GIS设备内SF废气成分的定量分析方法

被引：4

作者：

蔡涛 ^{[1
]}

王先培 ^{[1
]}

朱晔 ^{[2
]}

机构：

[1] 武汉大学故障诊断与系统集成实验室

[2] 国网电力科学研究院

来源：

高电压技术 | 2010年 / 36卷 / 10期

关键词：

红外光谱技术; 六氟化硫; GIS; 神经网络; 粒子群优化; 高压绝缘;

D O I：

10.13336/j.1003-6520.hve.2010.10.025

中图分类号：

TM595 [全封闭组合电器];

学科分类号：

080801 ;

摘要：

GIS设备绝缘体内SF6气体及其衍生物的组成和体积分数严重影响GIS设备内绝缘气体SF6的绝缘能力,而分析故障GIS设备内SF6气体衍生物及它们的体积分数,可以评估GIS设备发生故障的原因。为了从GIS设备内SF6气体的红外谱图中获取部分特定衍生物的体积分数信息,在差谱法的基础上,采用神经网络模型及粒子群算法对红外谱图进行训练分析,实现了特定衍生物的定量分析。结论表明采用红外谱图方法进行GIS设备绝缘气体部分衍生物的定量分析是可行的。

引用

页码：2478 / 2482

页数：5

共 8 条

[1] 曲线拟合法用于SF6分解组分的重叠色谱峰分离研究(英文) [J].

张晓星 ;

谢颜斌 ;

姚尧 .

高电压技术, 2008, 34 (12) :2708-2712

[2] SF6气体分解组分的多功能试验装置研制 [J].

唐炬 ;

李涛 ;

万凌云 ;

张晓星 ;

姚尧 .

高电压技术, 2008, (08) :1583-1588

[3] SF6放电分解气体组分分析的现状和发展 [J].

张晓星 ;

姚尧 ;

唐炬 ;

孙才新 ;

万凌云 .

高电压技术, 2008, (04) :664-669+747

[4] 高压变电站室内SF浓度的红外激光吸收检测方法研究 [J].

王东方 ;

魏庆农 ;

刘世胜 ;

方武 ;

冯巍巍 .

大气与环境光学学报, 2008, (02) :139-141

[5] 基于粒子群优化的神经网络训练算法研究 [J].

高海兵 ;

高亮 ;

周驰 ;

喻道远 .

电子学报, 2004, (09) :1572-1574

[6] 基于粒子群优化的BP网络学习算法 [J].

王岁花 ;

冯乃勤 ;

李爱国 .

计算机应用与软件, 2003, (08) :74-76

[7] 通过检测SO2发现SF6电气设备故障 [J].

张仲旗 ;

连鸿松 .

中国电力, 2001, (01) :78-81

[8]

Gas analysis by infrared spectroscopy as a tool for electrical fault diagnostics in SF6 insulated equipment[J] . H. M. Heise,R. Kurte,P. Fischer,D. Klockow,P. R. Janissek.Fresenius’ Journal of Analytical Chemistry . 1997 (7-8)

← 1 →