申请/专利权人:云南电网有限责任公司电力科学研究院
申请日:2020-07-22
公开(公告)日:2024-06-14
公开(公告)号:CN111863147B
主分类号:G16C20/10
分类号:G16C20/10;G16C20/70;G01N21/65
优先权:
专利状态码:有效-授权
法律状态:2024.06.14#授权;2020.11.17#实质审查的生效;2020.10.30#公开
摘要:本申请公开了一种SF6及其分解组分气体的浓度检测方法或装置,所述浓度检测方法是首先通过协同区间偏最小二乘算法算法筛选SF6及其分解组分气体拉曼检测的光谱数据,得到具有最小误差的光谱数据区间,然后利用蚁群算法进一步去除光谱数据区间中的干扰数据,将光谱数据进行优化,最后,使用优化后的光谱数据构建浓度预测模型,根据浓度预测模型,得到SF6及其分解组分气体,因此,采用前述的浓度检测方法或者装置能够有效消除SF6及其分解组分气体拉曼检测冗余的光谱数据,减少干扰因素的影响,提高光谱数据的分析准确度,进一步地,可以缩短数据分析时间,提高定量分析效率。
主权项:1.一种SF6及其分解组分气体的浓度检测方法,其特征在于,包括:获取拉曼检测得到的全光谱数据,将所述全光谱数据平均划分为多个独立的子区间;使用协同区间偏最小二乘算法分别在各子区间内建立模型,获得多个siPLS模型;计算各siPLS模型的校正均方根误差值,根据所述校正均方根误差值的大小,将所述校正均方根误差值排序;选择所述校正均方根误差值最小的至少三个siPLS模型对应的子区间作为目标子区间;使用蚁群算法筛选所述目标子区间中所有的全光谱数据,获得有效光谱数据;根据所述有效光谱数据,建立浓度预测模型,包括:将所述有效光谱数据,作为训练数据,输入至浓度预测模型进行训练;利用训练后的浓度预测模型对已知浓度的SF6及其分解组分气体进行预测;将预测结果与已知浓度的SF6及其分解组分气体的光谱信息进行对比,计算两者的误差;迭代所述浓度预测模型中的参数,使得误差消除或者误差的绝对值接近于0,停止训练,得到最终的浓度预测模型;根据所述浓度预测模型对待分析SF6及其分解气体的拉曼光谱数据进行预测,得到SF6及其分解气体的浓度。
全文数据:
权利要求:
百度查询: 云南电网有限责任公司电力科学研究院 SF6及其分解组分气体的浓度检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。