关键词:
SF_(6)气体
气体传感器阵列
分解产物识别
机器学习
摘要:
六氟化硫(SF_(6))因其优越的电气性能和化学稳定性成为气体绝缘开关设备(gas insulated switchgear,GIS)等高压电气设备的首选绝缘介质。当SF_(6)电气设备内部发生局部放电等故障时,SF_(6)气体会发生分解反应,产生SO_(2)、H_(2)S等物质。而SF_(6)气体分解产物的组分体积分数反映了电气设备的运行状态。因此,监测设备内部的气体组分能够有效评估SF_(6)电气设备的运行状况,从而对设备内部可能的故障起到预警作用。文中通过搭建气敏测试平台,研究来自中日知名传感器制造企业12种商业传感器在SF_(6)背景下对H_(2)S和SO_(2)气体的响应特性,筛选出4种对两种气体选择性最好的传感器,即MP-5、TGS2611、TGS2612和TGS2618。在实验数据的基础上,构建SF_(6)气体分解产物数据集,对比研究K近邻(KNN)、支持向量机(support vector machines,SVM)、朴素贝叶斯(Naive Bayes)、梯度提升(Gradient Boosting)和极限树(Extra Tree)5种分类算法对SF_(6)气体分解产物的识别准确率。结果表明,极限树具有最高的识别准确率(83.33%),采用极限树算法能够有效识别SF_(6)气体的分解产物。