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(cè)技術(shù)的發(fā)展，如何高效對(duì)變電站中變壓器存在的氣體泄漏問(wèn)題進(jìn)行預(yù)測(cè)成為亟待解決的技術(shù)問(wèn)題?，F(xiàn)有技術(shù)仍采用人工或者便攜式檢測(cè)設(shè)備檢測(cè)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(duì)該技術(shù)提出采用數(shù)據(jù)驅(qū)動(dòng)和多判斷融合技術(shù)對(duì)油色譜監(jiān)測(cè)數(shù)據(jù)進(jìn)行處理，該方案提高了變壓器油色譜回油管路泄露監(jiān)測(cè)能力；但應(yīng)用過(guò)程中需要考慮到兼容性及兼容成功率，數(shù)據(jù)評(píng)估過(guò)程中容易出現(xiàn)數(shù)據(jù)漏洞。又有學(xué)者通過(guò)設(shè)計(jì)油色譜在線監(jiān)測(cè)裝置實(shí)現(xiàn)氣體的濃度及變化趨勢(shì)評(píng)估，但對(duì)于溶解故障特征的預(yù)測(cè)準(zhǔn)確性較低?；诖?，本研究設(shè)計(jì)一種新型變電站油色譜分析方法，采用快速相關(guān)向量機(jī)和引力搜索優(yōu)化方法對(duì)變電站氣體泄漏進(jìn)行分析，提高了檢測(cè)能力。

1 油色譜氣體監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

本研究設(shè)計(jì)的一種新型變電站油色譜分析方法，是通過(guò)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(duì)氣體泄漏的監(jiān)測(cè)；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(duì)變壓器氣體泄漏檢測(cè)中通過(guò)利用對(duì)油氣譜像進(jìn)行處理，是將油液中溶解的氣體進(jìn)行分離，分析油液中氣體的含量進(jìn)而分析變壓器的泄漏情況。在該方案中泄露氣體進(jìn)入回油管道中，融入絕緣油，包含有泄露氣體的絕緣油通過(guò)采集管道進(jìn)入智能監(jiān)測(cè)裝置，通過(guò)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(guò)智能分析裝置進(jìn)行分析，當(dāng)其中泄露氣體的濃度高于設(shè)定的閾值時(shí)，將進(jìn)行對(duì)外進(jìn)行報(bào)警，并將每次的檢測(cè)數(shù)據(jù)傳輸給輔助控制裝置，進(jìn)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(guò)透氣膜對(duì)油料進(jìn)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(guò)色譜柱對(duì)氣體成分進(jìn)行分析，得出氣體中各個(gè)成分之間的比例，并通過(guò)數(shù)模轉(zhuǎn)換使分析產(chǎn)生的模擬信號(hào)轉(zhuǎn)化稱為數(shù)值信號(hào)，方便對(duì)數(shù)據(jù)進(jìn)行儲(chǔ)存和控制。再通過(guò)數(shù)據(jù)傳輸模塊對(duì)數(shù)據(jù)進(jìn)行傳輸，建立一個(gè)統(tǒng)一的數(shù)據(jù)分析數(shù)據(jù)庫(kù)；通過(guò)對(duì)數(shù)據(jù)庫(kù)中泄漏氣體含量數(shù)據(jù)進(jìn)行分析，氣體泄漏故障預(yù)測(cè)模型對(duì)采集的油管中氣體的含量數(shù)據(jù)進(jìn)行處理；通過(guò)基于核函數(shù)的機(jī)器學(xué)習(xí)算法對(duì)模型進(jìn)行訓(xùn)練，利用訓(xùn)練完成的模型對(duì)氣體監(jiān)測(cè)裝置采集的數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，完成對(duì)變壓器的監(jiān)測(cè)。

本研究針對(duì)于5種氣體成分分析方法進(jìn)行研究，其中5種氣體分析方法的優(yōu)點(diǎn)和缺點(diǎn)如表1所示。

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

由表1可知，熱導(dǎo)型氣體檢測(cè)器的結(jié)構(gòu)比較簡(jiǎn)單，并且檢測(cè)的氣體濃度范圍廣；該檢測(cè)裝置的檢測(cè)精度較低。鈀柵場(chǎng)效應(yīng)管檢測(cè)器對(duì)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(cè)器是對(duì)氣體進(jìn)行催化燃燒進(jìn)行檢測(cè)，該檢測(cè)方法精度較高；但其需要多次進(jìn)行點(diǎn)火，操作繁瑣，無(wú)法自動(dòng)。紅外線光譜檢測(cè)器通過(guò)分析氣體對(duì)紅外光譜的吸收譜線進(jìn)行分析，該方案的檢測(cè)精度高，測(cè)量范圍廣；但設(shè)備成本高。光聲譜檢測(cè)設(shè)備的檢測(cè)靈敏度高，設(shè)備簡(jiǎn)單；但對(duì)于環(huán)境的需求較高。

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

(1)在變壓器氣體泄漏檢測(cè)系統(tǒng)中通過(guò)設(shè)計(jì)系統(tǒng)控制單元和譜像分析單元這2個(gè)單元，分別完成檢測(cè)設(shè)備之間協(xié)作控制和對(duì)變壓器氣體泄漏分離和檢測(cè)；

(2)通過(guò)快速相關(guān)向量機(jī)的故障預(yù)測(cè)模型對(duì)采集氣體進(jìn)行處理，利用馬爾可夫性質(zhì)以及貝葉斯定理對(duì)數(shù)據(jù)進(jìn)行處理，建立一種故障發(fā)生概率的預(yù)測(cè)分析模型，可以更好地實(shí)現(xiàn)自適應(yīng)選擇的快速分析模型；

(3)通過(guò)核函數(shù)的機(jī)器學(xué)習(xí)算法，設(shè)計(jì)選擇合適的核函數(shù)提高變電器故障分析和預(yù)測(cè)能力，并利用高斯核函數(shù)作為向量機(jī)中局部的計(jì)算核，利用多項(xiàng)式核函數(shù)作為向量機(jī)的全局計(jì)算核。

2.1 變壓器油氣譜像在線監(jiān)測(cè)硬件結(jié)構(gòu)

在對(duì)變壓器油氣管道進(jìn)行氣體泄漏檢測(cè)中需要能夠自動(dòng)化對(duì)氣體成分進(jìn)行檢測(cè)，當(dāng)氣體含量超標(biāo)時(shí)發(fā)出警報(bào)。本研究在對(duì)氣體監(jiān)測(cè)設(shè)備設(shè)計(jì)中采用核心處理器——S3C44B0處理器，通過(guò)該處理器控制氣體譜像分析裝置對(duì)油氣管道中油氣物質(zhì)的分離和對(duì)氣體譜像的檢測(cè)；其監(jiān)測(cè)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(cè)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(jì)中包含有系統(tǒng)控制單元和譜像分析單元，2個(gè)操作單元通過(guò)系統(tǒng)BUS總線進(jìn)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(shí)序邏輯的實(shí)時(shí)時(shí)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(yùn)行狀態(tài)的按鍵顯示裝置；在譜像檢測(cè)單元采集變壓器回油管道中的絕緣油，對(duì)油氣分離裝置提取油體中的氣體，然后通過(guò)氣體譜像分析儀進(jìn)行分析氣體的成分含量。對(duì)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(jìn)行分析，預(yù)測(cè)設(shè)備中存在的氣體泄漏問(wèn)題。

2.2 相關(guān)向量機(jī)故障預(yù)測(cè)模型

本研究通過(guò)利用快速相關(guān)向量機(jī)的故障預(yù)測(cè)模型和馬爾可夫性質(zhì)以及貝葉斯定理對(duì)采集回油管道中氣體含量數(shù)據(jù)進(jìn)行處理，建立一種故障發(fā)生概率的預(yù)測(cè)分析模型，并組合核函數(shù)相關(guān)參數(shù)對(duì)變量進(jìn)行優(yōu)化，對(duì)故障問(wèn)題預(yù)測(cè)為機(jī)器學(xué)習(xí)的目標(biāo)函數(shù)，實(shí)現(xiàn)參數(shù)的自適應(yīng)化對(duì)故障預(yù)測(cè)模型進(jìn)行訓(xùn)練。延時(shí)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(duì)預(yù)測(cè)函數(shù)進(jìn)行訓(xùn)練，預(yù)測(cè)函數(shù)：

(2)

式中：(,)為預(yù)測(cè)模型的核函數(shù)；采集的個(gè)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(guò)對(duì)函數(shù)輸入新的相關(guān)參數(shù)，計(jì)算其目標(biāo)值，計(jì)算公式：

(4)

利用式(4)通過(guò)貝葉斯公式進(jìn)行計(jì)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(jì)算過(guò)于復(fù)雜，本研究采用近似處理的方法對(duì)計(jì)算過(guò)程進(jìn)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(jì)算邊界似然函數(shù)求解最大值來(lái)對(duì)式(7)進(jìn)行求解，其計(jì)算過(guò)程：

(8)

由式(8)可知，對(duì)故障分析模型計(jì)算的迭代函數(shù)進(jìn)行處理，其計(jì)算分析模型所需時(shí)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(jī)進(jìn)行合理化刪減，可較高地提高模型的計(jì)算效率。為計(jì)算各個(gè)影響因素對(duì)整體的影響情況，其中C采用如式(9)進(jìn)行分解。

(9)

通過(guò)將式(9)相關(guān)量帶入式(8)可以得出模型具體的計(jì)算公式：

(10)

通過(guò)定義函數(shù)中的稀疏性因子和質(zhì)量因子對(duì)材料進(jìn)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(guò)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(duì)核函數(shù)進(jìn)行修正之后對(duì)數(shù)據(jù)進(jìn)行更新；當(dāng)所建立的基函數(shù)位于模型內(nèi)部可直接對(duì)數(shù)據(jù)進(jìn)行修正。由于其屬于奇點(diǎn)，所以可以刪除該點(diǎn)數(shù)據(jù)，進(jìn)一步提高模型計(jì)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(jī)是利用核函數(shù)為基礎(chǔ)設(shè)計(jì)的一種進(jìn)行機(jī)器學(xué)習(xí)的算法。該理論通過(guò)選取合適的核函數(shù)來(lái)提高故障預(yù)測(cè)模型進(jìn)行預(yù)測(cè)的可靠性；通過(guò)核函數(shù)的機(jī)器學(xué)習(xí)算法，設(shè)計(jì)選擇合適的核函數(shù)提高變電器故障分析和預(yù)測(cè)能力，并利用高斯核函數(shù)作為向量機(jī)中局部的計(jì)算核，利用多項(xiàng)式核函數(shù)作為向量機(jī)的全局計(jì)算核。因此，本研究通過(guò)利用多項(xiàng)式核函數(shù)和高斯核函數(shù)進(jìn)行組合，設(shè)計(jì)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(duì)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(guò)建立一個(gè)多維的分析空間，其中每個(gè)粒子的坐標(biāo)：

(13)

分析各個(gè)粒子之間的萬(wàn)有引力作用造成的影響，第次的迭代，其中第個(gè)粒子對(duì)第個(gè)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(guò)計(jì)算各個(gè)粒子的適應(yīng)度函數(shù)進(jìn)行設(shè)計(jì)粒子的質(zhì)量，其中粒子的慣性質(zhì)量：

(15)

通過(guò)分析其他粒子對(duì)粒子的引力進(jìn)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(jìn)行分析，可以得出粒子的加速度公式：

(17)

由式(17)可知，通過(guò)對(duì)粒子的原位置、原速度和加速度對(duì)粒子的速度進(jìn)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(guò)對(duì)各個(gè)粒子的位置和速度進(jìn)行不斷更新，最終計(jì)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(cè)試樣本；為預(yù)測(cè)樣本。

3 算例分析

為了驗(yàn)證本研究設(shè)計(jì)的變壓器回油管道氣體泄露監(jiān)測(cè)方法的檢測(cè)效果，通過(guò)利用某地的變電站2號(hào)機(jī)組的油色譜像數(shù)據(jù)進(jìn)行試驗(yàn)，驗(yàn)證檢測(cè)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(jìn)行分析變電站故障問(wèn)題與油色譜像之間的關(guān)系。本次實(shí)驗(yàn)所選取的計(jì)算機(jī)模擬環(huán)境：選用Windows 10作為操作系統(tǒng)平臺(tái)，設(shè)置計(jì)算機(jī)內(nèi)存為32 G，Intel Xeon W-2145 CPU 3.70 GHz，本次模擬仿真實(shí)驗(yàn)的軟件選取Matlab 7.0軟件，對(duì)采集的變電站回油管道的油色譜像的數(shù)據(jù)進(jìn)行訓(xùn)練，得出算法中相關(guān)參數(shù)。

對(duì)采集的變電站的油色譜像數(shù)據(jù)進(jìn)行分組，設(shè)計(jì)非常12組數(shù)據(jù)，采用前6組數(shù)據(jù)進(jìn)行訓(xùn)練數(shù)據(jù)，通過(guò)后2組數(shù)據(jù)進(jìn)行測(cè)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(guò)45次的迭代可以得出MAPE值保持在1.35%，對(duì)MAPE值進(jìn)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(jì)算所獲得的參數(shù)分別為25.1845、2.6489、0.3288；通過(guò)訓(xùn)練集可以得出測(cè)試集和訓(xùn)練集的測(cè)試結(jié)果和預(yù)測(cè)結(jié)果，其最終數(shù)據(jù)如表2所示。

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

由表2可知，對(duì)訓(xùn)練集進(jìn)行測(cè)試所獲得的測(cè)試結(jié)果最大誤差為2.38%，最小誤差為0.08%；對(duì)測(cè)試集數(shù)據(jù)進(jìn)行測(cè)驗(yàn)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(jì)的故障預(yù)測(cè)模型可以有效地對(duì)變電站變電設(shè)備氣體泄漏故障進(jìn)行預(yù)測(cè)。

對(duì)變電站回油管道中所產(chǎn)生氣體的絕對(duì)值和相對(duì)值數(shù)據(jù)進(jìn)行分析，來(lái)對(duì)變電站設(shè)備故障進(jìn)行預(yù)測(cè)，由于檢測(cè)周期較短易發(fā)生失誤現(xiàn)象。因此，本研究針對(duì)誤報(bào)現(xiàn)象進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)數(shù)據(jù)結(jié)果如表3所示。

表3 產(chǎn)氣率誤報(bào)統(tǒng)計(jì)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(cè)周期較短，選擇合適檢測(cè)周期可以減小誤報(bào)現(xiàn)象的發(fā)生。

4 結(jié)語(yǔ)

針對(duì)變電站設(shè)備中回油管道中氣體泄漏問(wèn)題的檢測(cè)方法，為保證變電站能夠長(zhǎng)時(shí)間正常工作，本研究通過(guò)對(duì)變電站油色譜在線監(jiān)測(cè)系統(tǒng)進(jìn)行設(shè)計(jì)，采用相空間重構(gòu)和氣體濃度分析對(duì)材料進(jìn)行氣體泄漏故障在線周期性監(jiān)測(cè)。

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

(2)相對(duì)比較回油管道中泄露氣體的產(chǎn)生量進(jìn)行分析預(yù)測(cè)結(jié)果，通過(guò)訓(xùn)練集進(jìn)行測(cè)試所獲得的測(cè)試結(jié)果中最大誤差為2.38%，最小誤差為0.08%。對(duì)測(cè)試集數(shù)據(jù)進(jìn)行測(cè)驗(yàn)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(jì)的氣體泄露監(jiān)測(cè)方法可以高效預(yù)測(cè)變電裝置的故障問(wèn)題，但由于在真實(shí)環(huán)境中使用數(shù)據(jù)較少，這還需要更進(jìn)一步研究。