基于群智优化的变压器绝缘油色谱监测方法

于鲜莉 李波 李昂

摘要：在对群体智能概念及其实践应用分析的基础上，提出了基于群智优化的变压器绝缘油色谱监测方法，包括众包模式、群智协作和生态系统类群智计算模式，将这些方法结合应用后，为变压器绝缘油色谱监测提供了新的思路和方向，具有一定的借鉴意义。

关键词：群智优化;变压器;绝缘油;色谱检测

0 引言

随着5G信息工程的不断推广，国内电网建设工程项目不断增多。变电站安装调试与检测作为5G网络工程建设的重要基础性工作，对整个网络建设具有重要作用。为了保证变压器运行正常，要对整个变压器进行实时监控，以便及时了解其运行情况，发现并处理潜在问题。常见的变压器稳定性检测方法是变压器绝缘油色谱监测方法。

1 群体智能概述

所谓群体智能，是指通过设计某种特定方式，吸引不同行业背景、不同知识结构的人群参与到某一共同主题中，在某些情况下，甚至会通过人工与机器人协同的方式来完成某种具有挑战性的任务。目前群体智能主要包括两个方面：群体感知和群智计算。目前关于群智计算的研究主要集中在互联网信息技术、卫生医疗、道路交通监测和环境建设等方面，群体智能计算目前按照问题的难易程度，可以分为3种：（1）一些简单的计算问题的众包模式;（2）相对复杂的一些工作需要进行群智协作;（3）最为复杂的问题则需要生态系统类群智计算模式。群智计算作为一种新兴的演化计算技术，具有简单操作、收敛速度快等优点，它与进化策略及遗传算法有着极为特殊的联系，通过群体中个体之间的信息交互和合作实现寻优。

针对简单问题的众包模式是指当公司遇到某些较为简单的问题时，可以通过网络的形式将这些问题外包给社会大众。众包模式已经是目前互联网上较为常见的一种形式，例如国内经常用的百度知道，就是由用户提出自己想要了解的问题，其他用户进行回答，在回答的时候为了更加高效，用户可以对自己擅长的领域打下标签，从而有效地实现资源共享。站在数据分析的角度，眾包模式很好地实现了线上线下的群体感知，例如，微软在2011年就通过Gig walk平台，号召社会大众提供其生活城市的餐厅、商场、超市等不同类别的城市商店，绘制3D全景图，这个项目最终参与的人数多达10万人，最终微软将这些用户提供的图片融入到Bing地图中，形成了Bing地图的实景模型地图。所谓的群智协作，则是随着当今大众手机和电脑登录互联网平台的普及而产生的一种计算方式，具有分布广泛、移动性和连接性的特征。群智协作的计算方式，在目前全球范围内主要应用于信息技术行业，如目前在Google地图上的实时交通监测功能，可以看到整个地图范围内其他车辆目前所在的位置以及交通的拥堵情况，从而测算出到目的地所需要的时间，而且这个时间会根据交通状况的变化而变化。最为复杂的生态系统类群智计算模式则是通过物理世界、信息空间，与个体和群体建立联系，实现较为复杂的数据关系之间的计算，通过这种计算方式，提升人们对事物的认知能力，发现事物内部较为复杂的联系。

2 变压器绝缘油色谱监测方法

变压器绝缘油被广泛应用于变压器相关产品中，但是由于变压器大多安置在露天环境，绝缘油容易受到外界杂质和空气的影响，其品质好坏直接决定着相关产品的运作效果。

2.1    变压器绝缘油色谱检测相关准备工作

变压器绝缘油中含有一定的水分和气体，水分含量越低，吸收空气中水分和气体的速度越快，更容易受潮，在裸露环境中直接取样会导致结果不准确。因此，在整个取样过程中要注意对试剂的密闭性保护。目前常见的取样装置为带铜制旋转头的玻璃针管，在对其进行具体的气体含量测定和色谱分析前，要先对其进行干燥。同时，为了减少由于取样装置不干净所引起的样本误差，在对装置进行清洗的时候，要用蒸馏水清洗，同时放置的时候要注意，不要与周围有过多接触，避免引起样本误差。

2.2    群智优化的变压器绝缘油色谱监测方法

色谱检测方法主要用来检测变压器绝缘油内气体的含量，是一种定量与定性结合的分析方法，气体中含氧量的高低则直接影响着绝缘油的老化程度，尤其是氧气的含量对绝缘油的氧化有着直接影响，同时它还对固体绝缘材料的老化起着加速作用，具体体现在：氧气含量越高，在油中就越容易形成小气泡，从而增加绝缘油的局部导电性，进而使其失去原有的绝缘作用。绝缘油中其他气体的含量则会引起其他故障。因此，通过判断绝缘油中不同气体的含量是行业内比较常见的分析故障和解决问题的方法。

（1）众包模式在变压器绝缘油色谱分析中的应用。变压器绝缘油中气体含量的检测工作不是一蹴而就的，而是要对其进行实时、连续不断地检测，并记录这些数据，通过这些数据的对比分析，掌握油量的变化情况，进而判断可能存在的安全隐患。如果发现数据中空气含量有异常，要尽快上报，采取一定的处理措施。数据记录和发现问题后的预警机制以及问题反馈在整个色谱分析过程中属于比较简单而且繁琐的工作，但是极为重要，在这个环节上可以采用群智优化的众包模式，通过建立固定的数据记录和反馈系统，发动和鼓励所有人参与到这个工作环节中，相对于传统方法，不仅提高了样本相关数据量，而且能够起到一定的监督作用，同时有利于保证数据的准确性，通过设置预警线，可以让计算机系统根据数据结果做出反馈，使结果相对于人工计算更加准确，更容易发现检测中存在的问题。连续监测的在线色谱数据如表1所示。

（2）群智协作在变压器绝缘油色谱分析中的应用。色谱分析工作的一个重要环节是将变压器绝缘油中的气体脱出，送入气体色谱分析仪中，对其中所包含的气体种类和含量进行检测。目前来讲主要是针对二氧化碳、乙烷、乙烯等气体进行含量检测。目前常用的气体检测仪有FID、TCD、半导体传感器、红外线光谱传感器等，各种气体检测方法对比如表2所示，不管这些方法具体怎么操作，其在原理上都是通过气体含量信号利用特定的方法转换成电信号。在这个转换过程中，可以通过群智协作的方式，将相关数据以更加直观的方式进行展示，使得在同一个时间维度内，既可以看到氢气含量的变化情况，又可以动态地看到一氧化碳、二氧化碳、甲烷、乙烷和乙烯等气体的变化情况，通过对比的方法，对整个数据有个动态的、全局的把握，从而使整个过程更加直观，更加有利于对检测结果的分析。将群智协作的方式引入到这个过程，还有利于节约人力成本。

（3）生态系统类群智计算模式在变压器绝缘油色谱分析中的应用。生态系统类群智计算模式一般应用于解决复杂的、事物之间有内在联系和关联的问题。生态系统类群智计算模式通过抽丝剥茧的方式，发现表面数据背后所蕴含的内在问题和不同问题之间的联系，从而揭示事物的本质。在变压器绝缘油色谱分析中，运用生态系统类群智计算模式，则有利于通过监测的数据，更加快速地判定变压器绝缘油是否出现了问题以及是何种气体含量的增多促使了这种问题的出现，进而判断采用何种应对和解决策略。生态系统类群智计算模式使得整个发现问题—思考问题—解决问题的过程变得更加机械化、简单化，能够及时、有效地提出问题的解决方法。

此外，利用生态系统类群智计算模式，还可以整理与对比历史数据，分类整理以往的问题，从而发现出现问题最多的地方和原因，为后续工作作出指引，这种利用现代化、智能化的方式发现事物规律的方法，不仅有利于节约成本，而且可以有效地通过提前预判规避问题，使整个工作流程变得更加高效。

3 结语

基于群智优化的变压器绝缘油色谱分析的相关理论与实践目前还处于初级发展阶段，很多方面的研究还处于理论分析阶段，这与群智优化理论的发展有着直接关系。随着信息技术的不断发展，信息网络与各个行业不断融合，基于群智优化的变压器绝缘油色谱检测也是变压器未来研究的新领域。同时，在实践过程中，基于群智优化的变压器绝缘油色谱检测，对于提高工作效率、简化工作流程、节约人力成本和物力成本具有重要意义。

[参考文献]

[1] 罗仕鉴.群智设计新思维[J].机械设计，2020（3）：15-43.

[2] 王清波，冉玉琦，赵荣普，等.提高变压器绝缘油色谱在线监测系统试验可靠性研究[J].云南科技管理，2018，31（6）：44-46.

收稿日期：2020-06-06

作者简介：于鲜莉（1971—），女，内蒙古呼和浩特人，高级工程师，研究方向：高电压绝缘技术。