CN106483087B - 一种二氧化硫检测方法及系统 - Google Patents

一种二氧化硫检测方法及系统 Download PDF

Info

Publication number
CN106483087B
CN106483087B CN201611150227.XA CN201611150227A CN106483087B CN 106483087 B CN106483087 B CN 106483087B CN 201611150227 A CN201611150227 A CN 201611150227A CN 106483087 B CN106483087 B CN 106483087B
Authority
CN
China
Prior art keywords
spectrum
signal
fast
noise
sulfur dioxide
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611150227.XA
Other languages
English (en)
Other versions
CN106483087A (zh
Inventor
杨宇玲
崔兆仑
何运华
杨雪滢
张晓星
夏桓桓
郭新良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Yunnan Power System Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power System Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Yunnan Power System Ltd filed Critical Electric Power Research Institute of Yunnan Power System Ltd
Priority to CN201611150227.XA priority Critical patent/CN106483087B/zh
Publication of CN106483087A publication Critical patent/CN106483087A/zh
Application granted granted Critical
Publication of CN106483087B publication Critical patent/CN106483087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种二氧化硫检测方法及系统，所述方法包括获取暗光谱、背景光谱及二氧化硫光谱；计算出第一吸收光谱；计算不同小波在紫外波段下第一吸收光谱的第一信噪比、第二信噪比及参量；选取小波函数；根据小波函数对第一吸收光谱进行小波变换及分解，选取不含噪声信号且符合光谱特征的快变部分进行重构，得到第二吸收光谱；获取第二吸收光谱特征峰值；计算出二氧化硫浓度。本发明利用二氧化硫光谱、背景光谱及暗光谱计算得到提取信号光谱，能够较为有效的去除在检测过程中由于光源或检测手段等原因引入的背景噪声，同时对提取光谱信号进行小波分析，选取快变部分进行重构，可以去除不需要低频部分信号，提高了浓度检测的精度。

Description

一种二氧化硫检测方法及系统
技术领域
本发明涉及六氟化硫电气设备放电故障检测技术领域，特别涉及一种二氧化硫检测方法及系统。
背景技术
近年来，六氟化硫(SF6)环网柜在电网配网中应用日益广泛，其故障发生的次数也逐渐增多，并经常有有毒气体释放的情况。在环网柜的制备过程中，因制造工艺的不足，有可能造成金属毛刺等突出物产生，而且在安装运输过程中也有引发部件松动或接触不良等现象发生的可能，这些情况都有可能产生一系列绝缘问题，从而引发SF6电气设备绝缘缺陷，可能导致不同程度的局部放电，生成二氧化硫(SO2)、二硫化碳(CS2)、硫化氢(H2S)、二氟化硫酰(SO2F2)、二氟化亚硫酰(SOF2)等分解产物。这些分解产物可能会加剧绝缘故障，严重影响人身及设备安全。二氧化硫作为气体组分的主要一员，对环网柜运行状态的检测具有重要意义，因此需要加强对环网柜二氧化硫组分的检测。
在现有技术中，基于紫外差分光谱法的检测装置可以实现对环网柜气体组分的检测。差分吸收光谱技术是一种光谱监测技术,其基本原理就是利用气体分子的窄带吸收特性来鉴别气体成分,并根据窄带吸收强度来推演出微量气体的浓度.凭借其低廉且简单的设备装置和出色的监测能力,差分吸收光谱技术在大气监测领域内在国外已经被广泛应用。
目前的紫外光谱法在环网柜组分检测中具有局限性，在光谱的获得过程中可能会因为光源输出不稳定、光谱仪内部仪器噪声等一系列原因，使得获得的光谱中包含较多的噪声，无法将主要的分解气体的紫外光谱进行有效的提取，因而难以得到精确的气体检测浓度。
发明内容
本发明的发明目的在于提供一种二氧化硫检测方法及系统，以解决由于获取的光谱中包含较多的噪声造成难以得到精确的气体检测浓度的问题。
根据本发明实施例第一方面，提供了一种二氧化硫检测方法，包括以下步骤：
获取暗光谱、背景光谱及二氧化硫光谱，所述暗光谱为在没有光源照射且不含吸光介质的条件下采集的光谱，所述背景光谱为在有光源照射且不含吸光介质的条件下采集的光谱，所述二氧化硫光谱为有光源照射、含吸光介质即环网柜气样的条件下采集的光谱；
根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；
计算紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；
比较所述参量，选取小波函数；
根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱；
采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；
根据所述特征峰值计算得出二氧化硫浓度。
进一步地，所述二氧化硫浓度检测方法中，所述根据暗光谱、背景光谱及二氧化硫光谱计算得出第一吸收光谱包括：
Figure BDA0001178809240000021
其中，A(λ)为第一吸收光谱，I'0(λ)为通过检测装置中不含吸光介质时的背景光谱，It(λ)为通过吸光介质的光谱，IN(λ)为没有光源照射且不含吸光介质的暗光谱。
进一步地，所述二氧化硫浓度检测方法中，所述计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比以及所第二信噪比包括：
所述第一信噪比用于评价去噪效果，计算方式为：
Figure BDA0001178809240000022
所述第二信噪比用于评价对原始信号保留度，计算方式为：
Figure BDA0001178809240000023
其中，SNR(S)为所述第一信噪比，
Figure BDA0001178809240000024
为所述第二信噪比，m表示将所选取的紫外吸收光谱整个波段离散化后的个数，i为所述第一吸收光谱信号离散化后的第i个波段，S(i)为所述第一吸收光谱；Sn(i)为经过小波处理后的含噪光谱信号，所述含噪光谱信号由所述第一吸收光谱信号加入高斯白噪声后叠加形成；
Figure BDA0001178809240000031
为经过小波处理后的光谱信号。
进一步地，所述二氧化硫浓度检测方法中，所述根据第一信噪比及所述第二信噪比计算得出参量包括：根据所述第一信噪比及所述第二信噪比计算参量的方式为:
Figure BDA0001178809240000032
其中，η为所述参量，SNR(S)为所述第一信噪比，
Figure BDA0001178809240000033
为所述第二信噪比。
进一步地，所述二氧化硫浓度检测方法中，所述比较参量，选取小波函数包括：选取最大参量η对应的小波函数。
进一步地，所述二氧化硫浓度检测方法中，所述根据小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱包括：
根据所述小波函数对所述第一吸收光谱进行小波变换及分解，得到慢变部分及快变部分；
判断所述快变部分是否含有噪声信号，如果所述快变部分含有噪声信号，则去除所述快变部分，并根据所述小波函数对所述慢变部分进行小波变换及分解，直至得到不含有噪声信号的快变部分；
判断所述不含有噪声信号的快变部分是否符合光谱信号特征，如果符合光谱信号特征，则对所述不含有噪声信号的快变部分对应的慢变部分进行小波变换及分解，在出现不符合光谱信号的快变部分之前，得到数个不含有噪声信号且符合光谱信号特征的快变部分；
对所述数个不含有噪声信号且符合光谱信号特征的快变部分求和，得到所述第二吸收光谱。
进一步地，所述二氧化硫浓度检测方法中，所述根据特征峰值计算得出二氧化硫浓度包括：所述特征峰值与已有的标定浓度的峰值-浓度直线进行比对，计算得出二氧化硫的浓度。
根据本发明实施例第二方面，提供了一种二氧化硫检测系统，所述系统用于执行所述的二氧化硫浓度检测方法，包括：紫外光源、气体反应池、光谱仪及数据处理器；
所述紫外光源、所述气体反应池、所述光谱仪及所述数据处理器依次串联；
所述紫外光源用于提供紫外光；
所述气体反应池用于提供气体反应空间及改变光照条件；
所述光谱仪用于采集暗光谱、背景光谱及二氧化硫光谱；
所述数据处理器用于获取暗光谱、背景光谱及二氧化硫光谱；根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；比较所述参量，选取小波函数；根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；根据所述特征峰值计算得出二氧化硫浓度。
由以上技术方案可知，本发明提供了一种二氧化硫检测方法及系统，包括以下步骤：获取暗光谱、背景光谱及二氧化硫光谱；根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；比较所述参量，选取小波函数；根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分的进行重构，得到第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；根据所述特征峰值计算得出二氧化硫浓度。本发明提供了一种二氧化硫检测系统，所述系统用于执行所述的二氧化硫浓度检测方法，包括：紫外光源、气体反应池、光谱仪及数据处理器；所述紫外光源、所述气体反应池、所述光谱仪及所述数据处理器依次串联。本发明通过对获得二氧化硫光谱、背景光谱及暗光谱进行计算，得到提取信号光谱，能够较为有效的去除设备在检测过程中由于光源或检测手段等原因引入的背景噪声，同时选取合适的小波函数对提取的光谱信号进行小波分析，选取所需的快变部分进行重构，可以去除不需要低频部分的信号，提高了浓度检测的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据实施例示出的一种二氧化硫检测方法流程图；
图2为根据实施例示出不同浓度的二氧化硫紫外吸收光谱图；
图3为根据实施例示出Symlets小波函数紫外波段下第一信噪比及第二信噪比结果；
图4为根据实施例示出Daubechies小波函数在紫外波段下第一信噪比及第二信噪比结果；
图5为根据实施例示出不同小波光谱在紫外波段参量结果；
图6为根据实施例示出第一吸收光谱小波变换及分解结果；
图7为根据实施例示出第二吸收光谱图；
图8为根据实施例示出第二吸收光谱FFT图；
图9为根据实施例示出的一种二氧化硫检测系统结构示意图。
图示说明：
其中，1-浓度为1μL/L的二氧化硫吸收光谱，2-浓度为2μL/L的二氧化硫吸收光谱，3-浓度为5μL/L的二氧化硫吸收光谱，4-浓度为10μL/L的二氧化硫吸收光谱，5-浓度为20μL/L的二氧化硫吸收光谱，10-紫外光源，20-气体反应池，30-光谱仪，40-数据处理器。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供了一种二氧化硫检测方法，包括以下步骤：
步骤S1、获取暗光谱、背景光谱及二氧化硫光谱；
所述暗光谱为在没有光源照射且不含吸光介质的条件下采集的光谱，所述背景光谱为在有光源照射且不含吸光介质的条件下采集的光谱，所述二氧化硫光谱为有光源照射、含吸光介质即环网柜气样的条件下采集的光谱；
步骤S2、根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；
步骤S3、计算紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；
步骤S4、比较所述参量，选取小波函数；
步骤S5、根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱；
步骤S6、采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；
步骤S7、根据所述特征峰值计算得出二氧化硫浓度。
由以上技术方案可知，本发明提供了一种二氧化硫检测方法，包括以下步骤：获取暗光谱、背景光谱及二氧化硫光谱；根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；比较所述参量，选取小波函数；根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；根据所述特征峰值计算得出二氧化硫浓度。本发明通过对获得二氧化硫光谱、背景光谱及暗光谱进行计算，得到提取信号光谱，能够较为有效的去除设备在检测过程中由于光源或检测手段等原因引入的背景噪声，同时选取合适的小波函数对提取的光谱信号进行小波分析，选取所需的快变部分进行重构，可以去除不需要低频部分的信号，提高了浓度检测的精度。
进一步地，所述二氧化硫浓度检测方法中，所述根据暗光谱、背景光谱及二氧化硫光谱计算得出第一吸收光谱包括：
Figure BDA0001178809240000061
其中，A(λ)为第一吸收光谱，I'0(λ)为通过检测装置中不含吸光介质时的背景光谱，It(λ)为通过吸光介质的光谱，IN(λ)为没有光源照射且不含吸光介质的暗光谱。
请参阅图2，图2为不同浓度二氧化硫的紫外吸收光谱图。
通过对获得二氧化硫光谱、背景光谱及紫外差分光谱进行计算得到提取信号光谱，能够较为有效的去除设备在检测过程中由于光源或检测手段等原因引入的背景噪声，提高了二氧化硫浓度检测的精度。
进一步地，所述二氧化硫浓度检测方法中，所述计算紫外波段下所述第一吸收光谱的第一信噪比以及所述第二信噪比包括：
所述第一信噪比用于评价去噪效果，计算方式为：
Figure BDA0001178809240000071
所述第二信噪比用于评价对原始信号保留度，计算方式为：
Figure BDA0001178809240000072
其中，SNR(S)为所述第一信噪比，
Figure BDA0001178809240000073
为所述第二信噪比，m表示将所选取的紫外吸收光谱整个波段离散化后的个数，i为所述第一吸收光谱信号离散化后的第i个波段，S(i)为所述第一吸收光谱；Sn(i)为经过小波处理后的含噪光谱信号，所述含噪光谱信号由所述第一吸收光谱信号加入高斯白噪声后叠加形成；
Figure BDA0001178809240000074
为经过小波处理后的光谱信号。
请参阅图3和图4，以1μL/L浓度的二氧化硫第一吸收光谱为例，计算Daubechies小波和Symlets小波在紫外波段下的第一信噪比及第二信噪比。Daubechies小波函数组和Symlets小波函数组对原始光谱信号处理效果较好，能够过滤噪声信号，将吸收光谱更好地分解。
进一步地，所述二氧化硫检测方法中，所述根据第一信噪比及所述第二信噪比计算得出参量包括：根据所述第一信噪比及所述第二信噪比计算参量的方式为：
其中，η为所述参量，SNR(S)为所述第一信噪比，
Figure BDA0001178809240000076
为所述第二信噪比。
为得到更干净，更接近原始光谱信号的处理光谱信号，此时的SNR(S)应越大越好，但不因过分的追求去噪而造成原始有效信号的丢失。因此，为评价小波函数对原始信号的保留情况，采用相同的小波函数，得出第二信噪比
Figure BDA0001178809240000077
为保证原始信号尽可能的保留，
Figure BDA0001178809240000078
也应该越大越好。因此，引入参量η来综合评价所选小波函数对噪声的处理能力以及对原始信号保留度，参量η的值越大，小波函数的综合处理效果越好。
请参阅图5，对Daubechies小波和Symlets小波在紫外波段下的参量进行计算。
进一步地，所述二氧化硫浓度检测方法中，所述比较参量，选取小波函数包括：选取最大参量η对应的小波函数。
请参阅图5，对Daubechies小波和Symlets小波在不同阶数下的参量进行比较，得到Sym14小波计算后的η值最大，因此选择Sym14作为小波函数。
进一步地，所述二氧化硫浓度检测方法中，所述根据小波函数对所述第一吸收光谱进行小波变换及分解，选取不含噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱包括：
根据所述小波函数对所述第一吸收光谱进行小波变换及分解，得到慢变部分及快变部分；
判断所述快变部分是否含有噪声信号，如果所述快变部分含有噪声信号，则去除所述快变部分，并根据所述小波函数对所述慢变部分进行小波变换及分解，直至得到不含有噪声信号的快变部分；
判断所述不含有噪声信号的快变部分是否符合光谱信号特征，如果符合光谱信号特征，则对所述不含有噪声信号的快变部分对应的慢变部分进行小波变换及分解，在出现不符合光谱信号的快变部分之前，得到数个不含有噪声信号且符合光谱信号特征的快变部分；
对所述数个不含有噪声信号且符合光谱信号特征的快变部分求和，得到所述第二吸收光谱。
请参阅图6和图7，图6对所述小波变换后第一吸收光谱进行分层分解，可以获得光谱信号的低频部分(可称为慢变部分)和高频部分(可称为快变部分)，其中快变部分通常情况包含频率较高的噪声信号，因此需要去除；进一步的，对低频部分(慢变部分)进行第二次小波变换，获得分解后的第二层慢变部分和第二层快变部分，以此类推进行n次分层。其中每一层的快变部分是上一层慢变部分经过小波变换分解得到的。选取含有光谱信息的快变部分进行重构后，得到第二吸收光谱。低频分解中，分解层数越多，其对应的频率越低。图6中左侧为低频重构的尺度细节，显然a4部分重构结果频率变化缓慢，属于慢变光谱特征，将a4部分重构得到慢变部分。图6中右侧为高频重构的尺度细节，其中d1、d2部分的重构信号变换无序，且幅值较小，可判定为噪声信号，应予以去除，而d5部分重构的信号无明显的谷峰特性，也不符合光谱信号的特征，d3和d4不含有噪声信号且符合光谱信号特征的快变部分，选取出d3和d4快变部分进行重构，对d3和d4进行逆小波变换处理，求和，如图7所示，获得所述第二吸收光谱。
进一步地，所述二氧化硫浓度检测方法中，所述根据特征峰值计算得出二氧化硫浓度包括：所述特征峰值与已有的标定浓度的峰值-浓度直线进行比对，计算得出二氧化硫的浓度。
请参阅图8，将第二吸收光谱进行快速傅里叶变换，在频域找到对应的特征频率峰值，如图8所示，特征峰值与二氧化硫浓度呈正比，所以将该峰值与已经标定的浓度-峰值曲线对比，确定所测二氧化硫气样的浓度。
由以上技术方案可知，本发明提供了一种二氧化硫检测方法，包括以下步骤：获取暗光谱、背景光谱及二氧化硫光谱；根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；比较所述参量，选取小波函数；根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；根据所述特征峰值计算得出二氧化硫浓度。本发明通过对获得二氧化硫光谱、背景光谱及暗光谱进行计算，得到提取信号光谱，能够较为有效的去除设备在检测过程中由于光源或检测手段等原因引入的背景噪声，同时选取合适的小波函数对提取的光谱信号进行小波分析，选取所需的快变部分进行重构，可以去除不需要低频部分的信号，提高了浓度检测的精度。
请参阅图9，本发明提供了一种二氧化硫检测系统，所述系统用于执行所述的二氧化硫浓度检测方法，包括：紫外光源10、气体反应池20、光谱仪30及数据处理器40；
所述紫外光源10、所述气体反应池20、所述光谱30仪及所述数据处理器40依次串联；
所述紫外光源10用于提供紫外光；
所述气体反应池20用于提供气体反应空间及改变光照条件；
所述光谱仪30用于采集暗光谱、背景光谱及二氧化硫光谱；
所述数据处理器40用于获取暗光谱、背景光谱及二氧化硫光谱；根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；比较所述参量，选取小波函数；根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；根据所述特征峰值计算得出二氧化硫浓度。
由以上技术方案可知，本发明提供了一种二氧化硫检测方法及系统，包括以下步骤：获取暗光谱、背景光谱及二氧化硫光谱；根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱；计算不同小波在不同波段下所述第一吸收光谱的第一信噪比及第二信噪比，根据所述第一信噪比及所述第二信噪比计算得出参量；比较所述参量，选取小波函数；根据所述小波函数对所述第一吸收光谱进行小波变换及分解，选取不含有噪声信号且符合光谱信号特征的快变部分进行重构，得到第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；根据所述特征峰值计算得出二氧化硫浓度。本发明通过对获得二氧化硫光谱、背景光谱及暗光谱进行计算，得到提取信号光谱，能够较为有效的去除设备在检测过程中由于光源或检测手段等原因引入的背景噪声，同时选取合适的小波函数对提取的光谱信号进行小波分析，选取所需的快变部分进行重构，可以去除不需要低频部分的信号，提高了浓度检测的精度。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (3)

1.一种二氧化硫检测方法，其特征在于，所述方法应用于六氟化硫电气设备，包括以下步骤：
获取暗光谱、背景光谱及二氧化硫光谱，所述暗光谱为在没有光源照射且不含吸光介质的条件下采集的光谱，所述背景光谱为在有光源照射且不含吸光介质的条件下采集的光谱，所述二氧化硫光谱为有光源照射、含吸光介质即环网柜气样的条件下采集的光谱；
根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱，具体计算方式为：
Figure FDA0002265405350000011
其中，A(λ)为第一吸收光谱，I′0(λ)为通过检测装置中不含吸光介质时的背景光谱，It(λ)为通过吸光介质的光谱，IN(λ)为没有光源照射且不含吸光介质的暗光谱；
计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比；
所述第一信噪比用于评价去噪效果，计算方式为：
所述第二信噪比用于评价对原始信号保留度，计算方式为：
Figure FDA0002265405350000013
其中，SNR(S)为所述第一信噪比，为所述第二信噪比，m表示将所选取的紫外吸收光谱整个波段离散化后的个数，i为所述第一吸收光谱信号离散化后的第i个波段，S(i)为所述第一吸收光谱；Sn(i)为经过小波处理后的含噪光谱信号，所述含噪光谱信号由所述第一吸收光谱信号加入高斯白噪声后叠加形成；
Figure FDA0002265405350000015
为经过小波处理后的光谱信号；
根据所述第一信噪比及所述第二信噪比计算得出参量，具体计算方式为：
Figure FDA0002265405350000016
其中，η为所述参量，SNR(S)为所述第一信噪比，
Figure FDA0002265405350000017
为所述第二信噪比；
比较所述参量，选取最大参量η对应的小波函数；
根据所述小波函数对所述第一吸收光谱进行小波变换及分解，得到慢变部分及快变部分；
判断所述快变部分是否含有噪声信号，如果所述快变部分含有噪声信号，则去除所述快变部分，并根据所述小波函数对所述慢变部分进行小波变换及分解，直至得到不含有噪声信号的快变部分；
判断所述不含有噪声信号的快变部分是否符合光谱信号特征，如果符合光谱信号特征，则对所述不含有噪声信号的快变部分对应的慢变部分进行小波变换及分解，在出现不符合光谱信号的快变部分之前，得到数个不含有噪声信号且符合光谱信号特征的快变部分；
对所述数个不含有噪声信号且符合光谱信号特征的快变部分求和，得到第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；
根据所述特征峰值计算得出二氧化硫浓度。
2.根据权利要求1所述的方法，其特征在于，所述根据特征峰值计算得出二氧化硫浓度包括：所述特征峰值与已有的标定浓度的峰值-浓度直线进行比对，计算得出二氧化硫的浓度。
3.一种二氧化硫检测系统，所述系统用于执行权利要求1-2任一项所述的二氧化硫检测方法，所述检测方法应用于六氟化硫电气设备，其特征在于，包括：紫外光源、气体反应池、光谱仪及数据处理器；
所述紫外光源、所述气体反应池、所述光谱仪及所述数据处理器依次串联；
所述紫外光源用于提供紫外光；
所述气体反应池用于提供气体反应空间及改变光照条件；
所述光谱仪用于采集暗光谱、背景光谱及二氧化硫光谱；
所述数据处理器用于获取暗光谱、背景光谱及二氧化硫光谱；根据所述暗光谱、所述背景光谱及所述二氧化硫光谱计算得出第一吸收光谱，具体计算方式为：
其中，A(λ)为第一吸收光谱，I′0(λ)为通过检测装置中不含吸光介质时的背景光谱，It(λ)为通过吸光介质的光谱，IN(λ)为没有光源照射且不含吸光介质的暗光谱；计算不同小波在紫外波段下所述第一吸收光谱的第一信噪比及第二信噪比；所述第一信噪比用于评价去噪效果，计算方式为：
Figure FDA0002265405350000031
所述第二信噪比用于评价对原始信号保留度，计算方式为：
Figure FDA0002265405350000032
其中，SNR(S)为所述第一信噪比，
Figure FDA0002265405350000033
为所述第二信噪比，m表示将所选取的紫外吸收光谱整个波段离散化后的个数，i为所述第一吸收光谱信号离散化后的第i个波段，S(i)为所述第一吸收光谱；Sn(i)为经过小波处理后的含噪光谱信号，所述含噪光谱信号由所述第一吸收光谱信号加入高斯白噪声后叠加形成；
Figure FDA0002265405350000034
为经过小波处理后的光谱信号；根据所述第一信噪比及所述第二信噪比计算得出参量，具体计算方式为：
Figure FDA0002265405350000035
其中，η为所述参量，SNR(S)为所述第一信噪比，
Figure FDA0002265405350000036
为所述第二信噪比；比较所述参量，选取最大参量η对应的小波函数；
根据所述小波函数对所述第一吸收光谱进行小波变换及分解，得到慢变部分及快变部分；判断所述快变部分是否含有噪声信号，如果所述快变部分含有噪声信号，则去除所述快变部分，并根据所述小波函数对所述慢变部分进行小波变换及分解，直至得到不含有噪声信号的快变部分；判断所述不含有噪声信号的快变部分是否符合光谱信号特征，如果符合光谱信号特征，则对所述不含有噪声信号的快变部分对应的慢变部分进行小波变换及分解，在出现不符合光谱信号的快变部分之前，得到数个不含有噪声信号且符合光谱信号特征的快变部分；对所述数个不含有噪声信号且符合光谱信号特征的快变部分求和，得到所述第二吸收光谱；采用快速傅里叶分析方法分析所述第二吸收光谱，得到特征峰值；根据所述特征峰值计算得出二氧化硫浓度。
CN201611150227.XA 2016-12-13 2016-12-13 一种二氧化硫检测方法及系统 Active CN106483087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611150227.XA CN106483087B (zh) 2016-12-13 2016-12-13 一种二氧化硫检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611150227.XA CN106483087B (zh) 2016-12-13 2016-12-13 一种二氧化硫检测方法及系统

Publications (2)

Publication Number Publication Date
CN106483087A CN106483087A (zh) 2017-03-08
CN106483087B true CN106483087B (zh) 2020-02-14

Family

ID=58284843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611150227.XA Active CN106483087B (zh) 2016-12-13 2016-12-13 一种二氧化硫检测方法及系统

Country Status (1)

Country Link
CN (1) CN106483087B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108593612B (zh) * 2018-04-25 2021-12-14 南京工业大学 一种基于聚多巴胺量子点荧光增强型检测二氧化硫衍生物的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726464B (zh) * 2009-12-10 2011-07-27 天津大学 提高差分吸收光谱在线监测灵敏度的方法
CN105466877B (zh) * 2016-01-12 2018-11-23 中绿环保科技股份有限公司 紫外气体分析仪中气体浓度测量系统
CN105424635A (zh) * 2016-01-12 2016-03-23 中绿环保科技股份有限公司 紫外光谱烟气分析仪
CN205584149U (zh) * 2016-02-27 2016-09-14 华北电力大学（保定） 一种用于紫外光差分气体检测系统的信号降噪电路

Also Published As

Publication number Publication date
CN106483087A (zh) 2017-03-08

Similar Documents

Publication Publication Date Title
Smulko Methods of trend removal in electrochemical noise data–Overview
US10267678B2 (en) Raman spectroscopic detection method
CN108108889A (zh) 一种水质监测数据在线处理方法及装置
Oh Application of wavelet transform in fatigue history editing
CN101105446A (zh) 差分吸收光谱空气质量检测系统
CN117030654B (zh) 一种空气中痕量级二氧化硫浓度测量方法
CN103033481A (zh) 基于fft的激光分析仪二次谐波滤波方法
CN106502850B (zh) 一种稀疏紧框架字典学习模型的多故障辨识方法与装置
CN111562248A (zh) 一种基于sf6内标的gis故障诊断方法
CN110717472A (zh) 基于改进的小波阈值去噪的故障诊断方法及系统
CN115452752A (zh) 基于紫外光谱提高检测sf6气体分解产物精度的方法
CN106483087B (zh) 一种二氧化硫检测方法及系统
CN105628675A (zh) 一种功率敏感物质的拉曼荧光干扰的消除方法
CN116522080A (zh) 局部放电信号降噪方法
CN109557434B (zh) 基于复合字典稀疏表示分类的强背景噪声下局部放电信号识别方法
Chaudhuri et al. Denoising of partial discharge signal using a hybrid framework of total variation denoising-autoencoder
Guan et al. An improved prediction model for COD measurements using UV-Vis spectroscopy
Al-Mbaideen et al. Frequency self deconvolution in the quantitative analysis of near infrared spectra
Zhang et al. Deep learning–based turbidity compensation for ultraviolet-visible spectrum correction in monitoring water parameters
Gao et al. Multivariate calibration of spectrophotometric data using a partial least squares with data fusion
CN104346516B (zh) 激光诱导击穿光谱的小波降噪的最佳分解层数选择方法
CN113533238B (zh) 一种基于吸收光谱的六氟化硫分解气体的检测方法及系统
CN115290590A (zh) 一种用于sf6分解的光谱检测方法和平台
CN109030452A (zh) 一种基于五点三次平滑算法的拉曼光谱数据降噪方法
Gao et al. Combining direct orthogonal signal correction and wavelet packet transform with partial least squares to analyze overlapping voltammograms of nitroaniline isomers

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant