基于多參數權重分析的油中溶解氣體色譜峰識別

張 煒，姜 林，吳秋莉，鄧雨榮

(1．廣西電網公司電力科學研究院，南寧市530023;2．寧波理工監測科技股份有限公司，浙江省寧波市315800)

0 引 言

變壓器油中溶解氣體在線監測技術已成為診斷變壓器故障的主要技術手段［1-3］，其原理是通過識別油氣分離后的色譜譜峰，來判斷是否存在故障特征氣體(H2、CH4、C2H2、C2H4、C2H6、CO、CO2)［4-5］，利用故障特征氣體結合診斷技術實現對變壓器故障類型的診斷［6-8］。該技術實現的前提條件是可以自動采集油樣中的色譜數據進行色譜峰基線扣除、氣體成分的色譜峰識別和濃度計算。

然而，監測結果的離散性及穩定性難以控制等問題嚴重影響監測裝置的準確性及實用性。究其原因，除了監測裝置的自身缺陷外，更有可能是其在色譜峰識別及計算過程中受現場工作環境、運行工況的干擾所致［9-11］。目前色譜峰識別一般采用單參數進行真假峰的判斷［12］。文獻［13］采用模糊隸屬度函數思想［6-7］，對出峰時間這個參數構建隸屬度函數，通過隸屬度值來判斷色譜峰的真假。文獻［14］采用灰色關聯度分析，將實際峰型與標準峰型做B 型關聯度計算，通過關聯度值和給定的閾值來判斷色譜峰的真假。

單參數識別法雖可初步減少由于干擾信號引起的色譜峰誤識別和漏識別情況，但在面對強干擾(溫度、濕度、電磁場等)及較小的色譜氣體峰時，仍難以得到滿意的分析結果。針對該問題，本文提出采用多參數權重比的綜合分析方法識別真假色譜峰，并通過實驗驗證該方法的有效性。

1 色譜峰特征參數的提取和歸一化處理

通常的變壓器油中溶解氣體監測流程為:變壓器油樣進入氣體萃取與分離單元，分離為不同組分后再進入氣體檢測單元;由檢測元件分別檢測，并變換為與氣體濃度對應的電信號;電信號經(analog digital，AD)轉換為可查詢的油中氣體監測數值及色譜圖譜?；诙鄥禉嘀乇鹊木C合分析方法即是針對經AD轉換后的色譜圖譜進行色譜峰特征參數的提取及歸一化處理，以提高監測的準確性。

在油的色譜圖譜曲線中，氣體峰的特征參數主要為峰高、峰型、峰寬、峰位。上述4個參數均表征不同概念的物理量，且參數值的大小與真假峰的判斷僅存在定性關系，故在對其進行量化處理前，無法直接作為譜峰識別的輸入參數。

1.1 峰高參數量化處理

峰高參數間接代表氣體濃度，并可通過觀察圖譜中的峰高大小較為直觀地反映氣體峰是否存在。但是峰高大小與峰真假程度并無直接聯系，為此需要提出一個參考量，使峰高參數與參考量之間通過一定轉化來表征真假峰的程度值，并且該參考量必須具有適應性，即滿足不同監測裝置和環境的計算。

通過設置信噪比參數實現峰高量化，即將該峰所在的區間段內的最大噪聲峰值作為參考量，用兩者的比值作為衡量真假峰的程度值。即SNR = hp/hnose，其中hp為峰高，hnose為最大噪聲峰值。

當SNR=1 時認為存在假峰的可能性是50%，基于此方法可得峰高參數與真假峰程度值的量化關系，具體關系用式(1)表示:

式中Eh為峰高歸一化處理結果。當Eh=1 時，表示該峰為真峰的可能性是100%;當Eh=0 時，表示該峰為真峰的可能性是0。

1.2 峰型參數量化處理

根據文獻［14］可知，采用B 型關聯度比相關性計算更能反映出實際峰型與標準峰型的偏差程度。因此，采用B 型關聯度作為峰型參數歸一化的方法，標準峰型采用設備出廠標定的峰型作為標準峰型。峰型歸一化結果可表示為

式中:Er為峰型歸一化處理結果;d 為實際峰型與標準峰型的總偏差值;d' 為實際峰型與標準峰型一階導數的總偏差值;d″為實際峰型與標準峰型二階導數的總偏差值。

1.3 峰寬參數量化處理

色譜氣體峰的峰型近似于高斯波形，在實際應用中，峰腳點無法精確確定。因此采用半峰寬作為量化對象，半峰寬是指半峰高處氣體峰對應的寬度。

通過對油中溶解氣體在線監測裝置的大量測試數據分析可知，同一型號監測裝置的半峰寬大小主要受氣體類型影響，而受氣體濃度變化的影響很小。因此，選取中等濃度下氣體的半峰寬作為標準半峰寬。假設標準半峰寬為Wstd，實際半峰寬為W，歸一化處理結果為Ew。顯然，當W =Wstd時，Ew=1;當W =0時，Ew=0。W 的上限值選擇2Wstd，即W =2Wstd時，Ew=0。同時，保證W 在Wstd附近小范圍波動時，Ew值變化較小。根據上述條件，半峰寬歸一化處理函數可近似表示為

1.4 峰位參數量化處理

氣體出峰時間與保留時間存在一定范圍內的偏移，并且不同類型的氣體偏移程度不同。影響氣體出峰時間偏移的主要因素是環境溫度。因此直接采用實際峰位和保留時間(裝置出廠標定的標準峰位)對比來判斷真假峰，其結果受環境因素的影響較大，適應性較低，無法達到預期效果。

為此，對油中氣體監測裝置進行高低溫實驗，獲取不同程度的峰位偏移圖譜，通過大量圖譜數據分析，發現氣體峰之間存在偏移關系，如圖1 所示。

圖1 氣體峰值的偏移關系Fig.1 Offset relationship of gas peak

由圖1 可知，其他氣體出峰偏移程度與CO2存在近似的線性關系。通過線性擬合可得到CO2出峰偏移度x 與其他氣體峰的偏移度的映射關系，如表1所示。

表1 各類氣體峰偏移值修正函數Tab.1 Offset value correction function for all kinds of gases

通過CO2氣體峰的偏移度對其他氣體峰的峰位進行修正，可以保證其余氣體峰的出峰位置與保留時間十分接近，如果出峰位置與保留時間偏差較大則認為該峰是假峰。該修正方法存在的問題:(1)CO2氣體無法自身修正;(2)一旦未識別出CO2氣體，則無法修正其余氣體。但由油中氣體檢測經驗數據可知，變壓器正常運行情況下油中通常存在CO2氣體，故設置CO2氣體不做真假峰識別，且亦可為其余氣體進行修正。

通過高低溫實驗盡可能獲取各個氣體峰的最大偏移值dmax，設實際出峰偏移度為d，那么峰位偏移參數歸一化處理結果Ed可近似表示為

2 參數權重分配

權重比的分配將直接影響色譜真假峰判定的準確性，因此合理分配各參數的權重比是算法實現的關鍵。本文基于對大量經驗測試數據的分析，以優化權重系數以及確定真假峰綜合判斷閾值。綜合系數值Z 通過4個參數加權計算得到。

式中QEh、QEr、QEw、QEd分別為峰高、峰型、峰寬、峰位的權重系數值。

由定性分析可知，峰型、峰寬、峰位3個參數的參考量均由出廠標定時計算得到，受人為因素的影響，并且與實際運行環境存在差異性。而峰高的參考量是現場實時計算得到，因此峰高歸一化處理結果較為客觀、可靠。因此，初始設置時，峰高的權重比應該最高。經過實驗分析優化得到權重系數和判斷閾值見表2。

表2 權重系數和閾值分配Tab.2 Weight coefficient and threshold distribution

3 算法驗證

算法參數采用第2 節優化得到的系數，保留時間、標準半峰寬、標準峰型均采用裝置出廠標定時獲取的測值。為了達到算法測試的目的，選擇C2H2氣體濃度接近0 的油樣進行在線色譜分析。色譜基線干擾主要由于運行過程中傳感器振動和外界溫度的變化引起。因此，為增大基線干擾影響，利用風機增大傳感器振動幅度，并得出模擬不同外界風力條件下所采集到的譜圖，如圖2 所示。其中圖2(a)為風力較強時采集譜圖，圖2(b)為風力較弱時采集譜圖。

圖2 測試譜圖Fig.2 Test spectra

圖譜測試計算結果如表3、4 所示。

表3 譜圖2(a)計算結果Tab.3 Calculation results of spectra (a)

由離線色譜測試儀的檢測結果可知，油樣中C2H2濃度接近0;而監測裝置分析圖譜中存在不同程度的基線波動，造成疑似C2H2氣體峰。圖2(a)和2(b)中疑似氣體峰均出現在保留時間附近，因此兩者的保留時間參數值均比較大，若只依據保留時間進行判斷便會產生誤判。

表4 譜圖2(b)計算結果Tab.4 Calculation results of spectra (b)

圖2(b)中疑似峰型與標準峰型的關聯度較高，若依據B 型關聯度便可能將圖2(b)中的假峰判定為C2H2氣體峰。而通過多參數加權平均計算，均可將上述疑似峰型判定為假峰。

基于上述分析，相較于單參數判定，基于多參數權重分析法的判定更為可靠。

4 結 語

從研究變壓器油中溶解氣體的色譜峰內在規律入手，結合歷史經驗數據分析，采用多參數權重比的綜合分析方法識別真假色譜峰。該方法需提取色譜峰的峰高、峰型、峰寬、峰位等特征參數，并優化其權重系數，最后通過多參數加權平均優化算法識別色譜真假氣體峰。通過對模擬現場干擾較大、色譜峰較小的2 類情況進行實驗驗證，結果表明該算法利于提升監測裝置的可靠性，并提高了低濃度氣體峰檢測的準確性。

［1］趙笑笑，云玉新，陳偉根．變壓器油中溶解氣體的在線監測技術評述［J］．電力系統保護與控制2009，37(23):187-191．

［2］李紅雷，張光福，劉先勇，等． 變壓器在線監測用的新型油氣分離膜［J］．清華大學學報:自然科學版，2005，45(10):1301-1304．

［3］肖燕彩，朱衡君，張霄元．基于溶解氣體分析的電力變壓器在線監測與診斷技術［J］．電力自動化設備，2006，26(6):93-96．

［4］廖懷東，李海威． 變壓器油色譜分析及故障判斷［J］． 電力建設，2003，24(10):25-26，29．

［5］張鈺寧，程養春，田野，等． 基于油色譜數據的變壓器可靠度評估方法(英文)［J］． 電力科學與工程，2013，29(7):1-6．

［6］焦振毅，任建文，陳鵬． 基于模糊理論的變壓器故障診斷模型研究［J］． 電力科學與工程，2012，28(6):39-43．

［7］黃新波，宋桐，王婭娜，等． 基于貝葉斯和模糊L-M 網絡的變壓器故障診斷［J］． 電力建設，2014，35(2):1-6．

［8］榮經國，鄭玲． 多源信息融合技術在變壓器故障診斷中的應用［J］． 電力科學與工程，2013，29(11):21-26．

［9］袁紅波，王紅斌． 高壓設備絕緣在線監測影響因素分析［J］． 華北電力技術，2002(6):41-43．

［10］劉云鵬，律方成，李成榕，等． 形態學一小波綜合濾波器抑制局放現場干擾［J］．高電壓技術，2004，30(2):29-31．

［11］胡勁松，鮑吉龍，周方吉，等． 基于模式匹配的變壓器色譜峰辨識算法［J］． 電力系統自動化，2005，29(21):85-87．

［12］羅榮模，王泳濤． 色譜工作站中譜峰識別的設計與實現［J］． 中國計量學院學報，2003，14(1):24-28．

［13］胡勁松，周方潔，鮑吉龍，等． 基于模糊隸屬函數的變壓器色譜峰定性算法［J］． 電力系統自動化，2005，29(18):70-72．

［14］曹建，范競敏，安晨光． 灰色關聯度分析在變壓器油色譜峰辨識中的應用［J］． 電網技術，2010，34(7):206-210．