采用激光拉曼光谱技术对变压器油纸绝缘老化状态检测是一种有效的方法。 随着样本量的扩充, 亟待处理的数据集维度逐渐增大, 研究适用于高维拉曼光谱数据的变压器油纸绝缘老化评估方法具有重要的意义。 设计与现场变压器内部绝缘结构相似的油纸绝缘环境, 进行加速热老化实验并定期采样, 获取到10类老化程度依次递增的油样本, 采用激光拉曼光谱技术对样本进行检测。 选用复合稀疏导数建模法对样本原始拉曼光谱数据预处理, 可以一步完成去噪与基线校正; 引入差异特征选取方法筛选不同老化程度下光谱中变化显著的特征, 计算同一拉曼频移下不同老化程度的特征点数据集方差, 选择差异较大的数据序列所对应的拉曼特征变量, 设定方差阈值为0.5进行特征选择, 每个样本都从1 023个光谱特征点抽取出304个特征点进行后续分析; 针对变压器油纸绝缘老化拉曼光谱高维样本数据集, 引入多种不同类型的算法对其处理。 分别运用K-means聚类算法、 Fisher算法与随机森林算法对获取到的样本预处理后的数据建立模型, 引入评估准确度、 提升度以及Kappa系数对各算法建立的模型判别效果进行评估。 结果表明: 有监督学习的Fisher算法与随机森林算法效果较好, 相对于无监督学习的K-means聚类算法, 模型判别能力分别提升了1.166 6和1.95, 论证了有监督学习模型在变压器油纸绝缘老化的评估中具有判别优势; 从模型判别准确度和Kappa系数来看, 强分类器随机森林算法建立的判别模型均高于Fisher判别模型, 其准确度提升了10%, 且Kappa系数上升了0.111 5, 论证了随机森林算法作为由多个单一分类器组成的强分类器, 相对单一分类器来说, 在变压器油纸绝缘老化的评估中模型的泛化能力较好, 且模型较为稳定可靠。 通过对三种不同类型的算法对比, 确定了在变压器油纸绝缘老化评估中, 有监督学习强分类器随机森林算法的判别优势, 为变压器油纸绝缘老化的有效评估打下了基础。

油中特征气体(H2, CO, CO2, CH4, C2H4, C2H6, C2H2)的快速准确检测是变压器在线监测的重要环节。 激光拉曼光谱技术适用于特征气体的检测, 能克服传统在线监测的诸多不足。 在拉曼光谱图2 900～3 300 cm-1谱段, 甲烷(CH4)和乙烷(C2H6)气体特征谱峰聚集, 研究此谱段中不同含量比的混合气体样本对变压器油中混合气体定量分析具有重要意义。 在单一特征气体拉曼光谱检测的研究基础上, 选取预处理后光谱图中特征峰的谱峰高度、 半高宽以及谱峰面积多个参量作为特征因素, 对变压器油中混合气体进行定量分析。 以二阶微扰理论分析计算得出, 甲烷拉曼光谱中存在四个特征谱峰, 选取的谱段中包含以3 111与3 284 cm-1为拉曼频移中心的两峰, 乙烷拉曼光谱中存在六个特征谱峰, 选取谱段中存在3 111与3 187 cm-1两峰, 理论上通过谱段中携带的特征谱峰信息能够计算两种气体含量; 通过拉曼光谱平台检测, 混合气体光谱图特征谱峰会产生平移以及聚合, 对光谱图中寻峰得到的中心频移为2 902, 2 918, 2 956和3 022 cm-1的四个混合峰建立高斯函数模型, 得到特征谱峰的谱峰高度、 半高宽以及谱峰面积; 建立偏最小二乘回归模型, 以谱峰高度、 半高宽、 谱峰面积为自变量, 两种气体含量为因变量计算分析。 模型潜在因子取到t6时, 调整后的R2为0.993, 表明自变量与因变量具有确切关系, 回归模型可靠。 对回归方程参数分析发现, 谱峰半高宽相比谱峰面积以及谱峰高度有显著贡献, 符合预期目标, 混合气体光谱图中四个特征谱峰对两种气体均有影响。 通过实验可总结得出, 针对甲烷乙烷混合气体, 在室温25 ℃, 积分时间15 s, 积分次数2, 狭缝100 μm条件下, 通过获取谱峰高度、 谱峰面积以及半高宽三个参量, 能够准确测量气体含量, 为变压器油中多种特征气体的同时检测奠定了基础。