CN113447452A - 一种用于绝缘纸光谱的水分影响因素校正方法及系统 - Google Patents

一种用于绝缘纸光谱的水分影响因素校正方法及系统 Download PDF

Info

Publication number
CN113447452A
CN113447452A CN202110722643.7A CN202110722643A CN113447452A CN 113447452 A CN113447452 A CN 113447452A CN 202110722643 A CN202110722643 A CN 202110722643A CN 113447452 A CN113447452 A CN 113447452A
Authority
CN
China
Prior art keywords
matrix
insulating paper
moisture
spectral data
samples
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
Application number
CN202110722643.7A
Other languages
English (en)
Inventor
李元
张文博
李含
张大宁
张冠军
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110722643.7A priority Critical patent/CN113447452A/zh
Publication of CN113447452A publication Critical patent/CN113447452A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • G06F17/153Multidimensional correlation or convolution
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Databases & Information Systems (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种的用于绝缘纸光谱的水分影响因素校正方法及系统,获取校正前的绝缘纸光谱数据Xw,然后利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,进而对其进行主成分分解获得矩阵G,进而得到水分影响矩阵Q;通过水分影响矩阵Q的处理得到转换矩阵P;最后利用校正方法得到校正后的绝缘纸光谱数据Xpre。本发明考虑到不同样品间含水状态差异对预测精度的影响,对样品光谱中受水分影响的部分进行校正,将原始光谱数据映射至与水分影响光谱正交的空间,从而去除由水分因素波动而造成的光谱变化,有效提升了绝缘纸聚合度的预测精度。

Description

一种用于绝缘纸光谱的水分影响因素校正方法及系统
技术领域
本发明涉及电力设备故障诊断技术领域,特别是涉及一种用于绝缘纸光谱的水分影响因素校正方法及系统。
背景技术
大型油浸式电力变压器作为电网中的关键设备,其良好的状态保证了电网的安全可靠运行。油纸绝缘是大型油浸式电力变压器内部的主要绝缘结构,随着运行时间的增加,会在电、热等多种应力的作用下发生老化。
油纸绝缘由绝缘纸与绝缘油构成,其中绝缘油的老化是可逆的,并且可以在设备运行过程中进行再处理或者更换;而绝缘纸的老化是不可逆的,且难以更换。因此绝缘纸的状态直接关系到变压器的整体绝缘状态。
通常地,聚合度被用来表征绝缘纸的老化程度,目前已有多种方法可以实现对绝缘纸聚合度的预测,其中近红外光谱技术因其快速、无损的优势在绝缘纸聚合度定量评估领域获得了广泛应用。但是该方法仍然存在缺陷:在对绝缘纸样品进行光谱采集时,由于样品长时间暴露在空气中,样品的含水量会显著增加;而绝缘纸样品中的水分会使光谱发生畸变,导致评估结果的准确性降低,阻碍了该技术的进一步应用。
目前在绝缘纸老化状态光谱评估领域中尚无有效的水分因素校正方法。
发明内容
本发明的目的是提供一种用于绝缘纸光谱的水分影响因素校正方法及系统,去除由水分因素波动而造成的光谱变化,有效提升了绝缘纸聚合度的预测精度。
为实现上述目的,本发明提供了如下方案:
一种用于绝缘纸光谱的水分影响因素校正方法,所述方法包括:
获取校正前的绝缘纸光谱数据Xw;所述校正前的绝缘纸光谱数据Xw包括:干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X;
根据所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D;
分解所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并根据所述特征矩阵G计算得到水分影响矩阵Q;
将所述水分影响矩阵Q进行转换,得到转换矩阵P;
根据所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P,利用校正方法得到校正后的绝缘纸光谱数据Xpre
可选的,所述根据所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,具体包括:
获取所述校正前的绝缘纸光谱数据Xw
利用卷积平滑处理模型
Figure BDA0003137295870000021
对每个绝缘纸光谱数据traw=[t1,t2…tp]进行卷积平滑处理,得到光谱吸光度的真实值xn=[xn1,xn2…xnp];其中,xl为处理后第l个点的光谱吸光度值,m为平滑窗口的宽度,ps为平滑窗口中第s点的平滑系数,tl+s为处理前第l+s个点的光谱吸光度值,n为绝缘纸样品的数量,tp表示第p个波长点的吸光度值;
提取所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X;所述不同含水状态的绝缘纸样品的数量为n-1;
利用第一处理模型
Figure BDA0003137295870000022
对所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X进行处理,得到所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
可选的,所述分解所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并对所述特征矩阵G进行处理得到水分影响矩阵Q,具体包括:
利用第一转换模型
Figure BDA0003137295870000031
对所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D进行转换,得到对称矩阵S;
将对称矩阵S的前三个特征向量构成特征矩阵G;
利用第二处理模型Q=G*(GT*G)-1GT对所述特征矩阵G进行处理,得到水分影响矩阵Q。
可选的,利用第二转换模型P=I-Q对所述水分影响矩阵Q进行转换,得到所述转换矩阵P;其中,I为单位矩阵。
可选的,利用校正模型Xpre=Xw*P对所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P进行校正,得到校正后的绝缘纸光谱数据Xpre
一种用于绝缘纸光谱的水分影响因素校正系统,所述系统包括:
数据获取模块,用于获取校正前的绝缘纸光谱数据Xw;所述校正前的绝缘纸光谱数据Xw包括:干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X;
差值处理模块,用于根据所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D;
分解模块,用于分解所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并根据所述特征矩阵G计算得到水分影响矩阵Q;
转换模块,用于将所述水分影响矩阵Q进行转换,得到转换矩阵P;
校正模块,用于根据所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P,利用校正方法得到校正后的绝缘纸光谱数据Xpre
可选的,利用数据获取模块获取所述校正前的绝缘纸光谱数据Xw
可选的,所述差值处理模块具体包括:
卷积平滑处理单元,用于利用卷积平滑处理模型
Figure BDA0003137295870000041
对每个绝缘纸光谱数据traw=[t1,t2…tp]进行卷积平滑处理,得到处理后的光谱吸光度值xn=[xn1,xn2…xnp];其中,xl为处理后第l个点的光谱吸光度值,m为平滑窗口的宽度;ps为平滑窗口中第s点的平滑系数,tl+s为处理前第l+s个点的光谱吸光度值,n为绝缘纸样品的数量,tp表示第p个波长点的吸光度值;
数据提取单元,用于提取所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X;所述不同含水状态的绝缘纸样品的数量为n-1;
第一处理单元,用于利用第一处理模型
Figure BDA0003137295870000042
对所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X进行处理,得到所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
可选的,所述分解模块具体包括:
第一转换单元,用于利用第一转换模型
Figure BDA0003137295870000043
对所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D进行转换,得到对称矩阵S;
特征矩阵构建单元,用于将对称矩阵S的前三个特征向量构成特征矩阵G;
第二处理单元,用于利用第二处理模型Q=G*(GT*G)-1GT对所述特征矩阵G进行处理,得到水分影响矩阵Q。
可选的,利用第二转换模型P=I-Q对所述水分影响矩阵Q进行转换,得到所述转换矩阵P;其中,I为单位矩阵。
可选的,利用校正模型Xpre=Xw*P对所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P进行校正,得到校正后的绝缘纸光谱数据Xpre
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明在绝缘纸聚合度的近红外光谱定量分析过程中,考虑到了不同样品间含水状态差异对预测精度的影响,因此对样品光谱中受水分影响的部分进行校正,将原始光谱数据映射至与水分影响光谱正交的空间,从而去除由水分因素波动而造成的光谱变化,有效提升了绝缘纸聚合度的预测精度。
进一步,本发明通过分别采集干燥绝缘纸光谱数据和不同受潮状态的绝缘纸样品的绝缘纸光谱数据,通过计算不同受潮状态样品光谱与干燥样品光谱之间的差异矩阵,建立了水分影响光谱的数据库。
进一步,本发明采用对差异矩进行的主成分分解的方式,有效获取了水分含量对绝缘纸光谱的影响特征向量。在保证能够最大程度表征水分影响因素的前提下,最大可能的降低了数据的维数,同时保留了与样品老化程度相关的特征,利于后续绝缘纸聚合度的定量评估。
进一步,本发明基于水分影响矩阵建立了与其正交的转换矩阵,通过原始数据与转换矩阵相乘的形式,将原始光谱数据映射至与水分影响因素无关的空间,去除了光谱中由于水分含量变化造成的波动。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的用于绝缘纸光谱的水分影响因素校正方法流程图;
图2是校正前的绝缘纸近红外光谱;
图3是干燥与受潮样本差异光谱;
图4是用于水分校正的转换矩阵可视化图;
图5是校正后的绝缘纸近红外光谱;
图6为本发明提供的用于绝缘纸光谱的水分影响因素校正系统示意图。
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、完整地描述,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。
本发明的目的是提供一种用于绝缘纸光谱的水分影响因素校正方法及系统,为绝缘纸老化状态的近红外光谱评估技术提供可靠支撑。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种用于绝缘纸光谱的水分影响因素校正方法,该方法包括:
步骤101:获取校正前的绝缘纸光谱数据Xw;校正前的绝缘纸光谱数据Xw包括:干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X。
步骤102:根据干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
步骤103:分解干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并根据特征矩阵G计算得到水分影响矩阵Q。
步骤104:将水分影响矩阵Q进行转换,得到转换矩阵P。
步骤105:据校正前的绝缘纸光谱数据Xw和转换矩阵P,利用校正方法得到校正后的绝缘纸光谱数据Xpre
本发明在绝缘纸聚合度的近红外光谱定量分析过程中,考虑到了不同样品间含水状态差异对预测精度的影响,因此对样品光谱中受水分影响的部分进行校正,将原始光谱数据映射至与水分影响光谱正交的空间,从而去除由水分因素波动而造成的光谱变化,有效提升了绝缘纸聚合度的预测精度。
本发明在一个具体实施例中,制备了不同含水状态的绝缘纸样品,样品数量为21个,各个样本间含水状态均不同,从10%至50%范围内波动。利用近红外光谱设备采集干燥绝缘纸样品的光谱数据和不同含水状态的绝缘纸样品的近红外光谱数据traw=[t1,t2…tp],如图2所示。
对以上22个绝缘纸样品的未校正的光谱数据进行平滑处理,具体包括:
获取校正前的绝缘纸光谱数据Xw
利用卷积平滑处理模型
Figure BDA0003137295870000071
对每个绝缘纸光谱数据traw=[t1,t2…tp]进行卷积平滑处理,得到光谱吸光度的真实值xn=[xn1,xn2…xnp];其中,xl为第l个点的光谱吸光度的真实值,m为平滑窗口的宽度,优选的设置为7;ps为平滑窗口中第s点的平滑系数,tl+s为处理前第l+s个点的光谱吸光度值,n为绝缘纸样品的数量,tp表示第p个波长点的吸光度值。
提取干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X。
利用第一处理模型
Figure BDA0003137295870000072
对干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
上述平滑窗口中第s点的平滑系数ps通过以下方式确定:
Figure BDA0003137295870000073
式中,xl+s'为第l+s个点的光谱吸光度拟合值,该值由窗口内光谱数据点通过最小二乘法拟合得到;xl+s为第l+s个点的光谱吸光度真实值。
本发明通过分别采集干燥绝缘纸光谱数据和不同受潮状态的绝缘纸样品的绝缘纸光谱数据,通过计算不同受潮状态样品光谱与干燥样品光谱之间的差异矩阵,建立了水分影响光谱的数据库;并且通过对数据的平滑处理,减少噪声干扰,有利于提高光谱拟合的准确性。
对于水分影响矩阵Q的获得,本发明采用以下方法:
首先利用第一转换模型
Figure BDA0003137295870000081
对干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D进行转换,得到对称矩阵S。
计算矩阵S的协方差矩阵V,并求解矩阵V的特征值,选取数值最大的特征值λ1及其特征向量a1计算第一主成分;按照特征值数值大小顺序排序,且根据对应特征向量相互正交的原则计算得到矩阵V的其余特征值。取前三个特征向量构成特征矩阵
Figure BDA0003137295870000082
进而利用第二处理模型Q=G*(GT*G)-1GT对特征矩阵G进行处理,得到水分影响矩阵Q。
本发明采用对差异矩进行的主成分分解的方式,有效获取了水分含量对绝缘纸光谱的影响特征向量。在保证能够最大程度表征水分影响因素的前提下,最大可能的降低了数据的维数,同时保留了与样品老化程度相关的特征,利于后续绝缘纸聚合度的定量评估。
具体的,本发明利用第二转换模型P=I-Q对水分影响矩阵Q进行转换,得到转换矩阵P;其中,I为单位矩阵。在得到转换矩阵P后,利用校正模型Xpre=Xw*P对校正前的绝缘纸光谱数据Xw和转换矩阵P进行校正,得到如图5所示的校正后的绝缘纸光谱数据Xpre
本发明基于水分影响矩阵建立了与其正交的转换矩阵,通过原始数据与转换矩阵相乘的形式,将原始光谱数据映射至与水分影响因素无关的空间,去除了光谱中由于水分含量变化造成的波动。
通过本发明提出的绝缘纸近红外光谱数据中水分影响因素校正的方法,原始波动较大的样品光谱(图2)在经过校正后几乎趋于一致(图5),极大程度消除了样品光谱中由水分含量差异产生的无关光谱成分。将校正前后的光谱数据分别应用于绝缘纸样本聚合度的预测,预测结果如表1所示,可以发现校正后相同模型对同一批绝缘纸样本的聚合度预测精度得到了显著提升,其中校正前模型的均方根误差仅为190,而校正后的均方根误差则为105,预测精度提升了约44.7%。
表1校正前后绝缘纸聚合度预测结果
Figure BDA0003137295870000091
本发明还提供了与用于绝缘纸光谱的水分影响因素校正方法相应的系统,该系统包括:数据获取模块201、差值处理模块202、分解模块203、转换模块204和校正模块205。
数据获取模块201用于获取校正前的绝缘纸光谱数据Xw;校正前的绝缘纸光谱数据Xw包括:干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X。
差值处理模块202用于根据干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
分解模块203用于分解干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并根据特征矩阵G计算得到水分影响矩阵Q。
转换模块204用于将水分影响矩阵Q进行转换,得到转换矩阵P。
校正模块205用于根据校正前的绝缘纸光谱数据Xw和转换矩阵P,利用校正方法得到校正后的绝缘纸光谱数据Xpre
具体的,差值处理模块202具体包括:数据获取单元、卷积平滑处理单元、数据提取单元和第一处理单元。
数据获取单元用于获取校正前的绝缘纸光谱数据Xw
卷积平滑处理单元用于利用卷积平滑处理模型
Figure BDA0003137295870000101
对每个绝缘纸光谱数据traw=[t1,t2…tp]进行卷积平滑处理,得到光谱吸光度的真实值xn=[xn1,xn2…xnp];其中,xl为第l个点的光谱吸光度的真实值,m为平滑窗口的宽度,;ps为平滑窗口中第s点的平滑系数,tl+s为处理前第l+s个点的光谱吸光度值,n为绝缘纸样品的数量,tp表示第p个波长点的吸光度值。
数据提取单元用于提取干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X;不同含水状态的绝缘纸样品的数量为n-1。
第一处理单元用于利用第一处理模型
Figure BDA0003137295870000102
对干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
具体的,分解模块203具体包括:第一转换单元、特征矩阵构建单元和第二处理单元。
第一转换单元用于利用第一转换模型
Figure BDA0003137295870000103
对干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D进行转换,得到对称矩阵S。
特征矩阵构建单元用于将对称矩阵S的前三个特征向量构成特征矩阵G。
第二处理单元用于利用第二处理模型Q=G*(GT*G)-1GT对特征矩阵G进行处理,得到水分影响矩阵Q。
在得到水分影响矩阵Q之后,利用第二转换模型P=I-Q对水分影响矩阵Q进行转换,得到转换矩阵P;其中,I为单位矩阵。然后利用校正模型Xpre=Xw*P对校正前的绝缘纸光谱数据Xw和转换矩阵P进行校正,得到校正后的绝缘纸光谱数据Xpre
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种用于绝缘纸光谱的水分影响因素校正方法,其特征在于,所述方法包括:
获取校正前的绝缘纸光谱数据Xw;所述校正前的绝缘纸光谱数据Xw包括:干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X;
根据所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D;
分解所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并根据所述特征矩阵G计算得到水分影响矩阵Q;
将所述水分影响矩阵Q进行转换,得到转换矩阵P;
根据所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P,利用校正方法得到校正后的绝缘纸光谱数据Xpre
2.根据权利要求1所述的用于绝缘纸光谱的水分影响因素校正方法,其特征在于,所述根据所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,具体包括:
获取所述校正前的绝缘纸光谱数据Xw
利用卷积平滑处理模型
Figure FDA0003137295860000011
对每个绝缘纸光谱数据traw=[t1,t2…tp]进行卷积平滑处理,得到光谱吸光度的真实值xn=[xn1,xn2…xnp];其中,xl为第l个点的光谱吸光度的真实值,m为平滑窗口的宽度;ps为平滑窗口中第s点的平滑系数,tl+s为处理前第l+s个点的光谱吸光度值,n为绝缘纸样品的数量,tp表示第p个波长点的吸光度值;
提取所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X;所述不同含水状态的绝缘纸样品的数量为n-1;
利用第一处理模型
Figure FDA0003137295860000021
对所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X进行处理,得到所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
3.根据权利要求1所述的用于绝缘纸光谱的水分影响因素校正方法,其特征在于,所述分解所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并对所述特征矩阵G进行处理得到水分影响矩阵Q,具体包括:
利用第一转换模型
Figure FDA0003137295860000022
对所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D进行转换,得到对称矩阵S;
将对称矩阵S的前三个特征向量构成特征矩阵G;
利用第二处理模型Q=G*(GT*G)-1GT对所述特征矩阵G进行处理,得到水分影响矩阵Q。
4.根据权利要求1所述的用于绝缘纸光谱的水分影响因素校正方法,其特征在于,利用第二转换模型P=I-Q对所述水分影响矩阵Q进行转换,得到所述转换矩阵P;其中,I为单位矩阵。
5.根据权利要求1所述的用于绝缘纸光谱的水分影响因素校正方法,其特征在于,利用校正模型Xpre=Xw*P对所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P进行校正,得到校正后的绝缘纸光谱数据Xpre
6.一种用于绝缘纸光谱的水分影响因素校正系统,其特征在于,所述系统包括:
数据获取模块,用于获取校正前的绝缘纸光谱数据Xw;所述校正前的绝缘纸光谱数据Xw包括:干燥绝缘纸样品的光谱数据x0和不同含水状态的绝缘纸样品的光谱数据X;
差值处理模块,用于根据所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X,利用差值法进行处理,得到干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D;
分解模块,用于分解所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D,得到相应的特征矩阵G,并根据所述特征矩阵G计算得到水分影响矩阵Q;
转换模块,用于将所述水分影响矩阵Q进行转换,得到转换矩阵P;
校正模块,用于根据所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P,利用校正方法得到校正后的绝缘纸光谱数据Xpre
7.根据权利要求6所述的用于绝缘纸光谱的水分影响因素校正系统,其特征在于,所述差值处理模块具体包括:
数据获取单元,用于获取所述校正前的绝缘纸光谱数据Xw
卷积平滑处理单元,用于利用卷积平滑处理模型
Figure FDA0003137295860000031
对每个绝缘纸光谱数据traw=[t1,t2…tp]进行卷积平滑处理,得到光谱吸光度的真实值xn=[xn1,xn2…xnp];其中,xl为第l个点的光谱吸光度的真实值,m为平滑窗口的宽度;ps为平滑窗口中第s点的平滑系数,tl+s为处理前第l+s个点的光谱吸光度值,n为绝缘纸样品的数量,tp表示第p个波长点的吸光度值;
数据提取单元,用于提取所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X;所述不同含水状态的绝缘纸样品的数量为n-1;
第一处理单元,用于利用第一处理模型
Figure FDA0003137295860000032
对所述干燥绝缘纸样品的光谱数据x0和所述不同含水状态的绝缘纸样品的光谱数据X进行处理,得到所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D。
8.根据权利要求6所述的用于绝缘纸光谱的水分影响因素校正系统,其特征在于,所述分解模块具体包括:
第一转换单元,用于利用第一转换模型
Figure FDA0003137295860000041
对所述干燥绝缘纸样品与不同含水状态的绝缘纸样品的差异矩阵D进行转换,得到对称矩阵S;
特征矩阵构建单元,用于将对称矩阵S的前三个特征向量构成特征矩阵G;
第二处理单元,用于利用第二处理模型Q=G*(GT*G)-1GT对所述特征矩阵G进行处理,得到水分影响矩阵Q。
9.根据权利要求6所述的用于绝缘纸光谱的水分影响因素校正系统,其特征在于,利用第二转换模型P=I-Q对所述水分影响矩阵Q进行转换,得到所述转换矩阵P;其中,I为单位矩阵。
10.根据权利要求6所述的用于绝缘纸光谱的水分影响因素校正系统,其特征在于,利用校正模型Xpre=Xw*P对所述校正前的绝缘纸光谱数据Xw和所述转换矩阵P进行校正,得到校正后的绝缘纸光谱数据Xpre
CN202110722643.7A 2021-06-29 2021-06-29 一种用于绝缘纸光谱的水分影响因素校正方法及系统 Pending CN113447452A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110722643.7A CN113447452A (zh) 2021-06-29 2021-06-29 一种用于绝缘纸光谱的水分影响因素校正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110722643.7A CN113447452A (zh) 2021-06-29 2021-06-29 一种用于绝缘纸光谱的水分影响因素校正方法及系统

Publications (1)

Publication Number Publication Date
CN113447452A true CN113447452A (zh) 2021-09-28

Family

ID=77813661

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110722643.7A Pending CN113447452A (zh) 2021-06-29 2021-06-29 一种用于绝缘纸光谱的水分影响因素校正方法及系统

Country Status (1)

Country Link
CN (1) CN113447452A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114166777A (zh) * 2021-11-30 2022-03-11 海南电网有限责任公司电力科学研究院 一种用于绝缘纸的近红外光谱影响因素校正方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5965888A (en) * 1995-07-14 1999-10-12 Casco Products Ab Prediction of the properties of board by using a spectroscopic method combined with multivariate calibration
CN103712923A (zh) * 2013-12-23 2014-04-09 浙江大学 土壤野外原位测量光谱中去除水分影响因素的方法
CN104089911A (zh) * 2014-06-27 2014-10-08 桂林电子科技大学 基于一元线性回归的光谱模型传递方法
CN110909470A (zh) * 2019-11-25 2020-03-24 光钙(上海)高科技有限公司 一种红外光谱化学计量学分析系统及方法
CN111965133A (zh) * 2020-07-22 2020-11-20 中国南方电网有限责任公司电网技术研究中心 一种含微水油浸绝缘纸板含水量及极化形式的检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5965888A (en) * 1995-07-14 1999-10-12 Casco Products Ab Prediction of the properties of board by using a spectroscopic method combined with multivariate calibration
CN103712923A (zh) * 2013-12-23 2014-04-09 浙江大学 土壤野外原位测量光谱中去除水分影响因素的方法
CN104089911A (zh) * 2014-06-27 2014-10-08 桂林电子科技大学 基于一元线性回归的光谱模型传递方法
CN110909470A (zh) * 2019-11-25 2020-03-24 光钙(上海)高科技有限公司 一种红外光谱化学计量学分析系统及方法
CN111965133A (zh) * 2020-07-22 2020-11-20 中国南方电网有限责任公司电网技术研究中心 一种含微水油浸绝缘纸板含水量及极化形式的检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
PATRICK J.BAIRD 等: "On-Site Analysis of Transformer Paper Insulation Using Portable spectroscopy for chemometric prediction of aged condition", 《IEEE TRANSACTIONS ON DIELECTRICS AND ELECTRICAL INSULATION》 *
李元 等: "《利用近红外光谱定量评估绝缘纸聚合度的建模方法研究》", 《中国电机工程学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114166777A (zh) * 2021-11-30 2022-03-11 海南电网有限责任公司电力科学研究院 一种用于绝缘纸的近红外光谱影响因素校正方法
CN114166777B (zh) * 2021-11-30 2023-09-01 海南电网有限责任公司电力科学研究院 一种用于绝缘纸的近红外光谱影响因素校正方法

Similar Documents

Publication Publication Date Title
CN113447452A (zh) 一种用于绝缘纸光谱的水分影响因素校正方法及系统
Soleimani et al. Simple linear profiles monitoring in the presence of within profile autocorrelation
CN110503156B (zh) 一种基于最小相关系数的多变量校正特征波长选择方法
CN109086527A (zh) 一种基于风电机组运行状态的实用化等值建模方法
CN113391244B (zh) 一种基于vmd的变压器合闸振动信号特征频率计算方法
CN111783696A (zh) 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法
CN111912519A (zh) 基于声纹频谱分离的变压器故障诊断方法及装置
CN114062993A (zh) 一种基于时间卷积网络的cvt误差状态预测方法
CN114966295A (zh) 一种基于大数据的超级电容运行电力调频检测系统
CN115565028A (zh) 变压器油老化检测方法、检测系统、电子设备及可读存储介质
CN102542284B (zh) 辨识光谱的方法
CN114088660B (zh) 一种基于稳健波长筛选的绝缘纸含水量评估方法
CN109001148B (zh) 一种近红外光谱典型相关分析融合的茶籽油多元掺伪检测方法
CN109521387B (zh) 获取电容式电压互感器谐波传递特性的方法及系统
CN114925732B (zh) 基于调节因子自适应选取的s变换电能质量扰动识别方法
CN111521568B (zh) 一种基于光谱角的土壤含水量预测方法
CN110618985B (zh) 一种基于改进奇异谱的包含乘性噪声数据序列处理方法
CN115270857A (zh) 基于数据融合的变电站故障诊断方法
CN110118749B (zh) 一种基于近红外光谱的果蔬农药残留检测方法
Zhang et al. Power quality data compression based on iterative pca algorithm in smart distribution systems
CN114166764A (zh) 基于特征波长筛选的光谱特征模型的构建方法及装置
CN111990992A (zh) 一种基于脑电的自主运动意图识别方法及系统
CN117054371A (zh) 一种手持柑桔检测仪光谱信号校正方法
CN116908518B (zh) 一种带剩余电流检测的采集终端
CN115360726B (zh) 一种次同步振荡传播关键影响因素识别方法及系统

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