基于多参数权重分析的油中溶解气体色谱峰识别

张 炜，姜 林，吴秋莉，邓雨荣

(1．广西电网公司电力科学研究院，南宁市530023;2．宁波理工监测科技股份有限公司，浙江省宁波市315800)

0 引 言

变压器油中溶解气体在线监测技术已成为诊断变压器故障的主要技术手段［1-3］，其原理是通过识别油气分离后的色谱谱峰，来判断是否存在故障特征气体(H2、CH4、C2H2、C2H4、C2H6、CO、CO2)［4-5］，利用故障特征气体结合诊断技术实现对变压器故障类型的诊断［6-8］。该技术实现的前提条件是可以自动采集油样中的色谱数据进行色谱峰基线扣除、气体成分的色谱峰识别和浓度计算。

然而，监测结果的离散性及稳定性难以控制等问题严重影响监测装置的准确性及实用性。究其原因，除了监测装置的自身缺陷外，更有可能是其在色谱峰识别及计算过程中受现场工作环境、运行工况的干扰所致［9-11］。目前色谱峰识别一般采用单参数进行真假峰的判断［12］。文献［13］采用模糊隶属度函数思想［6-7］，对出峰时间这个参数构建隶属度函数，通过隶属度值来判断色谱峰的真假。文献［14］采用灰色关联度分析，将实际峰型与标准峰型做B 型关联度计算，通过关联度值和给定的阈值来判断色谱峰的真假。

单参数识别法虽可初步减少由于干扰信号引起的色谱峰误识别和漏识别情况，但在面对强干扰(温度、湿度、电磁场等)及较小的色谱气体峰时，仍难以得到满意的分析结果。针对该问题，本文提出采用多参数权重比的综合分析方法识别真假色谱峰，并通过实验验证该方法的有效性。

1 色谱峰特征参数的提取和归一化处理

通常的变压器油中溶解气体监测流程为:变压器油样进入气体萃取与分离单元，分离为不同组分后再进入气体检测单元;由检测元件分别检测，并变换为与气体浓度对应的电信号;电信号经(analog digital，AD)转换为可查询的油中气体监测数值及色谱图谱。基于多参数权重比的综合分析方法即是针对经AD转换后的色谱图谱进行色谱峰特征参数的提取及归一化处理，以提高监测的准确性。

在油的色谱图谱曲线中，气体峰的特征参数主要为峰高、峰型、峰宽、峰位。上述4个参数均表征不同概念的物理量，且参数值的大小与真假峰的判断仅存在定性关系，故在对其进行量化处理前，无法直接作为谱峰识别的输入参数。

1.1 峰高参数量化处理

峰高参数间接代表气体浓度，并可通过观察图谱中的峰高大小较为直观地反映气体峰是否存在。但是峰高大小与峰真假程度并无直接联系，为此需要提出一个参考量，使峰高参数与参考量之间通过一定转化来表征真假峰的程度值，并且该参考量必须具有适应性，即满足不同监测装置和环境的计算。

通过设置信噪比参数实现峰高量化，即将该峰所在的区间段内的最大噪声峰值作为参考量，用两者的比值作为衡量真假峰的程度值。即SNR = hp/hnose，其中hp为峰高，hnose为最大噪声峰值。

当SNR=1 时认为存在假峰的可能性是50%，基于此方法可得峰高参数与真假峰程度值的量化关系，具体关系用式(1)表示:

式中Eh为峰高归一化处理结果。当Eh=1 时，表示该峰为真峰的可能性是100%;当Eh=0 时，表示该峰为真峰的可能性是0。

1.2 峰型参数量化处理

根据文献［14］可知，采用B 型关联度比相关性计算更能反映出实际峰型与标准峰型的偏差程度。因此，采用B 型关联度作为峰型参数归一化的方法，标准峰型采用设备出厂标定的峰型作为标准峰型。峰型归一化结果可表示为

式中:Er为峰型归一化处理结果;d 为实际峰型与标准峰型的总偏差值;d' 为实际峰型与标准峰型一阶导数的总偏差值;d″为实际峰型与标准峰型二阶导数的总偏差值。

1.3 峰宽参数量化处理

色谱气体峰的峰型近似于高斯波形，在实际应用中，峰脚点无法精确确定。因此采用半峰宽作为量化对象，半峰宽是指半峰高处气体峰对应的宽度。

通过对油中溶解气体在线监测装置的大量测试数据分析可知，同一型号监测装置的半峰宽大小主要受气体类型影响，而受气体浓度变化的影响很小。因此，选取中等浓度下气体的半峰宽作为标准半峰宽。假设标准半峰宽为Wstd，实际半峰宽为W，归一化处理结果为Ew。显然，当W =Wstd时，Ew=1;当W =0时，Ew=0。W 的上限值选择2Wstd，即W =2Wstd时，Ew=0。同时，保证W 在Wstd附近小范围波动时，Ew值变化较小。根据上述条件，半峰宽归一化处理函数可近似表示为

1.4 峰位参数量化处理

气体出峰时间与保留时间存在一定范围内的偏移，并且不同类型的气体偏移程度不同。影响气体出峰时间偏移的主要因素是环境温度。因此直接采用实际峰位和保留时间(装置出厂标定的标准峰位)对比来判断真假峰，其结果受环境因素的影响较大，适应性较低，无法达到预期效果。

为此，对油中气体监测装置进行高低温实验，获取不同程度的峰位偏移图谱，通过大量图谱数据分析，发现气体峰之间存在偏移关系，如图1 所示。

图1 气体峰值的偏移关系Fig.1 Offset relationship of gas peak

由图1 可知，其他气体出峰偏移程度与CO2存在近似的线性关系。通过线性拟合可得到CO2出峰偏移度x 与其他气体峰的偏移度的映射关系，如表1所示。

表1 各类气体峰偏移值修正函数Tab.1 Offset value correction function for all kinds of gases

通过CO2气体峰的偏移度对其他气体峰的峰位进行修正，可以保证其余气体峰的出峰位置与保留时间十分接近，如果出峰位置与保留时间偏差较大则认为该峰是假峰。该修正方法存在的问题:(1)CO2气体无法自身修正;(2)一旦未识别出CO2气体，则无法修正其余气体。但由油中气体检测经验数据可知，变压器正常运行情况下油中通常存在CO2气体，故设置CO2气体不做真假峰识别，且亦可为其余气体进行修正。

通过高低温实验尽可能获取各个气体峰的最大偏移值dmax，设实际出峰偏移度为d，那么峰位偏移参数归一化处理结果Ed可近似表示为

2 参数权重分配

权重比的分配将直接影响色谱真假峰判定的准确性，因此合理分配各参数的权重比是算法实现的关键。本文基于对大量经验测试数据的分析，以优化权重系数以及确定真假峰综合判断阈值。综合系数值Z 通过4个参数加权计算得到。

式中QEh、QEr、QEw、QEd分别为峰高、峰型、峰宽、峰位的权重系数值。

由定性分析可知，峰型、峰宽、峰位3个参数的参考量均由出厂标定时计算得到，受人为因素的影响，并且与实际运行环境存在差异性。而峰高的参考量是现场实时计算得到，因此峰高归一化处理结果较为客观、可靠。因此，初始设置时，峰高的权重比应该最高。经过实验分析优化得到权重系数和判断阈值见表2。

表2 权重系数和阈值分配Tab.2 Weight coefficient and threshold distribution

3 算法验证

算法参数采用第2 节优化得到的系数，保留时间、标准半峰宽、标准峰型均采用装置出厂标定时获取的测值。为了达到算法测试的目的，选择C2H2气体浓度接近0 的油样进行在线色谱分析。色谱基线干扰主要由于运行过程中传感器振动和外界温度的变化引起。因此，为增大基线干扰影响，利用风机增大传感器振动幅度，并得出模拟不同外界风力条件下所采集到的谱图，如图2 所示。其中图2(a)为风力较强时采集谱图，图2(b)为风力较弱时采集谱图。

图2 测试谱图Fig.2 Test spectra

图谱测试计算结果如表3、4 所示。

表3 谱图2(a)计算结果Tab.3 Calculation results of spectra (a)

由离线色谱测试仪的检测结果可知，油样中C2H2浓度接近0;而监测装置分析图谱中存在不同程度的基线波动，造成疑似C2H2气体峰。图2(a)和2(b)中疑似气体峰均出现在保留时间附近，因此两者的保留时间参数值均比较大，若只依据保留时间进行判断便会产生误判。

表4 谱图2(b)计算结果Tab.4 Calculation results of spectra (b)

图2(b)中疑似峰型与标准峰型的关联度较高，若依据B 型关联度便可能将图2(b)中的假峰判定为C2H2气体峰。而通过多参数加权平均计算，均可将上述疑似峰型判定为假峰。

基于上述分析，相较于单参数判定，基于多参数权重分析法的判定更为可靠。

4 结 语

从研究变压器油中溶解气体的色谱峰内在规律入手，结合历史经验数据分析，采用多参数权重比的综合分析方法识别真假色谱峰。该方法需提取色谱峰的峰高、峰型、峰宽、峰位等特征参数，并优化其权重系数，最后通过多参数加权平均优化算法识别色谱真假气体峰。通过对模拟现场干扰较大、色谱峰较小的2 类情况进行实验验证，结果表明该算法利于提升监测装置的可靠性，并提高了低浓度气体峰检测的准确性。

［1］赵笑笑，云玉新，陈伟根．变压器油中溶解气体的在线监测技术评述［J］．电力系统保护与控制2009，37(23):187-191．

［2］李红雷，张光福，刘先勇，等． 变压器在线监测用的新型油气分离膜［J］．清华大学学报:自然科学版，2005，45(10):1301-1304．

［3］肖燕彩，朱衡君，张霄元．基于溶解气体分析的电力变压器在线监测与诊断技术［J］．电力自动化设备，2006，26(6):93-96．

［4］廖怀东，李海威． 变压器油色谱分析及故障判断［J］． 电力建设，2003，24(10):25-26，29．

［5］张钰宁，程养春，田野，等． 基于油色谱数据的变压器可靠度评估方法(英文)［J］． 电力科学与工程，2013，29(7):1-6．

［6］焦振毅，任建文，陈鹏． 基于模糊理论的变压器故障诊断模型研究［J］． 电力科学与工程，2012，28(6):39-43．

［7］黄新波，宋桐，王娅娜，等． 基于贝叶斯和模糊L-M 网络的变压器故障诊断［J］． 电力建设，2014，35(2):1-6．

［8］荣经国，郑玲． 多源信息融合技术在变压器故障诊断中的应用［J］． 电力科学与工程，2013，29(11):21-26．

［9］袁红波，王红斌． 高压设备绝缘在线监测影响因素分析［J］． 华北电力技术，2002(6):41-43．

［10］刘云鹏，律方成，李成榕，等． 形态学一小波综合滤波器抑制局放现场干扰［J］．高电压技术，2004，30(2):29-31．

［11］胡劲松，鲍吉龙，周方吉，等． 基于模式匹配的变压器色谱峰辨识算法［J］． 电力系统自动化，2005，29(21):85-87．

［12］罗荣模，王泳涛． 色谱工作站中谱峰识别的设计与实现［J］． 中国计量学院学报，2003，14(1):24-28．

［13］胡劲松，周方洁，鲍吉龙，等． 基于模糊隶属函数的变压器色谱峰定性算法［J］． 电力系统自动化，2005，29(18):70-72．

［14］曹建，范竞敏，安晨光． 灰色关联度分析在变压器油色谱峰辨识中的应用［J］． 电网技术，2010，34(7):206-210．