红外、拉曼光谱的变压器油中糠醛检测方法对比研究

变压器油中的糠醛含量是电力变压器中绝缘老化的重要指标之一,在物质有效识别上红外及拉曼光谱具有检测速度快、分析速率快及无损检测等优势,开展了基于红外、拉曼光谱的变压器油中糠醛检测方法对比,探究适用于变压器油中糠醛红外、拉曼光谱的预处理及定量分析方法。基于傅里叶变换红外光谱仪和激光共聚焦拉曼光谱仪器对实验室配置的糠醛变压器油样检测并采集其光谱数据,采用小波变换、多项式最小二乘法和局部加权回归拟合对采集到的红外及拉曼光谱图进行预处理,综合考虑噪声、分辨率及有效信息丢失等,确定了多项式最小二乘法预处理效果最佳。基于高斯软件建立了糠醛分子模型,通过密度泛函仿真计算,研究了糠醛的红外及拉曼光谱吸收峰归属,结合实验测试光谱图,确定了变压器油中糠醛拉曼、红外检测特征峰分别为1 703和1 704 cm^(-1)。开展了红外及拉曼检测的重复性实验,两种检测方法的相对标准偏差分别为7.21%、 8.67%。通过绘制糠醛红外及拉曼的3D原位光谱图,分析红外及拉曼特征峰面积与不同糠醛浓度变压器油之间的关系,基于最小二乘法建立了变压器油中糠醛检测的红外及拉曼定量分析模型,拟合优度分别为0.998和0.885。对比两种检测方法的定量分析模型预测结果,表明拉曼光谱法检测下限低于红外光谱法,通过多项式最小二乘法预处理的光谱数据所构建的变压器油中糠醛检测红外及拉曼定量分析模型可以很好地预测变压器油中糠醛含量,为相关领域研究提供技术参考。

基于KPCA-SSA-ENN的变压器油界面张力预测

针对目前变压器油界面张力的传统检测方法检测时间长、成本高等问题,提出了基于多频超声检测技术和人工智能算法的界面张力预测方法。对选取的175组变压器油样进行圆环法界面张力检测和多频超声波检测,分析了多频超声波信号的幅频响应、相频响应和界面张力之间的相关性。通过核主成分分析(KPCA)预处理多频超声波数据,划分样本集为140组的训练集和35组的测试集,并建立麻雀搜索算法(SSA)优化Elman神经网络(ENN)的界面张力预测模型,预测平均相对误差为6.53%,预测准确率达到93.47%。