油纸绝缘老化状态的快速准确检测一直备受关注，本研究对未进行特征提取的油纸绝缘原始拉曼光谱老化状态类别进行判定。首先，根据所测得的绝缘纸聚合度将其老化状态划分为10个类别。同时，对不同老化状态的油纸绝缘样本进行拉曼光谱检测。最后，通过K最近邻（KNN）算法、集成增强KNN算法分别对169组拉曼光谱样本进行老化状态类别判定。结果表明：经过集成增强后的KNN算法对原始拉曼光谱具有更强的识别能力，其判别准确率为98.32%，且具有更好的稳定性。证明了由集成增强KNN算法构建的判别模型能够较为准确地判别油纸绝缘原始拉曼光谱，该模型简化了变压器油纸绝缘拉曼光谱老化状态的诊断步骤，对油纸绝缘拉曼光谱检测方面的研究具有重要意义。

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。

电力变压器是电力系统中不可或缺的核心组成。油纸绝缘设备运行老化的过程中, 绝缘油或纸在电或热的作用下发生分解产生如糠醛、丙酮、甲醇、CO、CO2等各种反映绝缘老化状态的特征物质, 并溶解于油中, 使绝缘油中蕴含大量油纸绝缘老化信息。为了对油纸绝缘老化阶段进行有效诊断, 本文通过加速热老化试验, 获取了大量老化油样, 根据老化天数将样本分为12类, 并通过拉曼光谱获取了230张拉曼谱图。通过KNN算法, 利用皮尔森相关系数对待测样本类别进行了预测, 之后对模型引入欧几里得距离, 对KNN算法进行了改进, 使预测正确率达到了87.92%, 并且降低了类别预测偏差。

油纸绝缘电力设备的稳定运行是保证电力系统可靠的重要环节, 现有技术下油纸绝缘系统的老化诊断仍是一个难点, 大都停留在实验室分析的阶段, 缺乏一种快速、有效的诊断手段。本文基于IEEE推荐的导则在实验室中进行了加速热老化实验, 获取了不同老化程度的油纸绝缘样本, 然后利用自主搭建的拉曼光谱检测平台建立了油纸绝缘老化拉曼光谱数据库。构建了老化初期、老化中期、老化末期3个类别中心拉曼谱线。分别利用欧氏距离、卡方距离、简森仙农散度三种光谱相似度判别方法构建了基于光谱曲线逐点比对的油纸绝缘老化拉曼光谱诊断方法。对本文实验中获取的10个待测样本进行诊断分析, 诊断准确率最高达100%(10/10)。

准确诊断油纸绝缘材料的老化程度是保证油纸绝缘设备安全运行的重要技术手段。 拉曼光谱在物质成分分析及状态诊断领域已经普遍应用。 结合实验室搭建的油纸绝缘拉曼光谱分析平台, 根据绝缘纸的平均聚合度将加速热老化实验获得的油纸样本分为四个老化阶段。 通过对不同老化样本拉曼光谱所包含的能量信息分析, 运用小波包能量熵提取特征量, 结合Fisher判别法构造判别函数, 建立基于拉曼光谱老化特征量的油纸绝缘老化诊断模型, 并收集现场变压器油样验证诊断模型的泛化能力。 结果表明, 两个判别函数能区分不同老化阶段的绝缘油样, 对于老化样本的判别正确率达到84.2%。 拉曼光谱结合小波包能量熵和Fisher判别分析法能够有效地对油纸绝缘老化状态进行诊断。

本文开展了变压器油中溶解糠醛的定量分析研究, 基于实验室搭建的拉曼光谱液体检测平台, 对不同浓度糠醛含量的变压器油样进行光谱信号检测及预处理, 运用主成分分析法对光谱数据进行数据降维并结合支持向量机建立油中溶解糠醛含量拉曼光谱定量分析回归模型, 检测下限为0.625 mg/L。结果表明, 拉曼光谱技术结合支持向量机能有效地对变压器油中溶解糠醛进行定量分析, 为实现油中溶解老化特征物的准确、快速检测提供新的手段。