卢亚娟,胡永涛,李 昊,司静静

(1.河南工学院 电气工程与自动化学院,河南 新乡 453003;2.新乡市机械设备运行状态智能监测工程技术研究中心,河南 新乡 453003)

0 引言

在高压或超高压输变电设备中,通常选用SF6气体充当绝缘材料和灭弧介质。在设备正常运行时,SF6气体是稳定的．若高压输变电设备长期处于放电状态,SF6气体将不再稳定并发生分解。通过检测SF6气体分解产物中的H2S气体、SO2气体的含量,可以判断输变电设备的运行状况,通过检测CO气体的含量,可进一步判断潜在的故障。

检测SF6分解产物浓度的传统方法有曲线拟合法、人工神经网络法等。但是在检测SF6气体的分解产物时,这些方法均具有一定的局限性。曲线拟合法只适合单一响应的传感器,因与电化学传感器之间存在交叉干扰,拟合效果并不理想。人工神经网络近年来应用广泛,虽然其在理论上拟合精度高,但是在训练人工神经网络时所需样本数据较多,有时会存在过拟合现象,使最终气体浓度的计算结果并不能满足要求。

支持向量机算法基于结构风险最小化原则,对数据进行拟合,具有良好的泛化能力,并在分类问题和回归问题上得到了广泛应用。最小二乘支持向量机(Least Squares Support Veotor Machine, LS-SVM)由支持向量机发展而来,在优化目标中用二次约束项代替含有松弛变量的一次不等式惩罚项,将二次规划问题转换为线性方程组求解问题,提高了收敛精度,减少了计算量．

本文基于SF6分解产物分析仪,采用最小二乘支持向量机算法计算SF6分解产物中H2S气体、SO2气体和CO气体的浓度,可解决这三种电化学传感器同时工作时产生的交叉干扰问题,提高检测精度。……