基于支持向量回归的光声光谱信号温度和湿度校正方法

马凤翔,赵跃,崔方晓,李大成

(1国网安徽省电力有限公司电力科学研究院,安徽 合肥 230022;2中国科学院合肥物质科学研究院安徽光学精密机械研究所,中国科学院通用光学定标与表征技术重点实验室,安徽 合肥 230031)

0 引言

随着泛在电力物联网的建设,我国将逐步建立具有状态全面感知和信息高效处理等特征的智慧能源系统。智能传感是泛在电力物联网的核心基础技术,实时在线诊断电气设备的故障及老化状态是保证电网安全运行和实现设备高效检修的关键因素。大型变压器绝缘油溶解气体分析(DGA)是变压器运行状态监测和故障诊断的有效方法[1]。基于光声光谱检测原理的变压器油溶解气体在线分析监测技术是目前电力系统常用的变压器在线监测技术。

非共振光声光谱检测技术不需要进行气体分离,可以实现乙炔(C2H2)、乙烯(C2H4)、甲烷(CH4)等特征气体组分检测[2]。非共振光声光谱技术具有结构简单、测量种类多、成本相对较低的优点,通过更换滤光片即可实现多种气体的检测。国外比较成熟的商用仪器主要有美国GE公司的变压器油在线Tranf ix系列仪器,荷兰Innova公司的1412系列气体分析仪器。Bertrand等[3]利用Innova光声光谱仪开展了农场含氮气体监测实验,建立了农场对大气氮含量源分布模型;GE公司的Tranf ix仪器已经广泛应用于变压器油DGA在线监测[4],目前在我国变电站也开展了推广和应用。国内也开展了相关仪器的研制,Zhang等[5]研制了非共振光谱仪用于火灾特征气体和人呼出氨气检测,但相对国外成熟商用仪器仍具有一定差距。中国科学院安徽光学精密机械研究所遥感应用组研发了用于变压器油DGA的光声光谱模块,并针对乙炔开展了验证实验。

光声光谱仪在线检测油中溶解气体过程中需要用空气对光声池进行吹扫,确保光声池内无特征气体残留。此外由于从油样中脱出气体较少,需要补足空气保证光声池内压力与外界一致,因此空气中的水汽直接干扰了特征气体浓度的准确性。非共振光声光谱仪采用了热辐射光源,光源热传导使光声池在测量过程中升温,温度变化也使光声信号发生变化。综上,光声光谱信号受到环境温度、湿度影响,导致背景信号变化,需要对背景信号进行校正,确保光声光谱系统的稳定性和可靠性[6]。通常在实验室内,测量已知浓度的水汽标定湿度影响,并利用温度传感器测量光声池温度从而标定温度影响。但在实际测量中,光声池温度受到外界环境作用,使同一水汽浓度的光声信号产生较大波动,外界噪声干扰也使光声信号具有较大波动,因此迫切需要一种鲁棒性较高的校正方法[7]。

本文研究了基于支持向量回归的光声光谱信号校正方法,对温湿度导致的乙炔背景信号变化进行校正,通过测量湿度发生器产生的不同湿度空气,以及同时采集的温度数据,计算温湿度校正因子,在校正信号稳定性和重复性方面与最小二乘法(OLS)进行了对比。

1 基本原理

1.1 光声光谱原理

光声池内一部分气体分子吸收特定波长入射光后,从基态跃迁至激发态,处于激发态的分子与处于基态的分子相碰撞,产生无辐射跃迁返回基态,气体吸收的光能转变为碰撞分子之间的平移动能,气体温度升高。当入射光以一定频率(几十赫兹到几千赫兹)调制时,气压便以同样频率调制形成声波,这一声波可通过安装在光声池上的微音器进行检测,转换成电信号,其检测原理如图1所示。

图1 光声光谱检测原理示意图Fig.1 Schematic diagram of photoacoustic spectroscopy detection mechanism

光声光谱仪结构如图2所示,热辐射光源产生的光经过斩波器后产生周期光强,经过滤光片选通特定波长,入射到光声池产生声音信号并被微音器采集,锁相放大器采集微音器信号和斩波信号进行锁相,输出电压信号,同时温度传感器测量光声池温度。

图2 光声光谱仪结构示意图Fig.2 Schematic diagram of photoacoustic spectrometer structure

不同气体需要根据其吸收峰位置选用滤光片,尽可能避免相互交叉干扰,但由于空气中水汽含量大且几乎在各个波段都有吸收,还需要对水汽干扰进行校正。此处选用的水汽和乙炔滤光片如图3所示,滤光片参数为:水汽滤光片中心波长为5.0847µm,半峰全宽为0.1037µm;乙炔滤光片中心波长为3.066µm,半峰全宽为0.0766µm。图3为水汽和乙炔吸收系数谱,实际空气中水汽浓度远远大于待测乙炔浓度,对乙炔信号具有强烈干扰。

图3 水汽和乙炔的吸收系数谱及选择的滤光片Fig.3 Absorbance spectra of water vapor and acetylene and selected filters

在测量过程中,特征气体背景信号受到外界温度和水汽的干扰产生较大变化,需要对温度和湿度进行实时校正。湿度信号通过水汽滤光片进行检测,温度信号通过光声池内置的温度传感器检测。以乙炔为例,背景信号可表达为水汽滤光片电压值和温度的线性组合形式,即

式中:Sbg,C2H2表示乙炔滤光片测量的背景电压值;SH2O表示水汽滤光片测量的电压值;T表示温度,单位为◦C;ai(i=0,1,2)表示待拟合系数。

其他特征气体也可以通过相同的方法进行校正。通常在实验室内,用湿度发生器产生不同湿度的空气作为背景样本,同时结合实测温度数据拟合上述系数;但由于外界环境干扰,最小二乘法等传统回归方法不具有鲁棒性,得到的回归系数泛化能力较差。针对这一问题,采用支持向量回归(SVR)方法计算回归系数。

1.2 支持向量回归原理

SVR是支持向量机(SVM)的一种运用,基本思路与SVM一致[8−11]。不同之处是在SVR找到支持向量之后,不是寻找一个分界面,而是选择分界面特定距离以外的数据参与回归计算[8,12],其基本原理为:对于样本(x,y),传统回归模型通常直接基于模型计算值f(x)与真实值y之间的差别计算损失,而SVR方法仅在f(x)和y之差的绝对值大于ε时计算损失,如图4所示,在阴影区域内的数据不参与回归计算,在阴影区域外的数据进行回归。

图4 SVR原理示意图Fig.4 Schematic diagram of SVR

利用拉格朗日乘子法,得到SVR的解形式为

SVR回归方法具有鲁棒性,使得回归模型具有较强稳健性和泛化能力,避免冲击噪声干扰,适用于有较大环境干扰的光声光谱样本回归。

2 温湿度校正算法及实验验证

在实验室内用湿度发生器产生不同湿度的空气,温度通过光声池壁的温度传感器获取,采集不同温度、湿度背景作为样本计算回归模型。湿度发生器采用南京英格玛仪器公司生产的露点检测系统,能够同时检测产生水汽的浓度值和流量等数据。利用湿度发生器产生不同浓度的水汽,每个水汽浓度连续采集1 h数据,现场如图5所示。

图5 光声光谱仪测量不同浓度水汽实验现场图Fig.5 Picture of different concentrations of water vapor experiment measured by photoacoustic spectrometer

连续检测的温度、水汽滤光片和乙炔滤光片电压信号如图6所示。湿度发生器产生了不同体积分数的水汽与干空气混合气体,水汽体积分数分别为6×10−3(−0.2◦C露点)、2.327×10−3(−11.2◦C露点)、1.37×10−4(−39.3◦C露点),由图6(b)、(c)可以看到呈阶梯下降的信号。由于光声光谱仪内使用热光源,光声池内部温度开始测量后逐渐上升到35◦C然后稳定,乙炔信号也受到温度影响(如30∼34的数据),在仪器关闭并重新启动后,光声池内壁温度又重新进入上升趋势(如34∼44的数据),环境变化导致水汽和乙炔滤光片信号波动较大,使得水汽校正变得复杂。

图6 测量的水汽样本数据。(a)连续检测的温度值;(b)水汽滤光片电压值;(c)乙炔滤光片电压值Fig.6 Water vapor sample data.(a)Continuous measured temperature values;(b)Voltage values of water vapor filter;(c)Voltage values of acetylene filter

根据(1)式,分别利用OLS和SVR对实测乙炔数据进行回归,结果如图7所示,可以看到测量过程中环境变化导致实测值产生了较大波动,OLS方法与实测数据比较接近,而SVR方法则与实测数据有一定偏离,显示了较强的鲁棒性。

图7 用OLS和SVR方法回归的实测数据Fig.7 Regression of measured databy OLSand SVR

为了对这两种方法进行对比验证,利用配气仪将空气和不同浓度的乙炔混合,评价校正数据的稳定性。如图8所示,分别配置体积分数为0、5×10−6、2×10−5的乙炔与空气混合气体,可以看到由于温度、水汽等因素变化,空气电压值要大于5×10−6的乙炔电压值,必须进行背景校正。利用OLS和SVR方法校正背景信号,图8(a)中黑色方块数据为乙炔滤光片实测值,圆点为OLS方法拟合背景值,三角形为SVR方法拟合背景值。可以看到对于空气数据,SVR方法拟合效果较好;对于5×10−6、2×10−5的乙炔数据,SVR和OLS两种方法拟合背景趋势一致。图8(b)是校正背景后的乙炔电压值。可以看到对于空气数据,SVR方法得到的校正结果比较平稳;而OLS方法得到的校正结果则存在上升趋势,证明了SVR方法的泛化能力更好。对于5×10−6、2×10−5的乙炔数据,SVR和OLS两种方法校正背景后的电压值变化规律一致,证明了SVR方法具有更好的稳健性。

图8 不同浓度乙炔与空气混合气体电压值及OLS和SVR背景校正结果(a)原始电压值及计算背景电压值;(b)背景校正后的电压值Fig.8 Voltage value of different concentrations of acetylene and air mixed gasvalues and background correction results by OLS and SVR.(a)Original voltagevaluesand calculated background values;(b)Corrected voltagevaluesafter background subtraction

由以上实验数据可以看到,采集样本由于温度、外界干扰作用产生波动,OLS方法考虑每一个样本的误差,导致回归模型稳健性较差,而SVR方法通过设定误差阈值,得到的回归模型稳健性更好,实测数据在背景校正后信号更平稳。背景校正是光声光谱信号处理其中一个步骤,后续还需要进行多组分气体的交叉干扰扣除等处理,此处只考虑了温度、湿度引起的背景变化及校正方法,未考虑多组分气体交叉干扰,这一问题需要进一步研究。

3 结论

非共振光声光谱技术是变压器油中溶解气体分析的有效技术手段,但由于测量过程中温度、空气湿度变化导致背景信号变化,需要对温度、湿度影响因素进行校正。在采集不同温度、湿度样本过程中,由于外界环境干扰,采集信号会产生较大波动,影响了回归模型的准确性。利用SVR方法建立回归模型,有效避免了外部环境导致的样本信号波动,并与OLS进行了对比,对于不同浓度的乙炔和空气混合气体,用所提出方法进行背景校正后信号更平稳,对油中溶解气体的在线检测具有一定应用价值。