基于支持向量回歸的光聲光譜信號溫度和濕度校正方法

馬鳳翔,趙躍,崔方曉,李大成

(1國網安徽省電力有限公司電力科學研究院,安徽 合肥 230022;2中國科學院合肥物質科學研究院安徽光學精密機械研究所,中國科學院通用光學定標與表征技術重點實驗室,安徽 合肥 230031)

0 引言

隨著泛在電力物聯(lián)網的建設,我國將逐步建立具有狀態(tài)全面感知和信息高效處理等特征的智慧能源系統(tǒng)。智能傳感是泛在電力物聯(lián)網的核心基礎技術,實時在線診斷電氣設備的故障及老化狀態(tài)是保證電網安全運行和實現設備高效檢修的關鍵因素。大型變壓器絕緣油溶解氣體分析(DGA)是變壓器運行狀態(tài)監(jiān)測和故障診斷的有效方法[1]?；诠饴暪庾V檢測原理的變壓器油溶解氣體在線分析監(jiān)測技術是目前電力系統(tǒng)常用的變壓器在線監(jiān)測技術。

非共振光聲光譜檢測技術不需要進行氣體分離,可以實現乙炔(C2H2)、乙烯(C2H4)、甲烷(CH4)等特征氣體組分檢測[2]。非共振光聲光譜技術具有結構簡單、測量種類多、成本相對較低的優(yōu)點,通過更換濾光片即可實現多種氣體的檢測。國外比較成熟的商用儀器主要有美國GE公司的變壓器油在線Tranf ix系列儀器,荷蘭Innova公司的1412系列氣體分析儀器。Bertrand等[3]利用Innova光聲光譜儀開展了農場含氮氣體監(jiān)測實驗,建立了農場對大氣氮含量源分布模型;GE公司的Tranf ix儀器已經廣泛應用于變壓器油DGA在線監(jiān)測[4],目前在我國變電站也開展了推廣和應用。國內也開展了相關儀器的研制,Zhang等[5]研制了非共振光譜儀用于火災特征氣體和人呼出氨氣檢測,但相對國外成熟商用儀器仍具有一定差距。中國科學院安徽光學精密機械研究所遙感應用組研發(fā)了用于變壓器油DGA的光聲光譜模塊,并針對乙炔開展了驗證實驗。

光聲光譜儀在線檢測油中溶解氣體過程中需要用空氣對光聲池進行吹掃,確保光聲池內無特征氣體殘留。此外由于從油樣中脫出氣體較少,需要補足空氣保證光聲池內壓力與外界一致,因此空氣中的水汽直接干擾了特征氣體濃度的準確性。非共振光聲光譜儀采用了熱輻射光源,光源熱傳導使光聲池在測量過程中升溫,溫度變化也使光聲信號發(fā)生變化。綜上,光聲光譜信號受到環(huán)境溫度、濕度影響,導致背景信號變化,需要對背景信號進行校正,確保光聲光譜系統(tǒng)的穩(wěn)定性和可靠性[6]。通常在實驗室內,測量已知濃度的水汽標定濕度影響,并利用溫度傳感器測量光聲池溫度從而標定溫度影響。但在實際測量中,光聲池溫度受到外界環(huán)境作用,使同一水汽濃度的光聲信號產生較大波動,外界噪聲干擾也使光聲信號具有較大波動,因此迫切需要一種魯棒性較高的校正方法[7]。

本文研究了基于支持向量回歸的光聲光譜信號校正方法,對溫濕度導致的乙炔背景信號變化進行校正,通過測量濕度發(fā)生器產生的不同濕度空氣,以及同時采集的溫度數據,計算溫濕度校正因子,在校正信號穩(wěn)定性和重復性方面與最小二乘法(OLS)進行了對比。

1 基本原理

1.1 光聲光譜原理

光聲池內一部分氣體分子吸收特定波長入射光后,從基態(tài)躍遷至激發(fā)態(tài),處于激發(fā)態(tài)的分子與處于基態(tài)的分子相碰撞,產生無輻射躍遷返回基態(tài),氣體吸收的光能轉變?yōu)榕鲎卜肿又g的平移動能,氣體溫度升高。當入射光以一定頻率(幾十赫茲到幾千赫茲)調制時,氣壓便以同樣頻率調制形成聲波,這一聲波可通過安裝在光聲池上的微音器進行檢測,轉換成電信號,其檢測原理如圖1所示。

圖1 光聲光譜檢測原理示意圖Fig.1 Schematic diagram of photoacoustic spectroscopy detection mechanism

光聲光譜儀結構如圖2所示,熱輻射光源產生的光經過斬波器后產生周期光強,經過濾光片選通特定波長,入射到光聲池產生聲音信號并被微音器采集,鎖相放大器采集微音器信號和斬波信號進行鎖相,輸出電壓信號,同時溫度傳感器測量光聲池溫度。

圖2 光聲光譜儀結構示意圖Fig.2 Schematic diagram of photoacoustic spectrometer structure

不同氣體需要根據其吸收峰位置選用濾光片,盡可能避免相互交叉干擾,但由于空氣中水汽含量大且?guī)缀踉诟鱾€波段都有吸收,還需要對水汽干擾進行校正。此處選用的水汽和乙炔濾光片如圖3所示,濾光片參數為:水汽濾光片中心波長為5.0847μm,半峰全寬為0.1037μm;乙炔濾光片中心波長為3.066μm,半峰全寬為0.0766μm。圖3為水汽和乙炔吸收系數譜,實際空氣中水汽濃度遠遠大于待測乙炔濃度,對乙炔信號具有強烈干擾。

圖3 水汽和乙炔的吸收系數譜及選擇的濾光片Fig.3 Absorbance spectra of water vapor and acetylene and selected filters

在測量過程中,特征氣體背景信號受到外界溫度和水汽的干擾產生較大變化,需要對溫度和濕度進行實時校正。濕度信號通過水汽濾光片進行檢測,溫度信號通過光聲池內置的溫度傳感器檢測。以乙炔為例,背景信號可表達為水汽濾光片電壓值和溫度的線性組合形式,即

式中:Sbg,C2H2表示乙炔濾光片測量的背景電壓值;SH2O表示水汽濾光片測量的電壓值;T表示溫度,單位為?C;ai(i=0,1,2)表示待擬合系數。

其他特征氣體也可以通過相同的方法進行校正。通常在實驗室內,用濕度發(fā)生器產生不同濕度的空氣作為背景樣本,同時結合實測溫度數據擬合上述系數;但由于外界環(huán)境干擾,最小二乘法等傳統(tǒng)回歸方法不具有魯棒性,得到的回歸系數泛化能力較差。針對這一問題,采用支持向量回歸(SVR)方法計算回歸系數。

1.2 支持向量回歸原理

SVR是支持向量機(SVM)的一種運用,基本思路與SVM一致[8?11]。不同之處是在SVR找到支持向量之后,不是尋找一個分界面,而是選擇分界面特定距離以外的數據參與回歸計算[8,12],其基本原理為:對于樣本(x,y),傳統(tǒng)回歸模型通常直接基于模型計算值f(x)與真實值y之間的差別計算損失,而SVR方法僅在f(x)和y之差的絕對值大于ε時計算損失,如圖4所示,在陰影區(qū)域內的數據不參與回歸計算,在陰影區(qū)域外的數據進行回歸。

圖4 SVR原理示意圖Fig.4 Schematic diagram of SVR

利用拉格朗日乘子法,得到SVR的解形式為

SVR回歸方法具有魯棒性,使得回歸模型具有較強穩(wěn)健性和泛化能力,避免沖擊噪聲干擾,適用于有較大環(huán)境干擾的光聲光譜樣本回歸。

2 溫濕度校正算法及實驗驗證

在實驗室內用濕度發(fā)生器產生不同濕度的空氣,溫度通過光聲池壁的溫度傳感器獲取,采集不同溫度、濕度背景作為樣本計算回歸模型。濕度發(fā)生器采用南京英格瑪儀器公司生產的露點檢測系統(tǒng),能夠同時檢測產生水汽的濃度值和流量等數據。利用濕度發(fā)生器產生不同濃度的水汽,每個水汽濃度連續(xù)采集1 h數據,現場如圖5所示。

圖5 光聲光譜儀測量不同濃度水汽實驗現場圖Fig.5 Picture of different concentrations of water vapor experiment measured by photoacoustic spectrometer

連續(xù)檢測的溫度、水汽濾光片和乙炔濾光片電壓信號如圖6所示。濕度發(fā)生器產生了不同體積分數的水汽與干空氣混合氣體,水汽體積分數分別為6×10?3(?0.2?C露點)、2.327×10?3(?11.2?C露點)、1.37×10?4(?39.3?C露點),由圖6(b)、(c)可以看到呈階梯下降的信號。由于光聲光譜儀內使用熱光源,光聲池內部溫度開始測量后逐漸上升到35?C然后穩(wěn)定,乙炔信號也受到溫度影響(如30～34的數據),在儀器關閉并重新啟動后,光聲池內壁溫度又重新進入上升趨勢(如34～44的數據),環(huán)境變化導致水汽和乙炔濾光片信號波動較大,使得水汽校正變得復雜。

圖6 測量的水汽樣本數據。(a)連續(xù)檢測的溫度值;(b)水汽濾光片電壓值;(c)乙炔濾光片電壓值Fig.6 Water vapor sample data.(a)Continuous measured temperature values;(b)Voltage values of water vapor filter;(c)Voltage values of acetylene filter

根據(1)式,分別利用OLS和SVR對實測乙炔數據進行回歸,結果如圖7所示,可以看到測量過程中環(huán)境變化導致實測值產生了較大波動,OLS方法與實測數據比較接近,而SVR方法則與實測數據有一定偏離,顯示了較強的魯棒性。

圖7 用OLS和SVR方法回歸的實測數據Fig.7 Regression of measured databy OLSand SVR

為了對這兩種方法進行對比驗證,利用配氣儀將空氣和不同濃度的乙炔混合,評價校正數據的穩(wěn)定性。如圖8所示,分別配置體積分數為0、5×10?6、2×10?5的乙炔與空氣混合氣體,可以看到由于溫度、水汽等因素變化,空氣電壓值要大于5×10?6的乙炔電壓值,必須進行背景校正。利用OLS和SVR方法校正背景信號,圖8(a)中黑色方塊數據為乙炔濾光片實測值,圓點為OLS方法擬合背景值,三角形為SVR方法擬合背景值?？梢钥吹綄τ诳諝鈹祿?SVR方法擬合效果較好;對于5×10?6、2×10?5的乙炔數據,SVR和OLS兩種方法擬合背景趨勢一致。圖8(b)是校正背景后的乙炔電壓值?？梢钥吹綄τ诳諝鈹祿?SVR方法得到的校正結果比較平穩(wěn);而OLS方法得到的校正結果則存在上升趨勢,證明了SVR方法的泛化能力更好。對于5×10?6、2×10?5的乙炔數據,SVR和OLS兩種方法校正背景后的電壓值變化規(guī)律一致,證明了SVR方法具有更好的穩(wěn)健性。

圖8 不同濃度乙炔與空氣混合氣體電壓值及OLS和SVR背景校正結果(a)原始電壓值及計算背景電壓值;(b)背景校正后的電壓值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

由以上實驗數據可以看到,采集樣本由于溫度、外界干擾作用產生波動,OLS方法考慮每一個樣本的誤差,導致回歸模型穩(wěn)健性較差,而SVR方法通過設定誤差閾值,得到的回歸模型穩(wěn)健性更好,實測數據在背景校正后信號更平穩(wěn)。背景校正是光聲光譜信號處理其中一個步驟,后續(xù)還需要進行多組分氣體的交叉干擾扣除等處理,此處只考慮了溫度、濕度引起的背景變化及校正方法,未考慮多組分氣體交叉干擾,這一問題需要進一步研究。

3 結論

非共振光聲光譜技術是變壓器油中溶解氣體分析的有效技術手段,但由于測量過程中溫度、空氣濕度變化導致背景信號變化,需要對溫度、濕度影響因素進行校正。在采集不同溫度、濕度樣本過程中,由于外界環(huán)境干擾,采集信號會產生較大波動,影響了回歸模型的準確性。利用SVR方法建立回歸模型,有效避免了外部環(huán)境導致的樣本信號波動,并與OLS進行了對比,對于不同濃度的乙炔和空氣混合氣體,用所提出方法進行背景校正后信號更平穩(wěn),對油中溶解氣體的在線檢測具有一定應用價值。