样点的残差计算前一次迭代残差的标准差;更新权重:对于每个采样点,如果前一次迭代中的残差绝对值小于等于阈值,则该采样点当前次迭代的权重设置为1;如果前一次迭代中的残差绝对值大于阈值,则该采样点当前次迭代的权重设置为阈值与前一次迭代中的残差绝对值的比值;其中所述阈值为1.5倍标准差;采用考虑权重的非负最小二乘算法分别对中红外波段和紫外波段进行独立求解,得到当前次迭代对应的中红外波段的浓度向量和紫外波段的浓度向量;判断是否收敛:如果当前次迭代得到的浓度向量与前一次迭代得到的浓度向量的相对变化小于收敛容差或者当前迭代次数大于等于最大迭代次数,则停止迭代,输出当前次迭代得到的浓度向量;否则重复执行迭代加权求解步骤以进行下一次迭代加权求解;

20、共组分一致性约束的集成:根据迭代加权求解得到的中红外波段和紫外波段的浓度向量,对其中的共组分浓度取平均,将中红外波段和紫外波段中的共组分浓度固定为共组分浓度平均值,采用不考虑权重的非负最小二乘算法求解得到中红外波段和红外波段的其余组分浓度;

21、判断是否满足收敛判据,如果是则输出最终的中红外波段的浓度向量和紫外波段的浓度向量以及相应的残差向量;否则重复迭代加权求解和共组分一致性约束的集成步骤。

22、在一些实施方式中,所述的不考虑权重的非负最小二乘算法具体为:

23、首先,将归一化补偿后的吸收截面矩阵与待求解的浓度向量相乘作为模型吸光度向量;

24、然后以实测吸收光度向量与模型吸光度向量的差值的欧几里得范数的平方为目标函数;

25、求解使得所述目标函数达到最小值的浓度向量,且浓度向量中的每一个元素都必须大于或等于0;

26、所述的考虑权重的非负最小二乘算法与所述的不考虑权重的非负最小二乘算法的区别仅在于目标函数的不同,所述的考虑权重的非负最小二乘算法中的目标函数为实测吸收光度向量与模型吸光度向量的差值乘以权重矩阵的平方根的乘积的欧几里得范数的平方。

27、在一些实施方式中,所述的回代修正步骤,包括:

28、分别利用中红外波段和紫外波段的残差平方和的倒数作为其对应的融合权重;

29、对于每个共组分,得到其加权融合浓度;

30、将共组分加权融合浓度视为已知真值,分别代入中红外线性模型和紫外线性模型中,采用不考虑权重的非负最小二乘法分别求解得到中红外波段和紫外波段的其余组分浓度;

31、将其余组分浓度和共组分加权融合浓度组合,得到最终的中红外波段的浓度向量和紫外波段的浓度向量。

32、在一些实施方式中,所述的未知干扰识别步骤,包括:

33、将最近的多次残差向量组成矩阵,矩阵中每一列为一个残差向量;

34、对矩阵进行奇异值分解,得到奇异值对角矩阵;所述奇异值对角矩阵中各主成分按照从大到小的顺序排列;

35、计算奇异值对角矩阵中前两个主成分的方差贡献率;

36、如果前两个主成分的方差贡献率之和大于预设阈值,则判定存在显著的未建模干扰组分,进入后续步骤,否则输出中红外波段和紫外波段的最终浓度向量;

37、取第一主成分向量进行归一化处理,将归一化处理得到的主成分向量作为临时新增伪组分的吸收截面,扩展原吸收截面矩阵;

38、将新增伪组分的浓度作为待求变量,重新执行所述的模型求解步骤、回代修正步骤和未知干扰识别步骤,得到最终浓度向量。

39、在一些实施方式中,该方法还包括:

40、按照预设周期或系统重启时,清除新增伪组分的吸收截面,恢复原始吸收截面矩阵。

41、另一方面,本技术还提出了一种gil/gis混合气体分解产物在线监测系统,包括:

42、气体循环模块,用于从gil/gis气室抽取待测混合气体至气体池进行检测,检测完成后气体经净化处理回充至gil/gis气室,实现零排放闭环循环;

43、采集模块,包括中红外tdlas检测单元和紫外doas检测单元;两个检测单元共用同一个流通式长光程气体池;还包括安装于气体池内的温度传感器和压力传感器,用于实时采集环境参数;

44、边缘计算模块,搭载工业实时操作系统,用于执行上述任一实施方式所述的gil/gis混合气体分解产物在线监测方法;

45、以及,远程监控平台,用于接收所述边缘计算模块上传的浓度数据,进行可视化展示和历史趋势分析。

46、在一些实施方式中,所述边缘计算模块按照预设时间周期进行周期性检测,每次检测得到的各分解产物的浓度存储于本地数据库并上传至所述远程监控平台;

47、所述远程监控平台根据上传的数据绘制浓度-时间曲线,计算产气速率。

48、本技术提出了一种gil/gis混合气体分解产物在线监测方法及系统,将中红外tdlas和紫外doas联合应用于gil/gis混合气体分解产物检测,利用两个波段的信息互补,并通过共组分一致性约束和加权融合修正,显著降低了单一波段反演的不确定性;采用迭代加权最小二乘算法进行自适应校正:通过权重函数动态调整各采样点的权重,抑制噪声和局部干扰,提高痕量组分反演的鲁棒性,该算法可推广至任何多组分光谱重叠的定量分析场景;另外该方法还采用基于残差主成分分析的动态吸收截面矩阵扩展策略:通过分析残差向量的主成分,自动识别未建模干扰组分,并临时扩展吸收截面矩阵进行补偿,该策略解决了固定模型在实际工况中失配的难题,具有较强的工程实用价值。