王 能

(金華送變電工程有限公司，浙江 金華 321001)

隨著油氣體提取技術(shù)和氣體色譜檢測技術(shù)的發(fā)展，如何高效對變電站中變壓器存在的氣體泄漏問題進行預(yù)測成為亟待解決的技術(shù)問題?，F(xiàn)有技術(shù)仍采用人工或者便攜式檢測設(shè)備檢測技術(shù)，這種方式技術(shù)落后，工作效率低下。隨著人工智能技術(shù)的飛速發(fā)展，有學(xué)者對該技術(shù)提出采用數(shù)據(jù)驅(qū)動和多判斷融合技術(shù)對油色譜監(jiān)測數(shù)據(jù)進行處理，該方案提高了變壓器油色譜回油管路泄露監(jiān)測能力；但應(yīng)用過程中需要考慮到兼容性及兼容成功率，數(shù)據(jù)評估過程中容易出現(xiàn)數(shù)據(jù)漏洞。又有學(xué)者通過設(shè)計油色譜在線監(jiān)測裝置實現(xiàn)氣體的濃度及變化趨勢評估，但對于溶解故障特征的預(yù)測準(zhǔn)確性較低。基于此，本研究設(shè)計一種新型變電站油色譜分析方法，采用快速相關(guān)向量機和引力搜索優(yōu)化方法對變電站氣體泄漏進行分析，提高了檢測能力。

1 油色譜氣體監(jiān)測系統(tǒng)設(shè)計

本研究設(shè)計的一種新型變電站油色譜分析方法，是通過分析油中絕緣氣體的溶解含量分析裝置氣體的泄漏情況，以此完成對氣體泄漏的監(jiān)測；變壓器的氣體泄漏分析方案如圖1所示。

圖1 變壓器氣體泄漏分析方案Fig. 1 Analysis scheme of transformer gas leakage

由圖1可知，在對變壓器氣體泄漏檢測中通過利用對油氣譜像進行處理，是將油液中溶解的氣體進行分離，分析油液中氣體的含量進而分析變壓器的泄漏情況。在該方案中泄露氣體進入回油管道中，融入絕緣油，包含有泄露氣體的絕緣油通過采集管道進入智能監(jiān)測裝置，通過透氣膜分離出絕緣油中的氣體成分，并將絕緣油重新注入變壓器設(shè)備中完成油色譜回油流程，其中分離的氣體通過智能分析裝置進行分析，當(dāng)其中泄露氣體的濃度高于設(shè)定的閾值時，將進行對外進行報警，并將每次的檢測數(shù)據(jù)傳輸給輔助控制裝置，進行人工維修工作。從變壓器回油管道的放油閥獲取溶解有泄漏氣體的絕緣油料，通過透氣膜對油料進行處理，分離出溶解在油料中的氣體收集分離出的氣體；通過色譜柱對氣體成分進行分析，得出氣體中各個成分之間的比例，并通過數(shù)模轉(zhuǎn)換使分析產(chǎn)生的模擬信號轉(zhuǎn)化稱為數(shù)值信號，方便對數(shù)據(jù)進行儲存和控制。再通過數(shù)據(jù)傳輸模塊對數(shù)據(jù)進行傳輸，建立一個統(tǒng)一的數(shù)據(jù)分析數(shù)據(jù)庫；通過對數(shù)據(jù)庫中泄漏氣體含量數(shù)據(jù)進行分析，氣體泄漏故障預(yù)測模型對采集的油管中氣體的含量數(shù)據(jù)進行處理；通過基于核函數(shù)的機器學(xué)習(xí)算法對模型進行訓(xùn)練，利用訓(xùn)練完成的模型對氣體監(jiān)測裝置采集的數(shù)據(jù)進行實時分析，完成對變壓器的監(jiān)測。

本研究針對于5種氣體成分分析方法進行研究，其中5種氣體分析方法的優(yōu)點和缺點如表1所示。

表1 氣體分析方法優(yōu)缺點Tab.1 Advantages and disadvantages of gas analysis methods

由表1可知，熱導(dǎo)型氣體檢測器的結(jié)構(gòu)比較簡單，并且檢測的氣體濃度范圍廣；該檢測裝置的檢測精度較低。鈀柵場效應(yīng)管檢測器對于氣體種類的區(qū)分效果好，由于其組成元件的原因，其使用壽命較短。催化燃燒型檢測器是對氣體進行催化燃燒進行檢測，該檢測方法精度較高；但其需要多次進行點火，操作繁瑣，無法自動。紅外線光譜檢測器通過分析氣體對紅外光譜的吸收譜線進行分析，該方案的檢測精度高，測量范圍廣；但設(shè)備成本高。光聲譜檢測設(shè)備的檢測靈敏度高，設(shè)備簡單；但對于環(huán)境的需求較高。

2 油色譜氣體監(jiān)測系統(tǒng)關(guān)鍵技術(shù)

(1)在變壓器氣體泄漏檢測系統(tǒng)中通過設(shè)計系統(tǒng)控制單元和譜像分析單元這2個單元，分別完成檢測設(shè)備之間協(xié)作控制和對變壓器氣體泄漏分離和檢測；

(2)通過快速相關(guān)向量機的故障預(yù)測模型對采集氣體進行處理，利用馬爾可夫性質(zhì)以及貝葉斯定理對數(shù)據(jù)進行處理，建立一種故障發(fā)生概率的預(yù)測分析模型，可以更好地實現(xiàn)自適應(yīng)選擇的快速分析模型；

(3)通過核函數(shù)的機器學(xué)習(xí)算法，設(shè)計選擇合適的核函數(shù)提高變電器故障分析和預(yù)測能力，并利用高斯核函數(shù)作為向量機中局部的計算核，利用多項式核函數(shù)作為向量機的全局計算核。

2.1 變壓器油氣譜像在線監(jiān)測硬件結(jié)構(gòu)

在對變壓器油氣管道進行氣體泄漏檢測中需要能夠自動化對氣體成分進行檢測，當(dāng)氣體含量超標(biāo)時發(fā)出警報。本研究在對氣體監(jiān)測設(shè)備設(shè)計中采用核心處理器——S3C44B0處理器，通過該處理器控制氣體譜像分析裝置對油氣管道中油氣物質(zhì)的分離和對氣體譜像的檢測；其監(jiān)測裝置的硬件結(jié)構(gòu)如圖2所示。

圖2 油氣管道氣體監(jiān)測硬件結(jié)構(gòu)Fig. 2 Hardware structure of oil and gas pipeline gas monitoring

由圖2可知，在硬件設(shè)計中包含有系統(tǒng)控制單元和譜像分析單元，2個操作單元通過系統(tǒng)BUS總線進行連接。系統(tǒng)控制單元包含中央控制器和中央控制器所需的外接裝置，其中包含提供時序邏輯的實時時鐘電路、提供數(shù)據(jù)傳輸?shù)耐ㄓ眯彤惒绞瞻l(fā)傳輸器、物理傳輸裝置，以及能夠顯示裝置內(nèi)部運行狀態(tài)的按鍵顯示裝置；在譜像檢測單元采集變壓器回油管道中的絕緣油，對油氣分離裝置提取油體中的氣體，然后通過氣體譜像分析儀進行分析氣體的成分含量。對氣體的含量數(shù)據(jù)傳輸入數(shù)據(jù)處理器中，建立數(shù)據(jù)分析模型進行分析，預(yù)測設(shè)備中存在的氣體泄漏問題。

2.2 相關(guān)向量機故障預(yù)測模型

本研究通過利用快速相關(guān)向量機的故障預(yù)測模型和馬爾可夫性質(zhì)以及貝葉斯定理對采集回油管道中氣體含量數(shù)據(jù)進行處理，建立一種故障發(fā)生概率的預(yù)測分析模型，并組合核函數(shù)相關(guān)參數(shù)對變量進行優(yōu)化，對故障問題預(yù)測為機器學(xué)習(xí)的目標(biāo)函數(shù)，實現(xiàn)參數(shù)的自適應(yīng)化對故障預(yù)測模型進行訓(xùn)練。延時函數(shù)和嵌入維度建立的樣本訓(xùn)練集合：

=(1+(-1),1+,…,1+(+-2),),=1+(+-1)

(1)

式中：=1,2，…，+1-。樣本訓(xùn)練集合對預(yù)測函數(shù)進行訓(xùn)練，預(yù)測函數(shù)：

(2)

式中：(,)為預(yù)測模型的核函數(shù)；采集的個樣本和基函數(shù)為=[(,),(,),,(,)]的權(quán)重，其中滿足的期望值和方差的高斯分布函數(shù)：

(3)

式中：(,)為函數(shù)的期望值；為函數(shù)的方差。通過對函數(shù)輸入新的相關(guān)參數(shù)，計算其目標(biāo)值，計算公式：

(4)

利用式(4)通過貝葉斯公式進行計算，可以得出新輸入數(shù)據(jù)相關(guān)概率函數(shù)：

(,,|)=(|,,)(,|)

(5)

由式(5)可知，鑒于函數(shù)計算過于復(fù)雜，本研究采用近似處理的方法對計算過程進行分析，利用近似處理函數(shù)：

(,|)∝(|,)()()

(6)

由式(6)可以得出分析模型中的概率分布：

(7)

計算邊界似然函數(shù)求解最大值來對式(7)進行求解，其計算過程：

(8)

由式(8)可知，對故障分析模型計算的迭代函數(shù)進行處理，其計算分析模型所需時間隨著樣本數(shù)據(jù)量的增加成指數(shù)增加。因此，本研究利用相關(guān)向量機進行合理化刪減，可較高地提高模型的計算效率。為計算各個影響因素對整體的影響情況，其中C采用如式(9)進行分解。

(9)

通過將式(9)相關(guān)量帶入式(8)可以得出模型具體的計算公式：

(10)

通過定義函數(shù)中的稀疏性因子和質(zhì)量因子對材料進行分析可以得出不同情況下的數(shù)據(jù)分析的相關(guān)數(shù)據(jù)稀疏系數(shù)：

(11)

通過上述分析可以得知，若所建立的基函數(shù)處在本研究建立的分析模型外，需要對核函數(shù)進行修正之后對數(shù)據(jù)進行更新；當(dāng)所建立的基函數(shù)位于模型內(nèi)部可直接對數(shù)據(jù)進行修正。由于其屬于奇點，所以可以刪除該點數(shù)據(jù)，進一步提高模型計算的效率。

2.3 核函數(shù)及相關(guān)參數(shù)優(yōu)化

由于相關(guān)向量機是利用核函數(shù)為基礎(chǔ)設(shè)計的一種進行機器學(xué)習(xí)的算法。該理論通過選取合適的核函數(shù)來提高故障預(yù)測模型進行預(yù)測的可靠性；通過核函數(shù)的機器學(xué)習(xí)算法，設(shè)計選擇合適的核函數(shù)提高變電器故障分析和預(yù)測能力，并利用高斯核函數(shù)作為向量機中局部的計算核，利用多項式核函數(shù)作為向量機的全局計算核。因此，本研究通過利用多項式核函數(shù)和高斯核函數(shù)進行組合，設(shè)計一種組合核函數(shù)，其中組合核函數(shù)的結(jié)構(gòu)：

(12)

式中：組合核函數(shù)的相關(guān)參數(shù)為、、。針對于組合核函數(shù)的相關(guān)參數(shù)優(yōu)化，本研究利用引力搜索優(yōu)化算法記性處理，得出模型中的最優(yōu)化參數(shù)。該搜索算法通過建立一個多維的分析空間，其中每個粒子的坐標(biāo)：

(13)

分析各個粒子之間的萬有引力作用造成的影響，第次的迭代，其中第個粒子對第個粒子造成的力的作用：

(14)

式中：()為引力常數(shù)；()和()為粒子的慣性質(zhì)量。通過計算各個粒子的適應(yīng)度函數(shù)進行設(shè)計粒子的質(zhì)量，其中粒子的慣性質(zhì)量：

(15)

通過分析其他粒子對粒子的引力進行加權(quán)分析，加權(quán)分析公式：

(16)

利用牛頓第二定律并利用式(16)進行分析，可以得出粒子的加速度公式：

(17)

由式(17)可知，通過對粒子的原位置、原速度和加速度對粒子的速度進行更新，其粒子速度的更新公式和位置更新公式：

(18)

由式(18)可知，通過對各個粒子的位置和速度進行不斷更新，最終計算出其中最優(yōu)化處理結(jié)果，其中適應(yīng)度函數(shù)：

(19)

由式(19)可知，包含有組數(shù)據(jù)，其中為測試樣本；為預(yù)測樣本。

3 算例分析

為了驗證本研究設(shè)計的變壓器回油管道氣體泄露監(jiān)測方法的檢測效果，通過利用某地的變電站2號機組的油色譜像數(shù)據(jù)進行試驗，驗證檢測方法的效果。本研究選取了500組變電器的油色譜像數(shù)據(jù)，進行分析變電站故障問題與油色譜像之間的關(guān)系。本次實驗所選取的計算機模擬環(huán)境：選用Windows 10作為操作系統(tǒng)平臺，設(shè)置計算機內(nèi)存為32 G，Intel Xeon W-2145 CPU 3.70 GHz，本次模擬仿真實驗的軟件選取Matlab 7.0軟件，對采集的變電站回油管道的油色譜像的數(shù)據(jù)進行訓(xùn)練，得出算法中相關(guān)參數(shù)。

對采集的變電站的油色譜像數(shù)據(jù)進行分組，設(shè)計非常12組數(shù)據(jù)，采用前6組數(shù)據(jù)進行訓(xùn)練數(shù)據(jù)，通過后2組數(shù)據(jù)進行測試，由引力搜索優(yōu)化算法模型得出算法中的MAPE值的優(yōu)化曲線。其優(yōu)化曲線如圖3所示。

圖3 MAPE值優(yōu)化曲線Fig. 3 MAPE value optimization curve

由圖3可知，通過45次的迭代可以得出MAPE值保持在1.35%，對MAPE值進行多次迭代可以得出算法中選擇合適的核函數(shù)參數(shù)可以極大提高引力搜索優(yōu)化算法的有效性，可以得出優(yōu)化最終計算所獲得的參數(shù)分別為25.1845、2.6489、0.3288；通過訓(xùn)練集可以得出測試集和訓(xùn)練集的測試結(jié)果和預(yù)測結(jié)果，其最終數(shù)據(jù)如表2所示。

表2 氣體泄漏預(yù)測模型預(yù)測結(jié)果Tab.2 Prediction results of gas leakage prediction model

由表2可知，對訓(xùn)練集進行測試所獲得的測試結(jié)果最大誤差為2.38%，最小誤差為0.08%；對測試集數(shù)據(jù)進行測驗所獲得結(jié)果最大誤差為0.39%，最小誤差為0.23%。表明本研究設(shè)計的故障預(yù)測模型可以有效地對變電站變電設(shè)備氣體泄漏故障進行預(yù)測。

對變電站回油管道中所產(chǎn)生氣體的絕對值和相對值數(shù)據(jù)進行分析，來對變電站設(shè)備故障進行預(yù)測，由于檢測周期較短易發(fā)生失誤現(xiàn)象。因此，本研究針對誤報現(xiàn)象進行統(tǒng)計，統(tǒng)計數(shù)據(jù)結(jié)果如表3所示。

表3 產(chǎn)氣率誤報統(tǒng)計結(jié)果Tab.3 False alarm statistics of gas production rate

由表3可知，由于油色譜像檢測周期較短，選擇合適檢測周期可以減小誤報現(xiàn)象的發(fā)生。

4 結(jié)語

針對變電站設(shè)備中回油管道中氣體泄漏問題的檢測方法，為保證變電站能夠長時間正常工作，本研究通過對變電站油色譜在線監(jiān)測系統(tǒng)進行設(shè)計，采用相空間重構(gòu)和氣體濃度分析對材料進行氣體泄漏故障在線周期性監(jiān)測。

(1)通過利用引力搜索優(yōu)化算法進行分析，可以高效的得出算法中向量機進行氣體濃度分析的核函數(shù)的相關(guān)參數(shù)，并對核函數(shù)的相關(guān)參數(shù)進行優(yōu)化，可以較大提高數(shù)據(jù)的使用效果和對故障的預(yù)測精度；

(2)相對比較回油管道中泄露氣體的產(chǎn)生量進行分析預(yù)測結(jié)果，通過訓(xùn)練集進行測試所獲得的測試結(jié)果中最大誤差為2.38%，最小誤差為0.08%。對測試集數(shù)據(jù)進行測驗所獲得結(jié)果中最大誤差為0.39%，最小誤差為0.23%；

由此可以得出，采用本研究設(shè)計的氣體泄露監(jiān)測方法可以高效預(yù)測變電裝置的故障問題，但由于在真實環(huán)境中使用數(shù)據(jù)較少，這還需要更進一步研究。