一个在线的SO₂和CS₂检测系统,将加权圆双频谱重建 (WEDSR) 与卷积神经网络 (CNN) 结合起来

科学领域:

• 电气工程 电气工程
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 二氧化硫 (SO2) 和二硫化碳 (CS2) 是评估气体绝缘开关装置 (GIS) 绝缘状况的关键指标.
• 紫外线波段中SO2和CS2之间显著的光谱重叠使得使用紫外线差异光学吸收光谱学 (UV-DOAS) 的同时量化变得复杂.

研究的目的:

• 开发一种新的方法,用于在GIS中准确且同时量化SO2和CS2度.
• 解决现有的UV-DOAS技术的局限性,这是由于光谱重叠和低信号噪声比率造成的.

主要方法:

• 提出了一个加权圆双频谱重建 (WEDSR) 方法来增强和解SO2和CS2光谱信号.
• 实现了一个协同算法,加权配合和代优化,以提高圆配合的准确性和抑制噪音.
• 开发了一个卷积神经网络 (CNN) 模型,用于定量检测SO2和CS2.

主要成果:

• 在WEDSR方法有效地脱SO2和CS2光谱信号.
• 在定量检测中,CNN模型实现了高准确度,平均绝对百分比误差 (MAPEs) 低,SO2为0.818%,CS2为0.963%.
• 实现了SO2的7.71ppb·m和CS2的0.35ppb·m的低检测极限,在超低度下证明了有效的噪声抑制.

结论:

• 开发的系统提供了一个高度准确和稳定的解决方案,用于在GIS中同时定量SO2和CS2.
• 这种技术具有重要的潜力,可以在GIS运行期间预警和监测故障,提高电网可靠性.