基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法技术

本发明专利技术公开了一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，该方法包括以下步骤：S1：采集SO2气体样品的拉曼光谱图，对所述拉曼光谱图进行预处理；S2：根据Voigt峰型拟合算法对预处理后的拉曼光谱图进行拟合，计算得到多组特征峰面积与气体浓度参量；S3：采用最小二乘回归算法，建立得到最优的特征峰面积与SO2含量之间关系的模型，根据所述模型计算得出SF6特征分解气体SO2的含量。

Quantitative detection of SO2 content in SF6 by Raman spectroscopy based on Voigt peak fitting algorithm

The invention discloses a method for decomposition of gas content of SO2 Raman spectra quantitative detection of SF6 characteristic Voigt peak fitting algorithm based on, the method comprises the following steps: S1, Raman spectra collected SO2 gas samples, the Raman spectra preprocessing; S2: according to the Voigt peak fitting algorithm to fit the Raman spectra after pretreatment, calculated multiple peak area and concentration parameter; S3: using the least square regression method, establish the relationship between the optimal characteristic peak area and the content of SO2 content model, according to the model of calculating the SF6 characteristics of SO2 gas decomposition.

【技术实现步骤摘要】
基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法
本专利技术涉及一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法。
技术介绍
当SF6电气设备存在故障时，故障区域的SF6气体和固体绝缘材料在热和电的作用下裂解，将产生硫化物、氟化物和碳化物。硫化物主要有SO2、H2S、SOF2、SF4和SO2F2；其中SOF2、SF4等又会进一步水解产生SO2和HF，因此SF6气体中的SO2浓度是直接分解和水解产生的总和。其中SO2是SF6电气设备故障时分解的主要特征组分，正常运行的设备中SO2的含量极少。若发生故障时，SO2会增长10倍以上，故在设备运行过程中，通常通过检测SO2的含量来判断设备内部是否存在故障，但是目前的SO2含量的检测方法SO2含量检测复杂，且检测结果往往存在较大误差。
技术实现思路
本专利技术的目的是提供一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，以解决现有SF6特征分解气体的微量检测复杂，且检测结果的准确性差的问题。为解决上述技术问题，本专利技术提供一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，包括以下步骤：S1：采集SO2气体样品的拉曼光谱图，对所述拉曼光谱图进行预处理；S2：根据Voigt峰型拟合算法对预处理后的拉曼光谱图进行拟合，计算得到多组特征峰面积与气体浓度参量；S3：采用最小二乘回归算法，建立得到最优的特征峰面积与SO2含量之间关系的模型，根据所述模型计算得出SF6特征分解气体SO2的含量。进一步地，所述步骤S2中所述Voigt峰型拟合算法采用的Voigt峰型拟合函数为：其中：为洛伦兹函数，为高斯函数，y0为基线坐标，A为拉曼峰面积，x为半宽，xc为拉曼峰中心位置，wG和wL分别为Voigt函数中高斯函数和洛伦兹函数的权重。2、根据权利要求1所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，其特征在于，所述步骤S3具体包括：S31：根据建立拉曼峰面积与气体浓度之间的线性回归模型：y＝β0+β1x(2)其中，y表示组分浓度；x表示谱峰面积，β0和β1为回归系数；S32：对回归系数β0和β1进行评估，确定β0和β1的最小二乘估计量；S33：根据所述线性回归模型计算得出SF6特征分解气体SO2的含量。进一步地，所述步骤S32具体包括：S321：设(xi,yi)(i＝1,2,…,n)为取得的试验观测数据，则xi和yi的关系可以表示为yi＝β0+β1xi+εi,(i＝1,2,…,n)(3)其中εi为残差，表示每次试验引入的随机误差，且满足（4）S322：对回归系数β0和β1进行评估使得到的估计量和满足残差εi的平方和最小，即利用二元函数求极值的方法，令分别求偏导，并令其等于0，得到整理式(7)，得到正规方程求得将上述结果作为β0和β1的最小二乘估计量，即可得到关于组分浓度和谱峰面积的简单线性回归方程进一步地，所述步骤S32还包括：S323：对简单线性回归方程可以通过拟合优度R2对其拟合效果进行评价，评价公式为：其中，R2越接近1，说明回归直线对试验观测值的拟合效果越好；R2越接近0，说明回归直线对试验观测值的拟合效果越差。进一步地，所述步骤S1具体包括：S11：使用4L碳钢瓶存储SO2高纯气体和SO2/Ar混合气体，气体样品池及管路先经Ar气吹扫2分钟，碳钢瓶气体经减压阀连接管路到内壁镀金石英气体样品池，维持实验温度，静置样品池30分钟使得气体流动均匀；S12：拉曼光谱仪通过光纤探头在样品池窗口收集反射的拉曼散射光，光谱仪共扫描5次取平均值得到拉曼光谱图；S13：对S12得到的拉曼光谱图进行背景扣除、基线调整、平滑去噪预处理。本专利技术的有益效果为：本专利技术减小了使用内标法的误差，提高了SF6特征分解气体的微量检测结果的准确性。证实了拉曼光谱结合Voigt峰型拟合算法应用于SO2含量的检测是可行的，且测量过程更简单，适用于SO2成分的快速分析。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为SO2拉曼光谱图；图2为SO2光谱特征峰的拟合图。具体实施方式如图1所示的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，通过采用拉曼光谱检测系统测定SO2气体样品的拉曼光谱图，对原始拉曼光谱图进行背景扣除、基线调整、平滑去噪等预处理。基于Voigt曲线的峰位置、半高宽和峰面积，提出Voigt峰型拟合算法对预处理后的光谱进行拟合，并利用拟合得到的特征峰面积表征物质的含量信息，结合最小二乘回归方法，建立拉曼光谱特征峰面积与SO2含量之间的关系模型，进而实现对SO2含量的快速预测。使用4L碳钢瓶存储SO2高纯气体和SO2/Ar混合气体，气体样品池及管路先经Ar气吹扫2分钟，碳钢瓶气体经减压阀连接管路到内壁镀金石英气体样品池，维持实验温度，静置样品池30分钟使得气体流动均匀。拉曼光谱仪通过光纤探头在样品池窗口收集反射的拉曼散射光，光谱仪共扫描5次取平均值。使用拉曼光谱仪软件进行背景扣除、光谱基线调整，采用Savitzky-Golay算法平滑去噪，一阶导数寻峰。随着SO2浓度增大，光谱特征变化明显，拉曼峰强度逐步增大，即拉曼峰面积正比于气体含量。拉曼光谱的Voigt峰型拟合线型如下：其中:为洛伦兹函数，为高斯函数，y0为基线坐标，A为拉曼峰面积，xc为拉曼峰中心位置，wG和wL分别为Voigt函数中高斯函数和洛伦兹函数的权重。如图1为SO2的拉曼光谱图，可知其共有518.8cm-1，1150.4cm-1，1362.8cm-1三个拉曼峰值，选择1150.4cm-1处拉曼峰为定性识别SO2的特征峰。如图2所示Voigt峰型拟合操作如下：选定待处理的高纯SO2拉曼光谱图,设半高宽FWHM初始值为10,然后在xc＝1150.4cm-1特征峰处完成Voigt峰型拟合,并计算y0、A、wG和wL等参数。最小二乘法是一种数学优化技术，通过最小化误差的平方和寻找数据的最佳函数匹配。由于拉曼特征峰面积与气体浓度成线性比例关系，两者的关系可用简单线性回归模型来表示y＝β0+β1x(1)其中y表示组分浓度；x表示谱峰面积，这里；β0和β1为回归系数。设(xi,yi)(i＝1,2,…,n)为取得的试验观测数据，则xi和yi的关系可以表示为yi＝β0+β1xi+εi,(i＝1,2,…,n)(2)其中εi为残差，表示每次试验引入的随机误差，且满足（3）最小二乘法的基本思想是对回归系数β0和β1进行估计，并使得到的估计量和满足残差εi的平方和最小，即利用二元函数求极值的方法，令分别求偏导，并令其等于0，得到整理式(6)，得到正规方程求得将上面的结果作为β0和β1的最小二乘估计量，即可得到关于组分浓度和谱峰面积的简单线性回归方程简单线性回归方程可以通过拟合优度R2对其拟合效果进行评价。R2越接近1，说明回归直线对试验观测值的拟合效果越好；R2越接近0，说明回归直线对试验观测值的拟合本文档来自技高网...

【技术保护点】
一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，其特征在于，包括以下步骤：S1：采集SO2气体样品的拉曼光谱图，对所述拉曼光谱图进行预处理；S2：根据Voigt峰型拟合算法对预处理后的拉曼光谱图进行拟合，计算得到多组特征峰面积与气体浓度参量；S3：采用最小二乘回归算法，建立得到最优的特征峰面积与SO2含量之间关系的模型，根据所述模型计算得出SF6特征分解气体SO2的含量。

【技术特征摘要】
1.一种基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，其特征在于，包括以下步骤：S1：采集SO2气体样品的拉曼光谱图，对所述拉曼光谱图进行预处理；S2：根据Voigt峰型拟合算法对预处理后的拉曼光谱图进行拟合，计算得到多组特征峰面积与气体浓度参量；S3：采用最小二乘回归算法，建立得到最优的特征峰面积与SO2含量之间关系的模型，根据所述模型计算得出SF6特征分解气体SO2的含量。2.根据权利要求1所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，其特征在于，所述步骤S2中所述Voigt峰型拟合算法采用的Voigt峰型拟合函数为：其中：为洛伦兹函数，为高斯函数，y0为基线坐标，A为拉曼峰面积，x为半宽，xc为拉曼峰中心位置，wG和wL分别为Voigt函数中高斯函数和洛伦兹函数的权重。3.根据权利要求1所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，其特征在于，所述步骤S3具体包括：S31：根据建立拉曼峰面积与气体浓度之间的线性回归模型：y＝β0+β1x(2)其中，y表示组分浓度；x表示谱峰面积，β0和β1为回归系数；S32：对回归系数β0和β1进行评估，确定β0和β1的最小二乘估计量；S33：根据所述线性回归模型计算得出SF6特征分解气体SO2的含量。4.根据权利要求3所述的基于Voigt峰型拟合算法的拉曼光谱定量检测SF6特征分解气体SO2含量的方法，其特征在于，所述步骤S32具体包括：S3...

【专利技术属性】
技术研发人员：龙英凯，王谦，何国军，唐超，李龙，祝诗平，周茂，陈伟，印华，张凯，李志伟，唐于京，
申请(专利权)人：国家电网公司，国网重庆市电力公司电力科学研究院，西南大学，
类型：发明
国别省市：北京,11