CN111537845A - 基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 - Google Patents
基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 Download PDFInfo
- Publication number
- CN111537845A CN111537845A CN202010339649.1A CN202010339649A CN111537845A CN 111537845 A CN111537845 A CN 111537845A CN 202010339649 A CN202010339649 A CN 202010339649A CN 111537845 A CN111537845 A CN 111537845A
- Authority
- CN
- China
- Prior art keywords
- aging
- paper insulation
- raman spectrum
- oil
- oiled
- 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.)
- Pending
Links
- 238000009413 insulation Methods 0.000 title claims abstract description 174
- 230000032683 aging Effects 0.000 title claims abstract description 139
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000007621 cluster analysis Methods 0.000 title claims abstract description 43
- 238000013210 evaluation model Methods 0.000 claims abstract description 18
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 15
- 238000003878 thermal aging Methods 0.000 claims abstract description 13
- 238000002474 experimental method Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 239000003921 oil Substances 0.000 claims description 81
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000001069 Raman spectroscopy Methods 0.000 claims description 17
- 239000002480 mineral oil Substances 0.000 claims description 16
- 235000010446 mineral oil Nutrition 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000011410 subtraction method Methods 0.000 claims description 4
- 238000001035 drying Methods 0.000 claims description 3
- 229910052757 nitrogen Inorganic materials 0.000 claims description 3
- 238000002791 soaking Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 10
- 239000000123 paper Substances 0.000 description 129
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 241000934806 Krameria Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 239000002655 kraft paper Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，包括：通过油纸绝缘热老化实验分别获取若干已知老化阶段和未知老化阶段的油纸绝缘样本；获取若干已知老化阶段和未知老化阶段的油纸绝缘样本的拉曼光谱数据，并进行标准化处理；采用主成分分析法提取标准化处理后的已知老化阶段的油纸绝缘样本的拉曼光谱特征量，基于聚类分析方法，建立油纸绝缘老化评估模型；将未知老化阶段的油纸绝缘样本的拉曼光谱特征量输入到模型中进行聚类分析，得到未知老化阶段的油纸绝缘样本的老化阶段。本发明通过基于拉曼光谱测量，建立油纸绝缘老化评估模型，进行老化状态分析，能够快速有效地实现对于现场油纸绝缘设备的整体老化状态的诊断。
Description
技术领域
本发明涉及电气设备安全状态评估技术领域，尤其涉及一种基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法。
背景技术
电气设备的安全可靠运行是避免电网重大事故的第一道防线，油纸绝缘设备又是电网中的重要组成部分。油纸绝缘设备长期运行会带来克拉玛依25号矿物油纸老化的问题，容易引起设备故障，影响电力系统的可靠运行。因此，准确诊断油纸绝缘材料的老化程度，及时掌握油纸绝缘设备的老化状态，能够为油纸绝缘设备的绝缘状态和全寿命周期管理提供依据，保证电网的安全运行。
目前，检测油纸绝缘设备老化状态的方法主要有高效液相色谱法(HPLC)、气相色谱法(GC)等，但是这些方法均只能针对有限物质进行测量，且在测量前需要较多的预处理工作，耗时较长。
现有技术中，拉曼光谱在物质成分分析及状态诊断领域已经普遍适用，可以结合实验室搭建的油纸绝缘拉曼光谱分析平台，根据绝缘纸的平均聚合度将加速热老化实验获得的油纸绝缘样本分为绝缘良好、老化初期、老化中期和老化末期四个阶段。虽然油纸绝缘样本的老化过程存在明显规律，即随着时间增加，老化程度也不断增加，但是此方法并不能得出具体老化程度与老化时间的关系，并且同一老化时间，不同油纸绝缘样本的老化程度也不相同。因此，绝缘纸聚合度只能作为实验过程中的评判标准，而不能作为实际应用中的评判指标，并且不能精确得到油纸绝缘样本的具体老化阶段，尤其是在不同老化阶段的衔接点，油纸绝缘样本的老化阶段更难区分。
发明内容
本发明提供了一种基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，利用聚类分析在处理不确定性、不精确问题方面的优越性，结合拉曼光谱对油纸绝缘样本进行分类，以解决现有技术中存在的不能精确得到油纸绝缘样本的具体老化阶段以及无法评判实际应用中油纸绝缘设备老化状态的问题。
本发明提供一种基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，所述油纸绝缘设备老化状态识别方法具体包括以下步骤：
通过油纸绝缘热老化实验获取若干已知老化阶段的油纸绝缘样本；
获取若干所述已知老化阶段的油纸绝缘样本的拉曼光谱数据，并进行标准化处理；
采用主成分分析法提取标准化处理后的所述已知老化阶段的油纸绝缘样本的拉曼光谱特征量，基于聚类分析方法，建立油纸绝缘老化评估模型；
通过油纸绝缘热老化实验获取若干未知老化阶段的油纸绝缘样本；
获取若干所述未知老化阶段的油纸绝缘样本的拉曼光谱数据，并进行标准化处理；
采用主成分分析法提取标准化处理后的所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量，并输入到所述油纸绝缘老化评估模型中进行聚类分析，得到所述未知老化阶段的油纸绝缘样本的老化阶段。
上述技术方案中，通过主成分分析法对原始拉曼光谱数据进行降维，并将降维后的拉曼光谱数据作为特征量进行聚类分析，建立油纸绝缘老化评估模型，进行老化状态分析，能够快速有效地实现对于现场油纸绝缘设备的整体老化状态的诊断。
可选的，通过油纸绝缘热老化实验获取若干已知老化阶段的油纸绝缘样本包括以下步骤：
将克拉玛依25号矿物油和0.2mm绝缘纸在温度为90℃的真空箱中干燥48小时；
将所述真空箱的温度调节到60℃，并将所述绝缘纸在所述克拉玛依25号矿物油中浸渍24小时；
将油纸绝缘样本移入真空且注有氮气的加热罐中；
将所述加热罐放置于130℃的恒温油浴锅中，进行25天的加速热老化。
可选的，所述克拉玛依25号矿物油的水分含量为10mg/kg以下，所述绝缘纸的水分含量为0.5％以下。
可选的，所述绝缘纸和所述克拉玛依25号矿物油的质量比为1:10。
可选的，所述标准化处理公式如下：
其中，x*为标准化的拉曼光谱数据值，x为原始拉曼光谱数据值，xmin为拉曼光谱数据的最小值，xmax为拉曼光谱数据的最大值。
采用上述技术方案，能够消除拉曼光谱测量误差的影响，并且使得不同样本的数据具有可比性。
可选的，所述主成分分析法的操作方法如下：
利用方差最大原则，对原始拉曼光谱数据所包含的若干自变量进行线性拟合；
以新的低维变量代替原始的高维变量，实现拉曼光谱数据的降维。
可选的，建立油纸绝缘老化评估模型的步骤包括：
通过主成分分析法，提取所述已知老化阶段的油纸绝缘样本的n个拉曼光谱特征量，进行建模；
将已知的不同老化阶段作为行变量，n个所述拉曼光谱特征量作为列变量，进行聚类分析；
根据编网法聚类，按照聚类原则，将传递闭包矩阵中大于阈值λ的元素连接起来，则在一条线路上的元素属于同一类。
可选的，所述聚类分析的过程如下：
设U为待分类的m个已知老化阶段的油纸绝缘样本，其中，每一个待分类的所述已知老化阶段的油纸绝缘样本由一组数据表征，公式如下：
Ui＝(xi1+xi2+xi3+...+xin)，
其中，Ui表示第i个油纸绝缘样本，xi1表示第i个油纸绝缘样本的第1个拉曼光谱特征量，xi2表示第i个油纸绝缘样本的第2个拉曼光谱特征量，xi3表示第i个油纸绝缘样本的第3个拉曼光谱特征量，xin表示第i个油纸绝缘样本的第n个拉曼光谱特征量；
利用绝对值减数法建立相似关系，计算相似系数的方法如下：
其中，i和j为油纸绝缘样本的编号，rij为第i个油纸绝缘样本和第j个油纸绝缘样本的相似系数，c为常数，xik为第i个油纸绝缘样本的第k个拉曼光谱特征量，xjk为第j个油纸绝缘样本的第k个拉曼光谱特征量；
将各个已知老化阶段的油纸绝缘样本的相似系数作为相似矩阵的元素，即可得到相似矩阵R；
利用平方法求传递闭包矩阵R16，计算公式如下：
R2＝R*R＝∨(R(a,b)∧R(b,c))，
其中，a、b、c均表示相似矩阵R中的元素，同理，可得R4，R8，R16。
可选的，所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量进行聚类分析具体包括：
将所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量，作为新的行变量加入到油纸绝缘老化评估模型中；
基于聚类分析法，对所述新的行变量进行聚类分析；
将根据聚类结果得出所述未知老化阶段的油纸绝缘样本的老化阶段。
本发明相较于现有技术而言，具有有益效果如下：
(1)本发明基于拉曼光谱技术，通过对老化样本的聚类分析，能够快速有效地实现对现场油纸绝缘设备的整体老化状态判别；拉曼光谱检测为非接触测量，能够实现连续测量，受环境影响因素较小，更容易实现在线监测，并且油纸绝缘设备中的老化微量特征物质均具有拉曼活性，均能够进行拉曼检测，再结合聚类分析在处理不确定性、不精确问题方面的显著优越性，能够更有效解决油纸绝缘样本的分类问题，从而更好进行油纸绝缘样本老化状态的诊断评估。
(2)本发明不需要现有技术中采用的实验预处理工作，也不需要对油纸绝缘老化评估模型进行训练，可以更高效地实现油纸绝缘设备的老化状态判别。
附图说明
为了更清楚地说明本发明的技术方案，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，对于本领域普通技术人员而言，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为本发明的流程图；
图2为本发明实施例中16个油纸绝缘样本的原始拉曼光谱数据示意图；
图3为本发明实施例的主成分析结果示意图；
图4为本发明实施例的相似矩阵示意图；
图5为本发明实施例的传递闭包矩阵示意图；
图6为本发明实施例的聚类分析结果图。
具体实施方式
参见图1，本发明提供的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，所述油纸绝缘设备老化状态识别方法具体包括以下步骤：
通过油纸绝缘热老化实验获取若干已知老化阶段的油纸绝缘样本；
获取若干所述已知老化阶段的油纸绝缘样本的拉曼光谱数据，并进行标准化处理；
采用主成分分析法提取标准化处理后的所述已知老化阶段的油纸绝缘样本的拉曼光谱特征量，基于聚类分析方法，建立油纸绝缘老化评估模型；
通过油纸绝缘热老化实验获取若干未知老化阶段的油纸绝缘样本；
获取若干所述未知老化阶段的油纸绝缘样本的拉曼光谱数据，并进行标准化处理；
采用主成分分析法提取标准化处理后的所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量，并输入到所述油纸绝缘老化评估模型中进行聚类分析，得到所述未知老化阶段的油纸绝缘样本的老化阶段。
上述技术方案中，通过主成分分析法对原始拉曼光谱数据进行降维，并将降维后的拉曼光谱数据作为特征量进行聚类分析，建立油纸绝缘老化评估模型，进行老化状态分析，能够快速有效地实现对于现场油纸绝缘设备的整体老化状态的诊断。
在上述具体实施方式的基础上，进一步地，，通过油纸绝缘热老化实验获取若干已知老化阶段的油纸绝缘样本包括以下步骤：
将克拉玛依25号矿物油和0.2mm绝缘纸在温度为90℃的真空箱中干燥48小时；
将所述真空箱的温度调节到60℃，并将所述绝缘纸在所述克拉玛依25号矿物油中浸渍24小时；
将油纸绝缘样本移入真空且注有氮气的加热罐中；
将所述加热罐放置于130℃的恒温油浴锅中，进行25天的加速热老化。
在上述具体实施方式的基础上，进一步地，，所述克拉玛依25号矿物油的水分含量为10mg/kg以下，所述绝缘纸的水分含量为0.5％以下。
在上述具体实施方式的基础上，进一步地，，所述绝缘纸和所述克拉玛依25号矿物油的质量比为1:10。
在上述具体实施方式的基础上，进一步地，，所述标准化处理公式如下：
其中，x*为标准化的拉曼光谱数据值，x为原始拉曼光谱数据值，xmin为拉曼光谱数据的最小值，xmax为拉曼光谱数据的最大值。
采用上述技术方案，能够消除拉曼光谱测量误差的影响，并且使得不同样本的数据具有可比性。
在上述具体实施方式的基础上，进一步地，，所述主成分分析法的操作方法如下：
利用方差最大原则，对原始拉曼光谱数据所包含的若干自变量进行线性拟合；
以新的低维变量代替原始的高维变量，实现拉曼光谱数据的降维。
在上述具体实施方式的基础上，进一步地，，建立油纸绝缘老化评估模型的步骤包括：
通过主成分分析法，提取所述已知老化阶段的油纸绝缘样本的n个拉曼光谱特征量，进行建模；
将已知的不同老化阶段作为行变量，n个所述拉曼光谱特征量作为列变量，进行聚类分析；
根据编网法聚类，按照聚类原则，将传递闭包矩阵中大于阈值λ的元素连接起来，则在一条线路上的元素属于同一类。
在上述具体实施方式的基础上，进一步地，，所述聚类分析的过程如下：
设U为待分类的m个已知老化阶段的油纸绝缘样本，其中，每一个待分类的所述已知老化阶段的油纸绝缘样本由一组数据表征，公式如下：
Ui＝(xi1+xi2+xi3+...+xin)，
其中，Ui表示第i个油纸绝缘样本，xi1表示第i个油纸绝缘样本的第1个拉曼光谱特征量，xi2表示第i个油纸绝缘样本的第2个拉曼光谱特征量，xi3表示第i个油纸绝缘样本的第3个拉曼光谱特征量，xin表示第i个油纸绝缘样本的第n个拉曼光谱特征量；
利用绝对值减数法建立相似关系，计算相似系数的方法如下：
其中，i和j为油纸绝缘样本的编号，rij为第i个油纸绝缘样本和第j个油纸绝缘样本的相似系数，c为常数，xik为第i个油纸绝缘样本的第k个拉曼光谱特征量，xjk为第j个油纸绝缘样本的第k个拉曼光谱特征量；
将各个已知老化阶段的油纸绝缘样本的相似系数作为相似矩阵的元素，即可得到相似矩阵R；
利用平方法求传递闭包矩阵R16，计算公式如下：
R2＝R*R＝∨(R(a,b)∧R(b,c))，
其中，a、b、c均表示相似矩阵R中的元素，同理，可得R4，R8，R16。
在上述具体实施方式的基础上，进一步地，所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量进行聚类分析具体包括：
将所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量，作为新的行变量加入到油纸绝缘老化评估模型中；
基于聚类分析法，对所述新的行变量进行聚类分析；
将根据聚类结果得出所述未知老化阶段的油纸绝缘样本的老化阶段。
实施例
首先，通过油纸绝缘热老化实验获取130℃下的16,个不同老化阶段的油纸绝缘样本，即U＝16，16个不同老化阶段的油纸绝缘样本分别为1d、2d、3d、4d、5d、6d、7d、8d、10d、12d、14d、16d、18d、20d、22d、24d，分别表示为U1、U2、U3、U4、U5、U6、U7、U8、U9、U10、U11、U12、U13、U14、U15、U16；并且按照绝缘纸的聚合度，将16个油纸绝缘样本划分为绝缘良好阶段，即1d-4d，老化初期阶段，即5d-8d，老化中期阶段，即10d-16d，老化末期阶段，即18d-24d总共四种不同的老化阶段。需要说明的是，本实施例中油纸绝缘热老化实验所采用的绝缘纸为牛皮纸。
其次，对上述16个已知老化阶段的油纸绝缘样本进行拉曼光谱检测，并且对16个已知老化阶段的油纸绝缘样本进行编号，样本编号如图2所示，获取已知老化阶段的油纸绝缘样本的拉曼光谱数据。为了消除拉曼光谱测量中的误差带来的影响，在本实施例中，将每个样本5次重复测量的结果的均值作为已知老化阶段的油纸绝缘样本的拉曼光谱数据，结果如图2所示。
由于油纸绝缘设备老化过程中会产生荧光物质、克拉玛依25号矿物油中杂质、克拉玛依25号矿物油的荧光性，所以拉曼光谱信号中一般都存在基线干扰，基线干扰会对拉曼光谱特征量的提取产生极大的影响。并且克拉玛依25号矿物油的原始拉曼光谱信号为1023个数据点，数据维度过高，会导致运算量过大，难以对算法进行优化，甚至造成维数灾。因此，需要对拉曼光谱数据进行预处理，包括采用三次样条函数去除基线，再采用五点三次平滑算法降低拉曼光谱噪声，最后对拉曼光谱数据进行归一化处理。
如图3所示，拉曼光谱数据预处理工作完成后，运用主成分分析法(PCA)，在最大程度上保留诊断信息的前提下对拉曼光谱数据进行降维，PCA分析结果见图3，图3中的前六个主成分的累积贡献率达到了98％，能够充分表达原始拉曼光谱数据的光谱信息，将各个油纸绝缘样本提取的前六个主成分作为拉曼光谱特征量，用于建立油纸绝缘老化评估模型，所提取的16个油纸绝缘样本的前六个主成分如下表表1所示，表1为16个油纸绝缘样本各自的前六个主成分数值；表1中的PC1、PC2、PC3、PC4、PC5、PC6分别表示第一个主成分、第二个主成分、第三个主成分、第四个主成分、第五个主成分以及第六个主成分，表1中待分类的油纸绝缘样本序号1-16分别对应U1-U16的油纸绝缘样本。
表1
如图4所示，将16个油纸绝缘样本的拉曼光谱特征量的相似系数构成相似矩阵R，为了构建相似矩阵R，需要确定16个油纸绝缘样本的六个拉曼光谱特征量之间的相似关系，以及计算各个油纸绝缘样本之间的相似系数，相似系数的计算方法包括数量积法、夹角余弦法、相关系数法、指数相似系数法、最大最小法、算数平均最小法、几何平均最小法、绝对值指数法等，本实施例中，采用的是绝对值减数法计算相似系数；将计算所得的相似系数均作为矩阵元素，即得到相似矩阵R。
如图5所示，利用平方法求得的传递闭包矩阵R16，且R16＝R8；再根据编网法进行聚类分析，不需要改造传递闭包矩阵R16，直接将传递闭包矩阵中的元素大于阈值λ的元素连接起来，则在一条线路上的元素属于同一类。本实施例中，阈值λ是一个变量，λ的取值为0.91；根据编网法进行聚类，如图6所示，图6中的1-16分别对应U1-U16总共16个油纸绝缘样本，因此，编网法的分类结果为：{U1，U2，U3，U4}，{U5，U6，U7，U8，U9}，{U10，U11，U12，U13}，{U14，U15，U16}，预先设定的分类结果为{U1，U2，U3，U4}，{U5，U6，U7，U8}，{U9，U10，U11，U12}，{U13，U14，U15，U16}，由此可知，本实施例中聚类分析的正确率为14/16，即87.5％。
需要特别说明的是，影响聚类分析正确率的因素很多，例如：油纸绝缘热老化实验、拉曼光谱的测量误差以及油纸绝缘样本中的水分含量等，因此，本实施例中聚类分析的正确率只能说明上述识别方法，并不能代表理论上的正确概率。
本发明提供的实施例只是为了说明本发明的构思及方法，并不构成本发明保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本发明方案所扩展出的任何其他实施方式都属于本发明的保护范围。
Claims (9)
1.基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，所述油纸绝缘设备老化状态识别方法具体包括以下步骤：
通过油纸绝缘热老化实验获取若干已知老化阶段的油纸绝缘样本；
获取若干所述已知老化阶段的油纸绝缘样本的拉曼光谱数据，并进行标准化处理；
采用主成分分析法提取标准化处理后的所述已知老化阶段的油纸绝缘样本的拉曼光谱特征量，基于聚类分析方法，建立油纸绝缘老化评估模型；
通过油纸绝缘热老化实验获取若干未知老化阶段的油纸绝缘样本；
获取若干所述未知老化阶段的油纸绝缘样本的拉曼光谱数据，并进行标准化处理；
采用主成分分析法提取标准化处理后的所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量，并输入到所述油纸绝缘老化评估模型中进行聚类分析，得到所述未知老化阶段的油纸绝缘样本的老化阶段。
2.根据权利要求1所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，通过油纸绝缘热老化实验获取若干已知老化阶段的油纸绝缘样本包括以下步骤：
将克拉玛依25号矿物油和0.2mm绝缘纸在温度为90℃的真空箱中干燥48小时；
将所述真空箱的温度调节到60℃，并将所述绝缘纸在所述克拉玛依25号矿物油中浸渍24小时；
将油纸绝缘样本移入真空且注有氮气的加热罐中；
将所述加热罐放置于130℃的恒温油浴锅中，进行25天的加速热老化。
3.根据权利要求2所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，所述克拉玛依25号矿物油的水分含量为10mg/kg以下，所述绝缘纸的水分含量为0.5％以下。
4.根据权利要求2所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，所述绝缘纸和所述克拉玛依25号矿物油的质量比为1:10。
5.根据权利要求1所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，所述标准化处理公式如下：
其中，x*为标准化的拉曼光谱数据值，x为原始拉曼光谱数据值，xmin为拉曼光谱数据的最小值，xmax为拉曼光谱数据的最大值。
6.根据权利要求1所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，所述主成分分析法的操作方法如下：
利用方差最大原则，对原始拉曼光谱数据所包含的若干自变量进行线性拟合；
以新的低维变量代替原始的高维变量，实现拉曼光谱数据的降维。
7.根据权利要求1所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，建立油纸绝缘老化评估模型的步骤包括：
通过主成分分析法，提取所述已知老化阶段的油纸绝缘样本的n个拉曼光谱特征量，进行建模；
将已知的不同老化阶段作为行变量，n个所述拉曼光谱特征量作为列变量，进行聚类分析；
根据编网法聚类，按照聚类原则，将传递闭包矩阵中大于阈值λ的元素连接起来，则在一条线路上的元素属于同一类。
8.根据权利要求7所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，所述聚类分析的过程如下：
设U为待分类的m个已知老化阶段的油纸绝缘样本，其中，每一个待分类的所述已知老化阶段的油纸绝缘样本由一组数据表征，公式如下：
Ui＝(xi1+xi2+xi3+...+xin)，
其中，Ui表示第i个油纸绝缘样本，xi1表示第i个油纸绝缘样本的第1个拉曼光谱特征量，xi2表示第i个油纸绝缘样本的第2个拉曼光谱特征量，xi3表示第i个油纸绝缘样本的第3个拉曼光谱特征量，xin表示第i个油纸绝缘样本的第n个拉曼光谱特征量；
利用绝对值减数法建立相似关系，计算相似系数的方法如下：
rij＝1,i＝j；
其中，i和j为油纸绝缘样本的编号，rij为第i个油纸绝缘样本和第j个油纸绝缘样本的相似系数，c为常数，xik为第i个油纸绝缘样本的第k个拉曼光谱特征量，xjk为第j个油纸绝缘样本的第k个拉曼光谱特征量；
将各个已知老化阶段的油纸绝缘样本的相似系数作为相似矩阵的元素，即可得到相似矩阵R；
利用平方法求传递闭包矩阵R16，计算公式如下：
R2＝R*R＝∨(R(a,b)∧R(b,c))，
其中，a、b、c均表示相似矩阵R中的元素，同理，可得R4，R8，R16。
9.根据权利要求1所述的基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法，其特征在于，所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量进行聚类分析具体包括：
将所述未知老化阶段的油纸绝缘样本的拉曼光谱特征量，作为新的行变量加入到油纸绝缘老化评估模型中；
基于聚类分析法，对所述新的行变量进行聚类分析；
将根据聚类结果得出所述未知老化阶段的油纸绝缘样本的老化阶段。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010339649.1A CN111537845A (zh) | 2020-04-26 | 2020-04-26 | 基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010339649.1A CN111537845A (zh) | 2020-04-26 | 2020-04-26 | 基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111537845A true CN111537845A (zh) | 2020-08-14 |
Family
ID=71977193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010339649.1A Pending CN111537845A (zh) | 2020-04-26 | 2020-04-26 | 基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111537845A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112129741A (zh) * | 2020-10-10 | 2020-12-25 | 广东电网有限责任公司广州供电局 | 绝缘油老化分析方法、装置、计算机设备和存储介质 |
| CN112485609A (zh) * | 2020-10-19 | 2021-03-12 | 重庆大学 | 一种变压器油纸绝缘老化拉曼光谱诊断方法 |
| CN112557834A (zh) * | 2020-10-19 | 2021-03-26 | 重庆大学 | 基于拉曼光谱的油纸绝缘设备老化诊断方法 |
| CN113985218A (zh) * | 2021-09-20 | 2022-01-28 | 重庆大学 | 基于荧光颜色的油纸绝缘老化诊断方法 |
| CN113987909A (zh) * | 2021-09-18 | 2022-01-28 | 广东电网有限责任公司广州供电局 | 油纸绝缘老化预测方法、装置、计算机设备和存储介质 |
| CN114088660A (zh) * | 2021-11-10 | 2022-02-25 | 国网安徽省电力有限公司电力科学研究院 | 一种基于稳健波长筛选的绝缘纸含水量评估方法 |
| CN114965342A (zh) * | 2022-02-16 | 2022-08-30 | 陕西星佑未来电气科技有限公司 | 一种基于改进线性判别分析的绝缘纸老化程度识别方法 |
| CN115267461A (zh) * | 2022-09-13 | 2022-11-01 | 重庆邮电大学 | 基于维度扩展的拉曼光谱及机器视觉的油纸绝缘老化诊断方法 |
| CN118209537A (zh) * | 2024-03-25 | 2024-06-18 | 哈尔滨理工大学 | 基于融合光谱与神经网络的变压器油纸绝缘老化诊断方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512474A (zh) * | 2015-12-02 | 2016-04-20 | 国网山东省电力公司电力科学研究院 | 一种变压器状态监测数据的异常检测方法 |
| CN106885978A (zh) * | 2017-04-20 | 2017-06-23 | 重庆大学 | 一种基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法 |
| CN107843718A (zh) * | 2017-10-20 | 2018-03-27 | 广东电网有限责任公司河源供电局 | 一种变压器绝缘油老化状态评估的方法 |
| CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
| CN108594048A (zh) * | 2018-06-19 | 2018-09-28 | 电子科技大学 | 一种基于激光照射的复合绝缘子老化程度评估方法 |
| CN109063400A (zh) * | 2018-10-17 | 2018-12-21 | 苏州科技大学 | 基于统计检验的发电机定子线棒绝缘热老化寿命评估方法 |
| CN109406898A (zh) * | 2018-11-07 | 2019-03-01 | 福州大学 | 一种融合多特征量综合评估油纸绝缘老化程度的方法 |
| CN110031443A (zh) * | 2019-04-15 | 2019-07-19 | 重庆大学 | 一种便携式油纸绝缘老化状态拉曼光谱诊断装置及方法 |
| CN110488164A (zh) * | 2019-08-22 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种高压电缆绝缘老化状态综合评估预警方法及系统 |
| CN110567937A (zh) * | 2019-09-11 | 2019-12-13 | 重庆大学 | 一种用于绝缘油拉曼光谱分析的竞争性自适应重加权关键数据提取方法 |
-
2020
- 2020-04-26 CN CN202010339649.1A patent/CN111537845A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512474A (zh) * | 2015-12-02 | 2016-04-20 | 国网山东省电力公司电力科学研究院 | 一种变压器状态监测数据的异常检测方法 |
| CN106885978A (zh) * | 2017-04-20 | 2017-06-23 | 重庆大学 | 一种基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法 |
| CN107843718A (zh) * | 2017-10-20 | 2018-03-27 | 广东电网有限责任公司河源供电局 | 一种变压器绝缘油老化状态评估的方法 |
| CN108564254A (zh) * | 2018-03-15 | 2018-09-21 | 国网四川省电力公司绵阳供电公司 | 基于大数据的配电设备状态可视化平台 |
| CN108594048A (zh) * | 2018-06-19 | 2018-09-28 | 电子科技大学 | 一种基于激光照射的复合绝缘子老化程度评估方法 |
| CN109063400A (zh) * | 2018-10-17 | 2018-12-21 | 苏州科技大学 | 基于统计检验的发电机定子线棒绝缘热老化寿命评估方法 |
| CN109406898A (zh) * | 2018-11-07 | 2019-03-01 | 福州大学 | 一种融合多特征量综合评估油纸绝缘老化程度的方法 |
| CN110031443A (zh) * | 2019-04-15 | 2019-07-19 | 重庆大学 | 一种便携式油纸绝缘老化状态拉曼光谱诊断装置及方法 |
| CN110488164A (zh) * | 2019-08-22 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种高压电缆绝缘老化状态综合评估预警方法及系统 |
| CN110567937A (zh) * | 2019-09-11 | 2019-12-13 | 重庆大学 | 一种用于绝缘油拉曼光谱分析的竞争性自适应重加权关键数据提取方法 |
Non-Patent Citations (3)
| Title |
|---|
| 宋世德编著: "《简明模糊数学基础》", 31 January 2016, 西北农林科技大学出版社 * |
| 祝顺才等: "基于模糊-灰色聚类的油纸绝缘状态综合诊断", 《仪器仪表学报》 * |
| 邹经鑫: "油纸绝缘老化拉曼光谱特征量提取及诊断方法研究", 《中国优秀博硕士学位论文全文数据库（博士） 工程科技II辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112129741A (zh) * | 2020-10-10 | 2020-12-25 | 广东电网有限责任公司广州供电局 | 绝缘油老化分析方法、装置、计算机设备和存储介质 |
| CN112485609A (zh) * | 2020-10-19 | 2021-03-12 | 重庆大学 | 一种变压器油纸绝缘老化拉曼光谱诊断方法 |
| CN112557834A (zh) * | 2020-10-19 | 2021-03-26 | 重庆大学 | 基于拉曼光谱的油纸绝缘设备老化诊断方法 |
| CN112485609B (zh) * | 2020-10-19 | 2021-11-23 | 重庆大学 | 一种变压器油纸绝缘老化拉曼光谱诊断方法 |
| CN113987909A (zh) * | 2021-09-18 | 2022-01-28 | 广东电网有限责任公司广州供电局 | 油纸绝缘老化预测方法、装置、计算机设备和存储介质 |
| CN113985218A (zh) * | 2021-09-20 | 2022-01-28 | 重庆大学 | 基于荧光颜色的油纸绝缘老化诊断方法 |
| CN113985218B (zh) * | 2021-09-20 | 2024-04-12 | 重庆大学 | 基于荧光颜色的油纸绝缘老化诊断方法 |
| CN114088660A (zh) * | 2021-11-10 | 2022-02-25 | 国网安徽省电力有限公司电力科学研究院 | 一种基于稳健波长筛选的绝缘纸含水量评估方法 |
| CN114088660B (zh) * | 2021-11-10 | 2023-11-24 | 国网安徽省电力有限公司电力科学研究院 | 一种基于稳健波长筛选的绝缘纸含水量评估方法 |
| CN114965342A (zh) * | 2022-02-16 | 2022-08-30 | 陕西星佑未来电气科技有限公司 | 一种基于改进线性判别分析的绝缘纸老化程度识别方法 |
| CN115267461A (zh) * | 2022-09-13 | 2022-11-01 | 重庆邮电大学 | 基于维度扩展的拉曼光谱及机器视觉的油纸绝缘老化诊断方法 |
| CN118209537A (zh) * | 2024-03-25 | 2024-06-18 | 哈尔滨理工大学 | 基于融合光谱与神经网络的变压器油纸绝缘老化诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111537845A (zh) | 基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 | |
| US20190086912A1 (en) | Method and system for generating two dimensional barcode including hidden data | |
| CN111046341A (zh) | 一种基于主成分分析的非常规天然气压裂效果评价及产能预测方法 | |
| CN104699077B (zh) | 一种基于嵌套迭代费舍尔判别分析的故障变量隔离方法 | |
| CN109781658B (zh) | 一种基于近红外光谱主成分分析的绝缘纸种类判别方法 | |
| CN112557834B (zh) | 基于拉曼光谱的油纸绝缘设备老化诊断方法 | |
| CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
| CN104820873A (zh) | 一种基于金属定量构效关系的淡水急性基准预测方法 | |
| CN103712939B (zh) | 一种基于紫外可见光谱的污染物浓度拟合方法 | |
| CN108844941B (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
| CN110751217A (zh) | 基于主元分析的设备能耗占比预警分析方法 | |
| CN113918642A (zh) | 一种基于电力物联网设备的数据过滤监测预警方法 | |
| CN110308713A (zh) | 一种基于k近邻重构的工业过程故障变量识别方法 | |
| CN113420795A (zh) | 一种基于空洞卷积神经网络的矿物光谱分类方法 | |
| Yang et al. | A novel recognition method of aging stage of transformer oil-paper insulation using Raman spectroscopic recurrence plots | |
| CN118380066A (zh) | 基于梯度提升集成学习算法与三维荧光的水质氨氮快速检测方法及设备 | |
| CN114048958A (zh) | 基于深度卷积残差收缩网络的刀具磨损预测方法和系统 | |
| CN111507374A (zh) | 一种基于随机矩阵理论的电网海量数据异常检测方法 | |
| CN114088660B (zh) | 一种基于稳健波长筛选的绝缘纸含水量评估方法 | |
| CN112858208A (zh) | 基于红外光谱主成分和神经网络的生物质钾含量测量与建模方法 | |
| CN114414524A (zh) | 快速检测航空煤油性质的方法 | |
| CN110823966A (zh) | 一种基于电子鼻的葡萄酒so2浓度的快速测定方法 | |
| CN113295673B (zh) | 一种激光诱导击穿光谱弱监督特征提取方法 | |
| CN115985411A (zh) | 基于高斯过程回归模型的高分子熔融指数软测量方法 | |
| CN114995338A (zh) | 一种基于规范变量分析与js散度融合的工业过程微小故障检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200814 |
|
| RJ01 | Rejection of invention patent application after publication |