变压器油中溶解气体的浓度监测方法、装置及系统制造方法及图纸

本发明专利技术提供一种变压器油中溶解气体的浓度监测方法、装置及系统，所述浓度监测方法包括：采用萤火虫算法获取气体检测模型的初始模型参数，基于所述初始模型参数和样本训练集对所述气体检测模型进行模型训练，获取训练后的所述气体检测模型；实时获取气体浓度特征值检测系统检测的变压器油中溶解气体的至少一种气体的气体浓度特征值；根据所述气体浓度特征值应用训练后的气体检测模型对变压器油中溶解气体的液相气体浓度进行实时监测。本发明专利技术能够避免变压器油中溶解气体交叉干扰，减小变压器油中溶解气体浓度的计算复杂度。器油中溶解气体浓度的计算复杂度。器油中溶解气体浓度的计算复杂度。

【技术实现步骤摘要】
变压器油中溶解气体的浓度监测方法、装置及系统


[0001]本专利技术属于变压器油中溶解气体检测领域，具体是涉及到一种变压器油中溶解气体的浓度监测方法、装置及系统。

技术介绍

[0002]现有的变压器油中溶解气体检测系统参数标定大多采用“气体浓度特征值—气体浓度—变压器油中液相浓度”的方法。根据比尔
‑
朗伯定律，应用可调谐二极管激光吸收光谱技术(Tunable Diode Laser Absorption Spectroscopy，TDLAS)根据激光器的入射光强和出射光强得到待测气体浓度特征值，待测气体浓度特征值与待测气体浓度之间为线性关系。
[0003]在“气体浓度特征值
‑
气体浓度”标定过程中存在拟合误差累积，因此采用“气体浓度特征值—变压器油中液相浓度”标定模型，对于标定模型的参数，受到变压器油中溶解气体检测系统中多组分气体的交叉干扰的影响，而且“气体浓度—变压器油中液相浓度”过程中转换参数辨识难，应用小波神经网络方法可实现转换参数和交叉干扰权重的辨识，考虑到小波神经网络性能与网络参数密切相关，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器油中溶解气体的浓度监测方法，其特征是，所述浓度检测方法包括：采用萤火虫算法获取气体检测模型的初始模型参数，基于所述初始模型参数和样本训练集对所述气体检测模型进行模型训练，获取训练后的所述气体检测模型；实时获取气体浓度特征值检测系统检测的变压器油中溶解气体的至少一种气体的气体浓度特征值；根据所述气体浓度特征值应用训练后的气体检测模型对变压器油中溶解气体的液相气体浓度进行实时监测。2.如权利要求1所述浓度监测方法，其特征是，所述采用萤火虫算法获取气体检测模型的初始模型参数，包括：初始化萤火虫种群，并确定初始的萤火虫个体位置，确定当前萤火虫位置，其中所述萤火虫种群中每个萤火虫个体对应所述气体检测模型的一种模型参数；循环计算所述所有萤火虫个体的适应度，并根据所述适应度随机移动所述当前萤火虫，直到达到最大迭代次数；确定所述适应度最大的最优位置，确定所述最优位置的萤火虫对应的模型参数为所述气体检测模型的初始参数。3.如权利要求2所述检测方法，其特征是，所述循环计算所述当前萤火虫个体的适应度，并根据所述适应度随机移动所述当前萤火虫，直到达到最大迭代次数，包括：计算所述所有萤火虫个体的适应度，并进行从大到小排序；随机选择排序靠前的第一数量只萤火虫，计算萤火虫位置和吸引力；所述当前萤火虫根据所述萤火虫位置和所述吸引力随机向所述第一数量只萤火虫移动；如果未达到所述最大迭代次数，则返回所述计算所述所有萤火虫个体的适应度，并进行从大到小排序的步骤。4.如权利要求1所述检测方法，其特征是，所述样本训练集包括多个历史气体浓度特征值以及分别与所述历史气体浓度特征值对应的多个历史液相气体浓度，所述基于所述初始模型参数和样本训练集对所述气体检测模型进行模型训练，包括：以所述初始模型参数为所述气体检测模型的初始参数；根据输入的所述历史气体浓度特征值应用所述气体检测模型进行处理获取预测液相气体浓度；迭代计算与输入的所述历史气体浓度特征值对应的所述历史液相气体浓度与所述预设液相气体浓度的误差，并根据所述误差迭代调整...

【专利技术属性】
技术研发人员：李橙橙，谭文胜，胡勇胜，万元，潘平衡，唐伟，陈淼，刘章进，曹旺，姜运，时志能，王佩，胡靖远，廖学顺，吴昊天，
申请(专利权)人：五凌电力有限公司，
类型：发明
国别省市：