[发明专利]一种用于绝缘油拉曼光谱分析的竞争性自适应重加权关键数据提取方法

说明书

一种用于绝缘油拉曼光谱分析的竞争性自适应重加权关键数据提取方法，其特征在于，包括如下步骤：步骤一，实测获得光谱数据；步骤二，对所有原始数据处理，对实测光谱数据通过偏最小二乘法提取PLS子集；步骤三，使用蒙特卡洛交互验证对奇异样本进行筛除；步骤四，采用CARS法对绝缘油拉曼光谱的变量进行多次筛选。本发明所述方法筛选出的拉曼光谱关键变量可以去除拉曼光谱中不必要的波长点，并去除拉曼光谱数据的共线性。由于受到对油中老化特征物拉曼信号检测极限的限制，直接检测绝缘油难以观测到各老化特征物的特征峰，利用变量筛选手段去除冗余信息、获取关键变量并分析其与特征峰之间的关系，能够为光谱老化特征量的提取及其判别能力提供有效支撑。

技术领域

本发明属于电气设备绝缘在线监测与故障诊断领域，尤其涉及绝缘油拉曼光谱的分析方法。

背景技术

经过多年来的研究与检测技术的发展，拉曼光谱技术已经被证明能够有效用于各个领域无损检测的定量和定性分析。但是，由于目前用以搭建光谱检测平台的光谱仪检测分辨率非常高，在原始油纸绝缘拉曼光谱中的波长点数非常多，往往远多于样本数。一方面，在分析油纸绝缘样本的时候并不是所有波长点都有用，甚至还会带来不必要的干扰；另一方面，光谱中大量波长数据点之间存在较为严重的共线性。由于受到对油中老化特征物拉曼信号检测极限的限制，直接检测绝缘油难以观测到各老化特征物的特征峰，利用变量筛选手段去除冗余信息、获取关键变量并分析其与特征峰之间的关系，能够为光谱老化特征量的提取及其判别能力提供有效支撑。

对绝缘油拉曼光谱进行关键变量选择的物理依据和意义如下：

①油纸绝缘样本集的绝缘油拉曼光谱在有些波段的有效差异非常小，这表示这些波段的光谱信息微弱，蕴含的样本老化信息很少；

②在光谱中的某些波段，绝缘油光谱与油中老化特征物的组成或老化程度之间缺乏线性相关关系；

③由于绝缘油成分复杂，在老化过程中还会产生各种老化特征物，其拉曼光谱数据通常存在严重的波峰重叠现象，光谱中有些波长处所含老化信息灵敏度比较差；

④通常在拉曼光谱信息中往往存在多重相关性(即多重共线性)，且光谱仪检测的波长范围较广，导致光谱中存在大量的冗余信息；

⑤在光谱检测过程中，由于油中荧光物质、荧光效应的存在，以及光谱仪器噪声和宇宙射线等方面的影响，光谱在某些波段的信噪比(SNR)较低，导致该光谱数据的整体质量较差；

⑥外界的诸多干扰因素(如温度、湿度、入射角度等)对油中老化特征物在某些波长处的拉曼特性影响较大，加之油中溶解老化特征物浓度很低，外界影响对于微弱信息检测的情况十分不利，因此会降低模型的稳健性；由于波长点数的增加，模型的估计方差随着复杂程度的上升而扩大，因此不但会浪费系统资源，还会降低模型的预测精度；

⑦最重要的，如果在无任何关于油中特征物的拉曼先验知识的前提下，提取出的与油纸绝缘老化程度最密切相关的光谱变量，能够与老化特征物的拉曼特征峰有良好的对应关系，就能为拉曼光谱技术对油纸绝缘老化的诊断能力提供有力的依据。

竞争性自适应重加权算法(competitive adaptive reweighted sampling，CARS)是一种模仿达尔文进化理论中的“适者生存”原则而新提出的变量选择理论，该方法既可以对无信息变量进行有效去除，也可以对光谱数据中的共线性变量进行有效压缩，最终优选出对与绝缘油老化程度关系最密切的光谱变量(波数)。CARS每次通过自适应重加权采样(adaptive reweighted sampling，ARS)技术筛选出多变量回归模型(如PLS，是一种比较典型的多变量回归模型，中文名为偏最小二乘法)中回归系数绝对值大的波长点并去掉权重小的波长点。

发明内容