基于聲速頻散譜弛豫特征的油中溶解氣體檢測(cè)方法

張向群，王曉靜，劉婷婷，杜根遠(yuǎn), 張 帆

基于聲速頻散譜弛豫特征的油中溶解氣體檢測(cè)方法

張向群1，王曉靜2，劉婷婷3，杜根遠(yuǎn)1, 張 帆1

(1.許昌學(xué)院信息工程學(xué)院，河南 許昌 461000；2.河南輕工職業(yè)學(xué)院機(jī)電工程系，河南 鄭州 450008；3.湖北第二師范學(xué)院物理與電子信息學(xué)院，湖北 武漢 430205)

針對(duì)傳統(tǒng)氣體檢測(cè)方法難以滿(mǎn)足電力運(yùn)營(yíng)部門(mén)大范圍低成本實(shí)時(shí)監(jiān)控油浸式電力設(shè)備問(wèn)題，提出一種利用3個(gè)頻率點(diǎn)聲速測(cè)量值獲取聲速頻散譜弛豫特征進(jìn)行氣體監(jiān)測(cè)方法。首先，通過(guò)推導(dǎo)有效壓縮系數(shù)與聲弛豫過(guò)程理論公式，簡(jiǎn)化聲速頻散譜表達(dá)式。其次，根據(jù)不同頻率點(diǎn)聲速測(cè)量值重建聲速頻散譜，抽取油浸式電力設(shè)備故障氣體聲速頻散譜弛豫聲速和弛豫頻率。最終，利用弛豫特征定性定量檢測(cè)氣體成分。仿真結(jié)果顯示重建聲速頻散譜與實(shí)驗(yàn)數(shù)據(jù)相符，完成了CH4、CO2等多種氣體檢測(cè)，為實(shí)時(shí)在線監(jiān)測(cè)電力設(shè)備油中溶解氣體成分提供一種低成本、測(cè)量簡(jiǎn)單的聲學(xué)方法。

油中溶解氣體分析；聲弛豫；電力設(shè)備；氣體監(jiān)測(cè)；聲速頻散譜

0 引言

油浸式變壓器等電力設(shè)備是變電站、輸電、配電網(wǎng)核心設(shè)備，這些設(shè)備正常運(yùn)行關(guān)乎電力系統(tǒng)的安全穩(wěn)定[1-3]。油浸式電力設(shè)備在長(zhǎng)期運(yùn)行中因局部放電、過(guò)熱等因素導(dǎo)致設(shè)備故障，同時(shí)產(chǎn)生CH4、H2、CO2、N2、CO、C2H6、C2H4和C2H2等氣體，并溶解于油中。因此，分析油中溶解氣體成分及濃度是診斷油浸式電力設(shè)備故障類(lèi)型和排除隱患的有效方法[4-7]。文獻(xiàn)[8]通過(guò)監(jiān)測(cè)油中溶解H2濃度判斷油浸式變壓器局部放電或受潮。電力部門(mén)通常根據(jù)CO2氣體濃度變化分析變壓器溫度及固體絕緣老化程度，基于O2濃度判斷變壓器是否密閉，監(jiān)測(cè)CH4獲取變壓器熱源溫度。

目前電力設(shè)備油中溶解氣體監(jiān)測(cè)技術(shù)和方法已較成熟[9]，但有些指標(biāo)仍未滿(mǎn)足電力設(shè)備運(yùn)營(yíng)部門(mén)的需求。傳統(tǒng)氣相色譜技術(shù)檢測(cè)環(huán)境受恒溫恒壓等條件限制。此外，該方法需標(biāo)定氣體色譜柱和載氣推進(jìn)，色譜柱需定期更換，導(dǎo)致運(yùn)行成本較高。受其設(shè)備價(jià)格及技術(shù)力量限制，電力部門(mén)難以保證每個(gè)變電站均配備常規(guī)油色譜分析儀，導(dǎo)致管理人員無(wú)法隨時(shí)掌握變壓器運(yùn)行狀況。隨著我國(guó)電力物聯(lián)網(wǎng)和國(guó)家能源互聯(lián)網(wǎng)快速發(fā)展，傳統(tǒng)油色譜技術(shù)已不能滿(mǎn)足電力設(shè)備運(yùn)營(yíng)部門(mén)大范圍、低成本、實(shí)時(shí)監(jiān)控油浸式電力設(shè)備的需求。近年來(lái)，一些學(xué)者嘗試將新技術(shù)應(yīng)用于油浸式電力設(shè)備氣體監(jiān)測(cè)：文獻(xiàn)[10]研制基于可調(diào)諧激光吸收光譜技術(shù)的變壓器油中溶解氣體在線檢測(cè)裝置；文獻(xiàn)[11]利用光聲光譜技術(shù)有效檢測(cè)油浸式電氣設(shè)備油中溶解氣體含量；文獻(xiàn)[12]提出基于近紅外激光和光聲光譜技術(shù)的油浸式電力設(shè)備氣體檢測(cè)；文獻(xiàn)[13]采用電化學(xué)檢測(cè)技術(shù)分析密閉環(huán)境下電力設(shè)備局部放電空氣成分變化。

基于聲弛豫的超聲氣體傳感技術(shù)是當(dāng)前熱門(mén)氣體傳感前沿技術(shù)之一，其工作原理是不同成分和濃度氣體分子在聲傳播過(guò)程中呈現(xiàn)不同聲弛豫特性，宏觀上表現(xiàn)為在一定環(huán)境溫度和壓強(qiáng)下聲速和聲弛豫吸收譜系數(shù)隨聲頻率、氣體成分及濃度不同而變化[14]。與光譜氣體傳感技術(shù)類(lèi)似，油浸式變壓器等電力設(shè)備發(fā)生故障時(shí)產(chǎn)生的氣體有顯著聲弛豫特征，因此可用于檢測(cè)電力設(shè)備油中溶解氣體成分。與傳統(tǒng)油色譜、半導(dǎo)體和電化學(xué)傳感、光纖等油中溶解氣體傳感技術(shù)[15]相比，基于聲弛豫理論的超聲氣體傳感器壽命長(zhǎng)，無(wú)需定期校正，受工作環(huán)境影響小，具有易于大規(guī)模應(yīng)用、可無(wú)損檢測(cè)易燃易爆氣體等優(yōu)點(diǎn)[16-17]。本研究方法降低油中溶解氣體檢測(cè)裝置成本和維護(hù)費(fèi)用，較好地滿(mǎn)足了電力設(shè)備運(yùn)營(yíng)部門(mén)大范圍、低成本、實(shí)時(shí)監(jiān)控油浸式電力設(shè)備的需求。

傳統(tǒng)聲弛豫超聲氣體傳感技術(shù)通過(guò)測(cè)量不同頻率點(diǎn)聲速和聲弛豫吸收譜系數(shù)進(jìn)行氣體探測(cè)，然而測(cè)量聲弛豫吸收譜系數(shù)的設(shè)備復(fù)雜、測(cè)量操作繁瑣且測(cè)量精度低[18]。本文在Kneser經(jīng)典聲弛豫理論[19]、聲速測(cè)量值重建聲弛豫吸收譜系數(shù)方法[14]的基礎(chǔ)上，將流體聲速理論壓縮系數(shù)擴(kuò)展為聲弛豫過(guò)程有效壓縮系數(shù)，通過(guò)三頻點(diǎn)聲速測(cè)量值，合成弛豫氣體絕熱定壓弛豫時(shí)間和弛豫強(qiáng)度，重建聲速頻散譜，最終抽取聲速頻散譜弛豫頻率和弛豫聲速，定性定量檢測(cè)氣體成分，仿真結(jié)果驗(yàn)證該方法的有效性。

1 聲速頻散譜弛豫特征算法

1.1 理論算法

根據(jù)式(2)—式(4)，推導(dǎo)高頻有效壓縮系數(shù)、聲速頻散譜及聲弛豫吸收譜系數(shù)關(guān)系為

1.2 理論算法驗(yàn)證

本節(jié)展示如何通過(guò)三頻率點(diǎn)聲速測(cè)量值重建聲速頻散譜曲線，進(jìn)而得到弛豫聲速和弛豫頻率，與此同時(shí)將仿真結(jié)果、實(shí)驗(yàn)數(shù)據(jù)和理論曲線進(jìn)行對(duì)比。圖1顯示CO2理論曲線、重構(gòu)曲線和實(shí)驗(yàn)數(shù)據(jù)[25]。從圖1選擇三頻率點(diǎn)20 kHz、55 kHz、95 kHz聲速測(cè)量值(需要滿(mǎn)足三頻率點(diǎn)聲速值隨頻率依次增大)重建聲速頻散譜曲線，計(jì)算得到聲速頻散譜弛豫特征。圖1中黑色實(shí)線表示通過(guò)文獻(xiàn)[26]混合氣體復(fù)合弛豫解耦模型生成的理論聲速頻散譜曲線，電子彩版中紅色虛線代表利用本文式(9)重建的聲速頻散譜曲線。圖1重建聲速頻散譜曲線與理論曲線、實(shí)驗(yàn)數(shù)據(jù)均吻合，驗(yàn)證該重建方法的有效性。

圖1 CO2理論聲速頻散譜曲線、重建聲速頻散譜曲線與實(shí)驗(yàn)數(shù)據(jù)比較

圖1中CO2氣體弛豫過(guò)程以分子振動(dòng)弛豫為主，下面討論分子轉(zhuǎn)動(dòng)弛豫為主的特殊氣體(H2)。根據(jù)氣體聲弛豫理論可知，振動(dòng)弛豫和轉(zhuǎn)動(dòng)弛豫過(guò)程均來(lái)源于氣體分子的內(nèi)自由度(轉(zhuǎn)動(dòng)和振動(dòng))和外自由度(平動(dòng))能量交換，本質(zhì)類(lèi)似。圖2顯示H2和CO2混合氣體理論聲速頻散譜曲線、重建聲速頻散譜曲線與實(shí)驗(yàn)數(shù)據(jù)比較。圖中圓圈表示文獻(xiàn)[27]中溫度為303.15 K，一個(gè)大氣壓實(shí)驗(yàn)環(huán)境下2%H2-98% CO2聲速測(cè)量值。選擇重建聲速頻散譜三頻率點(diǎn)分別為78 kHz、780 kHz、3.6 MHz，黑色實(shí)線代表由復(fù)合弛豫解耦模型生成的理論聲速頻散譜曲線，聲速頻散譜曲線(電子彩版中紅色虛線)由本文式(9)重構(gòu)合成。圖2顯示重建聲速頻散譜曲線與理論曲線、文獻(xiàn)[27]實(shí)驗(yàn)數(shù)據(jù)均吻合，驗(yàn)證該重建方法有效。

圖2 2%H2 -98% CO2理論聲速頻散譜曲線、重建曲線與實(shí)驗(yàn)數(shù)據(jù)比較圖

2 油浸式電力設(shè)備故障氣體聲弛豫特征分析

油浸式電力設(shè)備如變壓器發(fā)生故障時(shí)產(chǎn)生CH4、C2H6、C2H4、C2H2、H2、CO、CO2等特征氣體，這些氣體的內(nèi)部分子結(jié)構(gòu)具有顯著差異從而產(chǎn)生不同弛豫過(guò)程，導(dǎo)致氣體聲速頻散譜的弛豫頻率和弛豫聲速具有唯一性。利用該特性可監(jiān)測(cè)和分析油中溶解氣體類(lèi)型及濃度，準(zhǔn)確診斷油浸式電力設(shè)備是否存在潛伏性故障，是否需要維護(hù)，從而延長(zhǎng)設(shè)備壽命，減小故障發(fā)生概率。表1顯示不同故障氣體聲速頻散譜弛豫特征，由聲弛豫理論模型計(jì)算，溫度為296.6 K，壓強(qiáng)為一個(gè)大氣壓。由表1數(shù)據(jù)可知：H2分子量最小，弛豫聲速值最大；CO和C2H4分子量相同，聲速近似相等，然而兩者弛豫頻率差值較大，分別為5551 Hz和887 321 Hz。由此表明，本研究可根據(jù)氣體聲速頻散譜的弛豫聲速和弛豫頻率從兩個(gè)維度定性定量檢測(cè)氣體。

圖3顯示由理論弛豫模型生成CH4、CO2和N2等混合氣體聲速頻散譜弛豫頻率和弛豫聲速隨氣體濃度變化情況。由圖3可知，CO2和CH4在背景氣體N2下的濃度變化0~100%，混合氣體聲速頻散譜的弛豫頻率和弛豫聲速值隨之變化，且沒(méi)有相同值。

表1 油中溶解氣體聲速頻散譜弛豫特征

圖3 CH4和CO2在N2背景下聲速頻散譜的弛豫特征隨濃度變化圖

如圖3所示，當(dāng)CO2在背景氣體N2中的濃度為61 PPM時(shí)，計(jì)算得到的弛豫頻率為16 713.48 Hz，弛豫聲速為348.8102 m/s；當(dāng)CO2的濃度增大到80 PPM時(shí)，弛豫頻率為16 713.27 Hz，弛豫聲速為348.8082 m/s。與此同時(shí)，當(dāng)混合氣體CH4-N2中CH4濃度為74 PPM時(shí)，弛豫頻率為32 029.56 Hz，弛豫聲速為348.8401 m/s；當(dāng)CH4的濃度增大到89 PPM時(shí)，弛豫聲速為348.8411 m/s，弛豫頻率為32 028.04 Hz。因此，當(dāng)油浸式電力設(shè)備發(fā)生故障產(chǎn)生CO2或CH4氣體時(shí)，可以通過(guò)本文提出的方法監(jiān)測(cè)氣體CO2或CH4濃度，最終判斷故障類(lèi)型，過(guò)程如下：1) 測(cè)量三頻率點(diǎn)聲速值，抽取聲速頻散譜弛豫特征；2) 根據(jù)弛豫頻率和弛豫聲速坐標(biāo)定位在不同曲線上探測(cè)未知?dú)怏w種類(lèi)CO2或CH4；3) 最后將弛豫頻率和弛豫聲速與標(biāo)準(zhǔn)弛豫特征數(shù)據(jù)庫(kù)對(duì)比計(jì)算CO2或CH4濃度，從而判斷油浸式電力設(shè)備故障類(lèi)型。

綜上所述，與基于經(jīng)典聲速檢測(cè)氣體方法相比，本方法能夠獲取氣體分子弛豫信息，對(duì)于相同分子量混合氣體仍有效。與文獻(xiàn)[24]基于聲弛豫吸收譜峰值點(diǎn)探測(cè)CO2-N2、CH4-N2混合氣體相比，本文基于聲速頻散譜的弛豫特征方法減少了聲弛豫吸收譜系數(shù)測(cè)量，且聲速測(cè)量精度更高，因此探測(cè)結(jié)果更為準(zhǔn)確。此外，某些氣體(如H2或摻氫混合氣體)弛豫發(fā)生在高頻階段，此時(shí)經(jīng)典弛豫信號(hào)級(jí)數(shù)倍增大，導(dǎo)致聲弛豫吸收譜信號(hào)淹沒(méi)于噪聲，增加測(cè)量難度和設(shè)備復(fù)雜度，而本文基于聲速頻散譜方法在高頻階段不受經(jīng)典弛豫影響，適用性更強(qiáng)。

3 氣體檢測(cè)及結(jié)果分析

3.1 實(shí)驗(yàn)設(shè)備

實(shí)驗(yàn)設(shè)備用于測(cè)量不同頻率聲速和聲弛豫吸收譜系數(shù)，其工作原理是利用氣體聲弛豫頻率和壓強(qiáng)成正比關(guān)系。實(shí)驗(yàn)設(shè)備整體實(shí)物圖如圖4所示，具有氣體腔體、真空泵、溫濕度傳感器、數(shù)據(jù)采集卡、壓強(qiáng)計(jì)、上位機(jī)、控制板、步進(jìn)電機(jī)、超聲波發(fā)送和接收等模塊。不銹鋼腔體承受負(fù)壓， 7組固定頻率(25 kHz、40 kHz、75 kHz、100 kHz、200 kHz、300 kHz、300 kHz)超聲波收發(fā)換能器安裝腔體內(nèi)，如圖5所示，信號(hào)線和電源線通過(guò)高壓航空插頭引出，供測(cè)量使用。溫濕度傳感器用于監(jiān)測(cè)腔體內(nèi)氣體溫度和濕度。真空泵為雙極旋片，抽速為16 mm3/h，極限真空達(dá)1 Pa，真空泵上端尾氣收集軟管，便于真空泵室外排氣。數(shù)據(jù)采集卡代替示波器測(cè)量實(shí)驗(yàn)設(shè)備發(fā)送信號(hào)和接收信號(hào)之間的延遲時(shí)間。超聲波換能器發(fā)送及接收模塊安裝于光學(xué)導(dǎo)軌，單片機(jī)控制步進(jìn)電機(jī)轉(zhuǎn)動(dòng)，從而改變發(fā)送和接收端之間距離。

圖4 實(shí)驗(yàn)設(shè)備實(shí)物圖

圖5 超聲波換能器傳感器

圖6 實(shí)驗(yàn)設(shè)備背面圖

3.2 氣體檢測(cè)

測(cè)量前，首先開(kāi)啟真空泵將腔體壓強(qiáng)抽至0.001 一個(gè)大氣壓，其次打開(kāi)氣瓶閥門(mén)，充入一個(gè)大氣壓N2(純度為99.99%)至腔體，重復(fù)上述步驟兩次以保證腔體內(nèi)部實(shí)驗(yàn)氣體純度，最終裝入待測(cè)氣體。為保持接收信號(hào)穩(wěn)定，測(cè)量過(guò)程中腔體內(nèi)超聲波換能器接收模塊保持固定不動(dòng)。上位機(jī)發(fā)送命令，波形發(fā)生器產(chǎn)生不同測(cè)量頻率正弦波信號(hào)，經(jīng)模擬電路放大后，激勵(lì)超聲波換能器發(fā)送超聲信號(hào)，傳播于氣體介質(zhì)中，接收超聲波換能器接收發(fā)送信號(hào)，經(jīng)放大電路和AD轉(zhuǎn)換，最終通過(guò)LabView數(shù)據(jù)采集或示波器計(jì)算時(shí)間延遲和聲速。單片機(jī)控制步進(jìn)電機(jī)實(shí)現(xiàn)超聲波發(fā)送模塊前進(jìn)或后退，改變發(fā)送端和接收端之間的距離。為避免衍射和波形失真，不同頻率超聲波換能器發(fā)送和接收模塊距離保持一定范圍，頻率大于300 kHz時(shí)收發(fā)換能器之間距離為10~60 mm，頻率為25~100 kHz時(shí)收發(fā)換能器之間距離為30~150 mm。圖4—圖6實(shí)驗(yàn)設(shè)備用于實(shí)驗(yàn)室階段測(cè)量，便于模擬不同工業(yè)環(huán)境和建立標(biāo)準(zhǔn)氣體數(shù)據(jù)庫(kù)，實(shí)際環(huán)境中測(cè)量設(shè)備僅需3對(duì)收發(fā)超聲波換能器。圖7顯示測(cè)量過(guò)程示波器獲取超聲波發(fā)送信號(hào)(黃色)和接收信號(hào)(綠色)。

圖7 頻率為42 kHz時(shí)的發(fā)送和接收信號(hào)

油浸式電力設(shè)備氣體檢測(cè)關(guān)鍵技術(shù)為分離氣體和檢測(cè)氣體，具體過(guò)程如下：首先進(jìn)行現(xiàn)場(chǎng)油浸式電力設(shè)備油樣采集，采用IEC標(biāo)準(zhǔn)動(dòng)態(tài)頂空脫氣方法將溶解于油浸式電力設(shè)備的油氣分離出來(lái)，然后載氣輸入，不同類(lèi)型氣體分時(shí)段流出，進(jìn)入本文的超聲波氣體傳感器，測(cè)量不同頻率點(diǎn)氣體聲速數(shù)據(jù)，經(jīng)通信模塊發(fā)至上位機(jī)，上位機(jī)根據(jù)聲速測(cè)量值獲取氣體聲速頻散譜弛豫頻率和弛豫聲速等數(shù)據(jù)，與氣體標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)進(jìn)行比較，得到氣體類(lèi)型和濃度，并根據(jù)氣體種類(lèi)和濃度分析電力設(shè)備故障類(lèi)型，診斷電力設(shè)備是否正常運(yùn)行，及時(shí)處理異常情況。根據(jù)國(guó)家電網(wǎng)公司企業(yè)標(biāo)準(zhǔn)Q/GDW 540.2-2010變電設(shè)備在線監(jiān)測(cè)裝置檢驗(yàn)規(guī)范中第二部分“變壓器油中溶解氣體在線監(jiān)測(cè)裝置”，CO2氣體濃度檢測(cè)范圍為25~15 000 PPM，CO氣體濃度檢測(cè)范圍為25~5000 PPM，H2的氣體檢測(cè)范圍為2~2000 PPM，CH4氣體濃度檢測(cè)范圍為0.5 ~1000 PPM，測(cè)量誤差要求不大于±30%。

由于客觀原因無(wú)法采集電力設(shè)備現(xiàn)場(chǎng)油樣及缺乏油氣分離設(shè)備，本文以文獻(xiàn)[11]氣體油樣濃度為例進(jìn)行檢測(cè)和分析。表2顯示4種油中溶解氣體的測(cè)量數(shù)值和誤差。由于H2對(duì)紅外光無(wú)吸收，文獻(xiàn)[11]無(wú)H2測(cè)量數(shù)據(jù)，因此本文表2第4行第3列為空。由表2可知，以氣相色譜數(shù)據(jù)為標(biāo)準(zhǔn)值與本文探測(cè)結(jié)果進(jìn)行比較，CO2氣體探測(cè)誤差小于10%，H2和CH4的誤差大于10%，滿(mǎn)足氣體檢測(cè)標(biāo)準(zhǔn)誤差范圍(小于30%)。聲速具體測(cè)量過(guò)程與誤差修正請(qǐng)查閱文獻(xiàn)[21]。

表2 油中溶解氣體檢測(cè)結(jié)果

下面以實(shí)際工況為例進(jìn)行檢測(cè)，如表3所示。某大型鋼鐵廠二期工程新建一座110 kV變電站，投入運(yùn)營(yíng)一個(gè)月后，發(fā)現(xiàn)H2含量達(dá)到539.4 PPM，超出H2規(guī)定的報(bào)警值150 PPM，表3第2列數(shù)據(jù)記錄的是2018年9月15日變壓器實(shí)際工況中油中氣體色譜數(shù)據(jù)[28]，表3中第3列和第4列顯示本文探測(cè)的結(jié)果和誤差。

通過(guò)表2和表3可知，氣體檢測(cè)濃度大于100 PPM時(shí)，本方法探測(cè)結(jié)果誤差較小，在±20%以?xún)?nèi)。當(dāng)氣體濃度為1~100 PPM時(shí)，本文方法探測(cè)誤差相對(duì)較大，原因是隨氣體濃度減少，需高精度的超聲傳感器[29]。

4 結(jié)論

本文提出一種基于聲速頻散譜弛豫特征的油中溶解氣體檢測(cè)方法，首先利用三頻率點(diǎn)聲速測(cè)量值重建聲速頻散譜，抽取弛豫特征，根據(jù)弛豫頻率和弛豫聲速與氣體成分對(duì)應(yīng)關(guān)系，檢測(cè)氣體成分及濃度。仿真結(jié)果驗(yàn)證了該方法的有效性。與較為成熟的紅外吸收、光譜、半導(dǎo)體和電化學(xué)等氣體探測(cè)技術(shù)相比，雖然本方法測(cè)量精度相對(duì)較低，探測(cè)誤差相對(duì)較大，但符合國(guó)家電網(wǎng)公司企業(yè)標(biāo)準(zhǔn)Q/GDW 540.2-2010變電設(shè)備油中溶解氣體監(jiān)測(cè)裝置檢驗(yàn)規(guī)范(±30%之內(nèi))。此外，本方法采用的超聲波氣體換能器價(jià)格低，一對(duì)超聲波換能器僅幾百元，且壽命長(zhǎng)，無(wú)需校準(zhǔn)。由于H2對(duì)紅外光無(wú)吸收，基于紅外吸收和光聲光譜技術(shù)油中溶解氣體檢測(cè)方法難以檢測(cè)H2，需額外采購(gòu)H2傳感器，增加氣體檢測(cè)成本。然而，本研究方法能檢測(cè)多種氣體包括H2，減少氣體傳感器數(shù)量。綜上，本文提出的基于聲速頻散譜弛豫特征氣體檢測(cè)方法可大規(guī)模應(yīng)用于變電站、天然氣發(fā)電廠、電力物聯(lián)網(wǎng)等電力部門(mén)設(shè)備氣體檢測(cè)。

基于聲弛豫的超聲氣體探測(cè)理論屬于量子力學(xué)、信號(hào)處理、熱力學(xué)等學(xué)科交叉領(lǐng)域，目前處于快速發(fā)展階段。隨著研究進(jìn)一步深入，基于聲弛豫的氣體傳感技術(shù)尚存在不足，在測(cè)量精度方面有較大提升空間，未來(lái)應(yīng)用前景廣闊。

[1] MEIRA M, VERUCCHI C, ALVAREZ R et al. Dissolved gas analysis in mineral oil and natural ester liquids from thermal faults[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2021, 28(4): 1317-1325.

[2] CHEN K, GUO M, YANG B, et al. Highly sensitive optical fiber photoacoustic sensor for in situ detection of dissolved gas in oil[J]. IEEE Transactions on Instrumentation and Measurement, 2021, 70: 1-8.

[3] 江軍. 基于光學(xué)傳感技術(shù)的變壓器油中溶解氣體傳感研究[D]. 北京: 華北電力大學(xué), 2016.

JIANG Jun. Dissolved gases detection in power transformer oil based on optical sensing techniques[D]. Beijng: North China Electric Power University, 2016.

[4] ZHAO P, LI T, ZHANG D. Absorption of dissolved gas molecules in the transformer oil on silver-modified (002) planes of molybdenum diselenide monolayer: a DFT study[J]. Journal of Physics: Condensed Matter, 2021, 33: 1-11.

[5] 黃志亮, 王懷興, 陽(yáng)同光, 等. 儲(chǔ)能鋰離子電池包單體內(nèi)部溫度壓力模擬[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(15): 138-146.

HUANG Zhiliang, WANG Huaixing, YANG Tongguang, et al. Simulation of internal temperature and pressure for cells in an energy storage lithiumion battery[J]. Power System Protection and Control, 2022, 50(15): 138-146.

[6] 張國(guó)治, 陳康, 方榮行, 等. 基于DGA與鯨魚(yú)算法優(yōu)化LogitBoost-決策樹(shù)的變壓器故障診斷方[J/OL].電力系統(tǒng)保護(hù)與控制: 1-11[2022-11-13]. http://kns.cnki.net kcms/detail/41.1401.tm.20220927.2131.006.html.

ZHANG Guozhi, CHEN Kang, FANG Rongxing, et al. Transformer fault diagnosis method based on DGA and whale algorithm optimizing LogitBoost-decision tree[J]. Power System Protection and Control: 1-11[2022-11-13]. http://kns.cnki.net/kcms/detail/41.1401.tm.20220927.2131.006.html.

[7] ZHOU Q, ZHANG G, TIAN S, et al. First-principles insight into Pd-Doped ZnO monolayers as a promising scavenger for dissolved gas analysis in transformer oil[J]. ACS Omega, 2020, 5(28): 17801-17807.

[8] 田光哲. 變壓器油溶解氣中氫氣的檢測(cè)方法研究[D]. 大連: 大連理工大學(xué), 2021.

TIAN Guangzhe. Research on detection method of hydrogen in transformer dissolved gas-in-oil[D]. Dalian: Dalian University of Technology, 2021.

[9] 潘育龍. 變壓器油中溶解氣體在線監(jiān)測(cè)技術(shù)的研究[D]. 鄭州: 鄭州大學(xué), 2019.

PAN Yulong. Research on on-line monitoring technology of dissolved gas in transformer oil[D]. Zhengzhou: Zhengzhou University, 2019.

[10] 陳楊, 戴景民, 王振濤, 等. 基于近紅外TDLAS變壓器油中溶解氣體在線檢測(cè)裝置[J]. 光譜學(xué)與光譜分析, 2021, 41(12): 3712-3716.

CHEN Yang, DAI Jingmin, WANG Zhentao, et al. A near-infrared TDLAS online detection device for dissolved transformer oil[J]. Spectroscopy and Spectral Analysis, 2021, 41(12): 3712-3716.

[11] 毛知新, 文勁宇. 光聲光譜技術(shù)在油浸式電氣設(shè)備故障氣體檢測(cè)中的應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(7): 76-82.

MAO Zhixin, WEN Jinyu. Dissolved gas analysis in oil-immersed equipment based on photeacoustic spectroscopy[J]. Power System Protection and Control, 2015, 43(7): 76-82.

[12] 馬鳳翔, 田宇, 陳珂, 等. 基于微型光聲傳感器的油中溶解氣體檢測(cè)技術(shù)[J]. 光學(xué)學(xué)報(bào), 2020, 40(7): 1-7.

MA Fengxiang, TIAN Yu, CHEN Ke, et al. Technique for detection of dissolved gas in oil based on miniature photoacoustic sensor[J]. Acta Optica Sinica, 2020, 40(7): 1-7.

[13] 劉寶升, 王滌, 馬愛(ài)軍. 封閉環(huán)境空氣局部放電組分研究[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(9): 21-28.

LIU Baosheng, WANG Di, MA Aijun. Study of the componenets of air under partial discharge condition in closed space[J]. Power System Protection and Control, 2021, 49(9): 21-28.

[14] ZHANG Kesheng, DING Yi, ZHANG Xiangqun, et al. Synthesizing the frequency-dependent sound relaxational absorption by three-frequency sound speeds in excitable gases[J]. Applied Acoustics, 2022, 188: 1-9.

[15] 胡曉靜, 徐鵬, 王海亮, 等. 一起500 kV油浸式電抗器故障調(diào)查及防范措施分析[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(2): 173-178.

HU Xiaojing, XU Peng, WANG Hailiang, et al. Fault analysis preventive measures for a 500 kV oil-immersed reactor[J]. Power System Protection and Control, 2021, 49(2): 173-178.

[16] PALACíN J, MARTíNEZ D, CLOTET E, et al. Application of an array of metal-oxide semiconductor gas sensors in an assistant personal robot for early gas leak detection[J]. Sensors, 2019, 19(9): 1-16.

[17] SEBTAHMADI S S, YAGHMAEE M S, RAISSI B. General modeling and experimental observation of size dependence surface activity on the example of Pt nano-particles in electrochemical CO gas sensors[J]. Sensors & Actuators: B. Chemical, 2019, 285: 310-316.

[18] LIU T, WANG S, ZHU M. A versatile acoustic gas sensing method via extracting intrinsic molecular internal specific heat[J]. Physics Letters, Section A: General, Atomic and Solid State Physics, 2021, 401: 1-7.

[19] MASON W. Physical acoustic[M]. New York: Academic Press, 1965.

[20] LIU T, WANG S, ZHU M. Decomposition of effective specific heat of molecular relaxation for gas detection in a mixture[J]. Journal of the Acoustical Society of America, 2017, 141(3): 1844-1851.

[21] ZHANG X, WANG S, ZHU M. Locating the inflection point of frequency-dependent velocity dispersion by acoustic relaxation to identify gas mixtures[J]. Measurement Science and Technology, 2020, 31(11): 1-9.

[22] PHILLIPS S, DAIN Y, LUEPTOW R M. Theory for a gas composition sensor based on acoustic properties[J]. Measurement Science and Technology, 2003, 14(1): 70-75.

[23] BHATIA A B. Sound and matter (Book reviews: ultrasonic absorption an introduction to the theory of sound absorption and dispersion in gases, liquids, and solids)[J]. Science, 1967: 158-159.

[24] 張克聲, 陳劉奎, 歐衛(wèi)華, 等. 基于聲吸收譜峰值點(diǎn)的天然氣燃燒特性檢測(cè)理論[J]. 物理學(xué)報(bào), 2015, 64(5): 1-8.

ZHANG Kesheng, CHEN Liukui, OU Weihua, et al. A theory for monitoring combustion of natural gas based on the maximum point in sound absorption spectrum[J]. Acta Physica Sinica, 2015, 64(5): 1-8.

[25] SHIELDS F D. Thermal relaxation in carbon dioxide as a function of temperature[J]. The Journal of the Acoustical Society of America, 1957, 29(4): 450-454.

[26] 張向群, 王殊, 朱明. 常溫下氫氣聲轉(zhuǎn)動(dòng)弛豫研究[J]. 物理學(xué)報(bào), 2018, 67(9): 1-11.

ZHANG Xiangqun, WANG Shu, ZHU Ming. Acoustic rotational relaxation of hydrogen around normal temperature[J]. Acta Physica Sinica, 2018, 67(9): 1-11.

[27] BEHNEN S W, ROTHWELL H L, AMME R C. Vibration-rotation energy transfer between CO2 (ν2 ) and orthohydrogen[J]. Chemical Physics Letters, 1971, 8(3): 318-320.

[28] 任立新. 色譜分析法在鋼鐵廠新投運(yùn)110 kV變壓器故障診斷中的應(yīng)用[J]. 電工技術(shù), 2020, 2: 33-34.

REN Lixin. Application of chromatographic analysis in fault diagnosis of newly operated 110 kV transformer in steel plant[J]. Electric Engineering, 2020, 2: 33-34.

[29] YI H, SHU W, MING Z. A relaxation times coupling method to construct acoustic relaxation calibration for two-frequency measuring gas compositions[J]. Applied Acoustics, 2016, 113: 102-108.

Detecting dissolved gas mixtures in electrical equipment oil based on relaxation features of sound speed dispersion

ZHANG Xiangqun1, WANG Xiaojing2, LIU Tingting3, DU Genyuan1, ZHANG Fan1

(1. School of Information Engineering, Xuchang University, Xuchang 461000, China; 2. Department of Mechanical and Electrical Engineering, Henan Light Industry Vocational College, Zhengzhou 450008, China; 3. School of Physics and Electronics Information, Hubei University of Education, Wuhan 430205, China)

The traditional gas detection method cannot meet the requirements of power department monitoring of oil-immersed electrical equipment at low cost and over a large range. Thus this paper presents a monitoring gas method. It uses the measured sound speed at three frequency points to get sound speed dispersion relaxation characteristics. First, the sound speed dispersion expression is simplified by deducing the theoretical formula of effective compressibility and the acoustic relaxation process. From the measured sound speeds at different frequency points, the sound speed dispersion is reconstructed, and the sound speed dispersion relaxation speed and frequency of the fault gas of oil-immersed electrical equipment are extracted. Finally, the gas composition is identified qualitatively and quantitatively using relaxation characteristics. Simulation results show that the reconstructed sound speed dispersion is consistent with the experimental results, and gas mixtures including CH4and CO2are identified. It provides a low-cost acoustic method with simple equipment for online detection of dissolved gas composition from oil-immersed electrical equipment.

oil dissolved gas analysis; acoustic relaxation; electrical equipment; gas monitoring; sound speed dispersion

10.19783/j.cnki.pspc.220494

國(guó)家自然科學(xué)基金項(xiàng)目資助(62071189，62271451)；河南省科技廳項(xiàng)目資助(212102210402)

This work is supported by the National Natural Science Foundation of China (No. 62071189 and No. 62271451).

2022-04-08；

2022-08-25

張向群(1978—)，女，博士，副教授，研究方向?yàn)槁晫W(xué)信號(hào)處理與氣體檢測(cè)；E-mail: dzzxq18@163.com

杜根遠(yuǎn)(1974—)，男，通信作者，博士，教授，研究方向?yàn)橹悄茈娋W(wǎng)信息處理。E-mail: xcdgy@163.com

(編輯 姜新麗)