一种基于石墨烯气敏传感器阵列的电力变压器故障智能诊断装置的制造方法
【专利摘要】本发明公开了一种基于石墨烯气敏传感器阵列的电力变压器故障智能诊断装置，包括变压器油箱、油气分离膜、气体测试腔、石墨烯基气敏传感器阵列、数据采集模块、计算机、深度置信网络专家系统、Labview终端显示模块、声光报警模块、无线通讯模块。石墨烯基气敏传感器阵列为六单元气敏传感器阵列，通过检测石墨烯基气敏传感器阵列的电阻变化实现变压器油中溶解气体的组分和含量检测，采用深度置信网络专家系统根据不同气体种类及浓度与故障类型的对应关系判断电力变压器的故障类型。该发明适用于电力变压器故障智能诊断，具有实时监测、声光报警、无线远程传输的特点。
【专利说明】
一种基于石墨烯气敏传感器阵列的电力变压器故障智能诊断 装置
技术领域
[0001] 本发明涉及一种电力变压器故障特征气体检测装置，具体涉及一种基于石墨烯气 敏传感器和深度置信网络专家系统的电力变压器故障特征气体检测装置。
【背景技术】
[0002] 大型电力变压器作为电力系统的枢纽设备，其安全运行对保障电力系统安全稳定 显得尤为重要，一旦变压器发生故障，将给国民经济造成巨大的损失。电力变压器绝缘状态 监测在智能电网建设中备受重视。我国各发电厂和变电站中使用的电力变压器90%为油浸 式变压器，该类变压器的绝缘系统以绝缘油和绝缘纸为主，在长期运行中其油中溶解气体 含量的变化会导致绝缘性能严重劣化，引发电力设备故障甚至发生爆炸。因此，电力变压器 绝缘油中溶解气体的组分是诊断电力变压器故障、预防灾难性事故发生较为有效的重要手 段和决策依据，对于电网稳定安全运行、提高设备利用率和降低设备检修费用至关重要。
[0003] 电力变压器油中溶解气体的检测方法主要包括气相色谱法、光声光谱法、红外光 谱法等，普遍存在设备昂贵，操作复杂，测量精度比较低，容易受到干扰，而且实验周期长的 不足，不利于变压器故障特征气体的在线实时监测。随着智能电网建设的发展，电网故障的 危害范围也随之扩大，保障电网的安全可靠运行要求保证电网在各个环节上都能够智能监 控其运行状态，迫切需要新型监测技术的发展和支持。基于变压器油中溶解气体分析的变 压器故障诊断方法主要有传统的三比值法，然而三比值法的故障诊断正确率相对较低。由 于变压器油中溶解气体的产生机理比较复杂并且存在着一些不确定性因素，需要凭借经验 的同时借助合适的智能模型可以实现对数据特征的提取和分类。随着人工智能算法的不断 发展，比如人工神经网络BP算法，专家系统，模糊理论，聚类算法，灰色系统，粗糙集等，用于 电力变压器故障诊断，取得相对较好的诊断效果。
[0004] 随着新型纳米材料石墨稀的出现，石墨稀材料具备特殊能带结构、大比表面积、高 载流子迀移率等众多极为特殊的物理和化学特性，为研究新型的高性能气敏传感器提供了 全新的材料和制造方法。近年来，对纳米石墨烯材料的应用也越来越广泛，成为具有很大应 用潜力的新材料。随着纳米石墨烯研究的深入，采用有效的掺杂修饰方法实现石墨烯能带 结构和表/界面特性调控以获得更为优异的气敏性能，成为石墨烯气敏传感器的研究热点。 如金属纳米粒子、金属氧化物纳米粒子以及有机高分子聚合物掺杂在石墨稀薄膜中，可有 效改善本征石墨烯及金属氧化物气体传感器的缺陷，进而提高气体传感器的检测性能，为 研发新型气敏传感器阵列及检测系统提供了一种新途径。本发明公开了一种石墨烯基气敏 传感器阵列协同深度置信网络专家系统用于电力变压器绝缘状态监测和诊断，具有抗电磁 干扰、高灵敏度、稳定可靠等技术优势。
【发明内容】
[0006]本发明目的是克服现有技术的不足，提供一种基于石墨烯气敏传感器阵列的电力 变压器故障智能诊断装置，包括变压器油箱、油气分离膜、气体测试腔、石墨烯基气敏传感 器阵列、数据采集模块、计算机、深度置信网络专家系统、Labview终端显示模块、声光报警 模块、无线通讯模块;其特征在于石墨烯基气敏传感器阵列为氧化镍(NiO)/石墨烯、钯-氧 化锌(Pd-ZnO)/石墨稀、氧化钴(C03O4)/石墨稀、钼-氧化铁(Pt-Fe2〇3)/石墨稀、银-氧化铜 (Ag-CuO)/石墨烯、氧化锡（Sn0 2)/石墨烯复合薄膜构筑的六单元气敏传感器阵列，深度置 信网络专家系统是以三层受限波尔兹曼机构建的深度置信网络和专家模型为核心的数据 处理系统;变压器油箱中产生的故障特征气体经油气分离膜后进入气体测试腔，气体测试 腔置有石墨烯基气敏传感器阵列，其响应信号由多通道数据采集模块获取传输至计算机， 由深度置信网络专家系统进行数据融合处理后在Labview终端显示模块上显示变压器运行 状态及故障诊断结果，并由无线通讯模块将变压器运行状态远程传输至监控终端，声光报 警模块实现预警;通过检测石墨烯基气敏传感器阵列的电阻变化实现变压器油中溶解气体 的组分和含量检测，采用深度置信网络专家系统根据不同气体种类及浓度与故障类型的对 应关系判断电力变压器的故障类型。
[0007] 本发明所述的石墨烯基气敏传感器阵列由六个旁热式管状结构气敏传感器构成。
[0008] 本发明所述的石墨烯基气敏传感器采用氧化镍(NiO)/石墨烯、钯-氧化锌（Pd-ZnO)/石墨稀、氧化钴(C03O4)/石墨稀、钼-氧化铁(Pt-Fe2〇3)/石墨稀、银-氧化铜(Ag-CuO)/ 石墨烯、氧化锡(Sn02)/石墨烯复合薄膜覆涂在陶瓷管上，通过陶瓷管中的加热丝控制工作 温度
[0009] 本发明所述的石墨烯基气敏传感器阵列的氧化镍(NiO)/石墨烯、钯-氧化锌(Pd-ZnO)/石墨稀、氧化钴(C03O4)/石墨稀、钼-氧化铁(Pt-Fe2〇3)/石墨稀、银-氧化铜(Ag-CuO)/ 石墨烯、氧化锡(Sn0 2)/石墨烯复合薄膜传感器制备与工作条件如下：
[00?0] 氧化镍(NiO)/石墨稀复合薄膜传感器:将38mg NiCl4 · 6H2〇和lmg石墨稀加入20mL 去离子水，加入10.75mg NaOH，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜 中，180 °C加热12小时，覆涂于陶瓷管表面形成25纳米厚度的薄膜，该传感器在工作温度160 °C下对乙稀气体具有最尚灵敏度；
[0011 ] 钯-氧化锌（Pd-Zn0)/石墨稀复合薄膜传感器：将80mg Ζη(Ν〇3)2 · 6H20,19mg PdCl2，lOmL无水乙醇溶液，2mL乙二醇溶液和2mL聚乙二醇溶液加入50mL去离子水，超声处 理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中，180 °C加热12小时;然后将lmg石墨烯 加入到上述混合溶液中，180°C加热12小时，覆涂于陶瓷管表面形成30纳米厚度的薄膜，该 传感器在工作温度50°C下对氢气气体具有最高灵敏度；
[0012]氧化钴（C〇3〇4)/石墨稀复合薄膜传感器：将19mg C〇3〇4粉末和lmg石墨稀加入30mL 去离子水，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中，180 °C加热12小时， 覆涂于陶瓷管表面形成20纳米厚度的薄膜，该传感器在工作温度140°C下对乙炔气体具有 最高灵敏度；
[0013] 铂-氧化铁(Pt-Fe2〇3)/石墨烯复合薄膜传感器：将8mg H2PtCl6粉末和26mg Fe2〇3 加入30mL去离子水，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中，180°C加 热12小时;然后将lmg石墨烯加入到上述混合溶液中，180 °C加热12小时，覆涂于陶瓷管表面 形成40纳米厚度的薄膜，该传感器在工作温度260°C下对甲烷气体具有最高灵敏度；
[0014] 银-氧化铜(Ag-CuO)/石墨稀复合薄膜传感器:将10mg AgN〇3,170mg CuCl2 · 2H2〇， llOmg Na2C03加入到50mL的去离子水中，超声处理25分钟后，将混合溶液转移到聚四氟乙烯 反应釜中，180°C加热12小时;然后将lmg石墨烯加入到上述混合溶液中，180°C加热12小时， 覆涂于陶瓷管表面形成30纳米厚度的薄膜，该传感器在工作温度160°C下对乙烷气体具有 最高灵敏度；
[0015] 氧化锡(Sn〇2)/石墨稀复合薄膜传感器:将15.75mg SnCl4，H2〇和lmg石墨稀加入 20mL去离子水，滴入2.5mL氨水，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜 中，180 °C加热12小时，覆涂于陶瓷管表面形成35纳米厚度的薄膜，该传感器在工作温度240 °C下对变压器油中溶解气体具有较好灵敏度，获取交叉敏感信息。
[0016]本发明所述的深度置信网络专家系统由六入五出的深度置信网络和五入七出的 专家系统构成;深度置信网络的输入为氧化镍(NiO)/石墨烯、钯-氧化锌(Pd-ZnO)/石墨烯、 氧化钴(C03O4) /石墨稀、钼-氧化铁(Pt-Fe2〇3) /石墨稀、银-氧化铜(Ag-CuO) /石墨稀、氧化 锡(Sn02)/石墨烯复合薄膜传感器的电阻响应值，输出为变压器油中溶解气体甲烷、氢气、 乙炔、乙烯、乙烷的浓度含量，深度置信网络的输出作为专家系统的输入，专家系统输出为 运行正常、中低温过热、高温过热、局部放电、低能放电、高能放电、电弧放电的状态类型。 [00 17]本发明所述的深度置信网络专家系统与Labview终端显示模块、HC-12无线通讯模 块、声光报警模块相连，具有显示与声光报警功能，将监测数据传送给上位机及无线远程传 输。
[0018] 本发明所述的深度置信网络由三层受限波尔兹曼机组成，对于一组确定的状态， 受限波尔兹曼机的能量函数采用
其中n，m分别表示可视层和隐藏层的神经元个数;v，h分别表示可视层和隐藏层的状态 向量;a，b分别表示可视层和隐藏层的状态向量;w表示连接可视层与隐藏层之间的权值矩 阵，0 = {w，a，b}〇
[0019] 本发明所述的深度置信网络专家系统的工作过程包括以下步骤：
[0020] 步骤A:将石墨烯基气敏传感器阵列测得的数据进行特征提取，经过预处理形成样 本数据，设置训练集和测试集；
[0021] 步骤B:将训练数据输入第一层受限波尔兹曼机(RBM)，从第一层到高层逐层学习 深度置信网络(DBN)中所有受限波尔兹曼机；
[0022] 步骤C:根据训练数据和目标数据对比，利用共辄梯度法加速学习，在步骤B的基础 上从最高层往最低层逐步后向微调参数，完成深度置信网络模型的整个训练过程；
[0023] 步骤D:将测试数据输入上述步骤C中的深度置信网络模型，得到变压器油中溶解 气体的组分和含量；
[0024] 步骤E:将得到变压器油中溶解气体组分和含量与专家系统数据库的专家规则对 比，经过网络推理机的推测和分析，对电力变压器的内部故障类型作出诊断。
[0025] 本发明采用的气敏传感元件制备工艺简单方便，不依赖于苛刻的制备设备，成本 低廉，而且具有响应速度快，重复性和稳定性好的特点。
【附图说明】
[0026] 图1为本发明实施方式的一个示例，1为变压器油箱，2为变压器，3为绝缘油，4为油 气分离膜，5为气体阀门，6为温度控制器，7为湿度控制器，8为风扇，9为气体测试腔，10为石 墨烯基气敏传感器阵列，11为数据采集模块，12为计算机，13为深度置信网络专家系统，14 为Labview终端显示模块，5为HC-12无线通讯模块，16为声光报警模块。
[0027] 图2为本发明中的石墨烯基复合薄膜气敏传感器的性能示意图。
[0028] 图3为本发明中的深度置信网络专家系统算法的流程图。
[0029] 图4为本发明中的氧化钴/石墨烯复合薄膜的扫描电子显微镜表征图。
[0030]图5为本发明中的氧化钴/石墨稀复合薄膜传感器在不同浓度乙炔气体（lppm， 4ppm，7ppm，1 Oppm)下的气敏响应曲线。
【具体实施方式】
[0031] 以下实施例将结合附图对本发明作进一步说明。
[0032] 参见图1，本发明实施例用于电力变压器2绝缘油3中的溶解气体检测，置于经油气 分离膜4过滤后，气体通过气体阀门5进入气体测试腔9中，通过检测石墨烯基气敏传感器阵 列10的电阻变化实现变压器油中溶解气体的组分和含量检测，采用深度置信网络专家系统 13根据不同气体种类及浓度与故障类型的对应关系判断电力变压器的故障类型，在 Labview终端显示模块14上显示变压器运行状态及故障诊断结果，并由无线通讯模块15将 变压器运行状态远程传输至监控终端，声光报警模块16实现预警；
[0033] 参见图2,本发明实施例中的石墨烯基复合薄膜的厚度为25-40纳米，对变压器油 中溶解气体组分的最佳工作温度为50-260 °C。
[0034]本发明实施例中的氧化镍（NiO)/石墨烯复合薄膜传感器制备方法如下：将 38mgNiCl4· 6H2O和lmg石墨稀加入20mL去离子水，加入10.75mg NaOH，超声处理25分钟后， 将混合溶液转移到聚四氟乙烯反应釜中，180°C加热12小时，覆涂于陶瓷管表面形成25纳米 厚度的薄膜，该传感器在工作温度160°C下对乙烯气体具有最高灵敏度。
[0035]本发明实施例中的钯-氧化锌(Pd-ZnO)/石墨烯复合薄膜传感器制备方法如下:将 80mg Zn(N〇3)2 · 6H20，19mg PdCl2，10mL无水乙醇溶液，2mL乙二醇溶液和2mL聚乙二醇溶液 加入50mL去离子水，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中，180°C加 热12小时;然后将lmg石墨烯加入到上述混合溶液中，180 °C加热12小时，覆涂于陶瓷管表面 形成30纳米厚度的薄膜，该传感器在工作温度50°C下对氢气气体具有最高灵敏度。
[0036]本发明实施例中的氧化钴（C〇3〇4)/石墨烯复合薄膜传感器制备方法如下：将 19mgC〇3〇4粉末和lmg石墨稀加入30mL去离子水，超声处理25分钟后，将混合溶液转移到聚四 氟乙烯反应釜中，180°C加热12小时，覆涂于陶瓷管表面形成20纳米厚度的薄膜，该传感器 在工作温度140 °C下对乙炔气体具有最高灵敏度。
[0037]本发明实施例中的铂-氧化铁(Pt-Fe203)/石墨烯复合薄膜传感器制备方法如下： 将8mg H2PtCl6粉末和26mg Fe2〇3加入30mL去离子水，超声处理25分钟后，将混合溶液转移 到聚四氟乙烯反应釜中，180 °C加热12小时;然后将lmg石墨烯加入到上述混合溶液中，180 °C加热12小时，覆涂于陶瓷管表面形成40纳米厚度的薄膜，该传感器在工作温度260°C下对 甲烷气体具有最高灵敏度。
[0038]本发明实施例中的银-氧化铜(Ag-CuO)/石墨烯复合薄膜传感器制备方法如下:将 lOmg AgN03，170mg CuCl2.2H2〇，110mg Na2C03加入到50mL的去离子水中，超声处理25分钟 后，将混合溶液转移到聚四氟乙烯反应釜中，180 °C加热12小时;然后将lmg石墨烯加入到上 述混合溶液中，180°C加热12小时，覆涂于陶瓷管表面形成30纳米厚度的薄膜，该传感器在 工作温度160°C下对乙烷气体具有最高灵敏度。
[0039] 本发明实施例中的氧化锡（Sn02)/石墨烯复合薄膜传感器制备方法如下：将 15.75mg SnCl4 · H2O和lmg石墨稀加入20mL去离子水，滴入2.5mL氨水，超声处理25分钟后， 将混合溶液转移到聚四氟乙烯反应釜中，180°C加热12小时，覆涂于陶瓷管表面形成35纳米 厚度的薄膜，该传感器在工作温度240°C下对变压器油中溶解气体具有较好灵敏度，获取交 叉敏感信息。
[0040] 本发明实施例中的深度置信网络专家系统采用六入五出的深度置信网络和五入 七出的专家系统构成；深度置信网络的输入为氧化锡(Sn0 2)/石墨烯、氧化镍(M0)/石墨 稀、钯-氧化锌(Pd-ZnO)/石墨稀、氧化钴(C03O4)/石墨稀、钼-氧化铁(Pt-Fe2〇3)/石墨稀、 银-氧化铜(Ag-CuO)/石墨烯复合薄膜传感器的电阻响应值，输出为变压器油中溶解气体甲 烷、氢气、乙炔、乙烯、乙烷的浓度含量，深度置信网络的输出作为专家系统的输入，专家系 统输出为运行正常、中低温过热、高温过热、局部放电、低能放电、高能放电、电弧放电的状 态类型。
[0041] 本发明实施例中的深度置信网络专家系统的工作流程图如图3所示，石墨烯基气 敏传感器阵列获取数据分为训练数据集和测试数据集，训练数据集用于深度置信网络模型 的构筑，测试数据集用于深度置信网络模型的应用评价，利用共辄梯度法加速学习，构筑深 度置信网络模型，得到变压器油中溶解气体的组分和含量。而后，将得到变压器油中溶解气 体组分和含量与专家系统数据库的专家规则对比，经过网络推理机的推测和分析，对电力 变压器的内部故障类型作出诊断。
[0042]本发明实施例中的深度置信网络专家系统与Labview终端显示模块、HC-12无线通 讯模块、声光报警模块相连，具有显示与声光报警功能，将监测数据传送给上位机及无线远 程传输。
[0043]本发明实施例中制备的氧化钴/石墨烯复合薄膜的扫描电子显微镜表征图如图4 所示，褶皱状的石墨烯与柱状的氧化钴纳米粒子形成多孔薄膜结构，有利于气体的吸附。 [0044]本发明实施例中的氧化钴/石墨烯复合薄膜传感器随乙炔气体浓度变化的电阻响 应曲线如图5所示，为在lppm，4ppm，7ppm，lOppm乙炔气体环境下的响应/恢复特性，展示了 响应迅速、高稳定性、高灵敏度的优点。
【主权项】
1. 一种基于石墨烯气敏传感器阵列的电力变压器故障智能诊断装置，包括变压器油 箱、油气分离膜、气体测试腔、石墨烯基气敏传感器阵列、数据采集模块、计算机、深度置信 网络专家系统、Labview终端显示模块、声光报警模块、无线通讯模块;其特征在于石墨烯基 气敏传感器阵列为氧化镍(NiO)/石墨烯、钯-氧化锌(Pd-ZnO)/石墨烯、氧化钴(C 〇3〇4)/石墨 稀、钼-氧化铁(Pt-Fe2〇3) /石墨稀、银-氧化铜(Ag-CuO) /石墨稀、氧化锡(Sn〇2) /石墨稀复合 薄膜构筑的六单元气敏传感器阵列，深度置信网络专家系统是以三层受限波尔兹曼机构建 的深度置信网络和专家模型为核心的数据处理系统;变压器油箱中产生的故障特征气体经 油气分离膜后进入气体测试腔，气体测试腔置有石墨烯基气敏传感器阵列，其响应信号由 多通道数据采集模块获取传输至计算机，由深度置信网络专家系统进行数据融合处理后在 Labview终端显示模块上显示变压器运行状态及故障诊断结果，并由无线通讯模块将变压 器运行状态远程传输至监控终端，声光报警模块实现预警;通过检测石墨烯基气敏传感器 阵列的电阻变化实现变压器油中溶解气体的组分和含量检测，采用深度置信网络专家系统 根据不同气体种类及浓度与故障类型的对应关系判断电力变压器的故障类型。2. 根据权利要求1所述的电力变压器故障智能诊断装置，其特征在于:所述石墨烯基气 敏传感器阵列由六个旁热式管状结构气敏传感器构成。3. 根据权利要求1所述的电力变压器故障智能诊断装置，其特征在于所述石墨烯基气 敏传感器采用氧化镍(NiO)/石墨稀、钯-氧化锌(Pd-ZnO)/石墨稀、氧化钴(C03O4)/石墨稀、 钼 -氧化铁(Pt-Fe2〇3)/石墨稀、银-氧化铜(Ag-CuO)/石墨稀、氧化锡(Sn〇2)/石墨稀复合薄 膜覆涂在陶瓷管上，通过陶瓷管中的加热丝控制工作温度。4. 根据权利要求1所述的电力变压器故障智能诊断装置，其特征在于:所述深度置信网 络专家系统由六入五出的深度置信网络和五入七出的专家系统构成;深度置信网络的输入 为氧化镍(NiO)/石墨稀、钯-氧化锌(Pd-ZnO)/石墨稀、氧化钴(C03O4)/石墨稀、钼-氧化铁 (Pt-Fe2〇3)/石墨稀、银-氧化铜(Ag-CuO)/石墨稀、氧化锡(Sn〇2)/石墨稀复合薄膜传感器的 电阻响应值，输出为变压器油中溶解气体甲烷、氢气、乙炔、乙烯、乙烷的浓度含量，深度置 信网络的输出作为专家系统的输入，专家系统输出为运行正常、中低温过热、高温过热、局 部放电、低能放电、高能放电、电弧放电的状态类型。5. 根据权利要求1所述的电力变压器故障智能诊断装置，其特征在于:所述深度置信网 络专家系统与Labview终端显示模块、HC-12无线通讯模块、声光报警模块相连，具有显示与 声光报警功能，将监测数据传送给上位机及无线远程传输。6. 根据权利要求1所述的电力变压器故障智能诊断装置，其特征在于:所述石墨烯基气 敏传感器阵列的氧化镍(NiO)/石墨烯、钯-氧化锌(Pd-ZnO)/石墨烯、氧化钴(C 〇3〇4)/石墨 稀、钼-氧化铁(Pt-Fe2〇3) /石墨稀、银-氧化铜(Ag-CuO) /石墨稀、氧化锡(Sn〇2) /石墨稀复合 薄膜传感器制备与工作条件如下： 氧化镍(NiO)/石墨稀复合薄膜传感器:将38mg NiCl4 · 6H2O和lmg石墨稀加入20mL去离 子水，加入10.75mg NaOH，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中，180 °C加热12小时，覆涂于陶瓷管表面形成25纳米厚度的薄膜，该传感器在工作温度160°C下对 乙烯气体具有最高灵敏度； 钯-氧化锌（Pd-ZnO)/石墨稀复合薄膜传感器：将80mg Zn(N〇3)2.6H2〇，19mg PdCl2， 10mL无水乙醇溶液，2mL乙二醇溶液和2mL聚乙二醇溶液加入50mL去离子水，超声处理25分 钟后，将混合溶液转移到聚四氟乙烯反应釜中，180 °C加热12小时;然后将lmg石墨烯加入到 上述混合溶液中，180°C加热12小时，覆涂于陶瓷管表面形成30纳米厚度的薄膜，该传感器 在工作温度50°C下对氢气气体具有最高灵敏度； 氧化钴(C03O4)/石墨稀复合薄膜传感器:将19mg C03O4粉末和lmg石墨稀加入30mL去离 子水，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中，180 °C加热12小时，覆涂 于陶瓷管表面形成20纳米厚度的薄膜，该传感器在工作温度140°C下对乙炔气体具有最高 灵敏度； 钼-氧化铁(Pt_Fe2〇3)/石墨稀复合薄膜传感器：将8mg H2PtCl6粉末和26mg Fe2〇3加入 30mL去离子水，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中，180°C加热12 小时;然后将lmg石墨烯加入到上述混合溶液中，180 °C加热12小时，覆涂于陶瓷管表面形成 40纳米厚度的薄膜，该传感器在工作温度260 °C下对甲烷气体具有最高灵敏度； 银-氧化铜（Ag-CuO)/石墨稀复合薄膜传感器：将10mg AgN〇3，170mg CuCl2*2H2〇， llOmg Na2C03加入到50mL的去离子水中，超声处理25分钟后，将混合溶液转移到聚四氟乙烯 反应釜中，180°C加热12小时;然后将lmg石墨烯加入到上述混合溶液中，180°C加热12小时， 覆涂于陶瓷管表面形成30纳米厚度的薄膜，该传感器在工作温度160°C下对乙烷气体具有 最高灵敏度； 氧化锡(Sn〇2)/石墨稀复合薄膜传感器:将15.75mg SnCl4 · H2O和lmg石墨稀加入20mL 去离子水，滴入2.5mL氨水，超声处理25分钟后，将混合溶液转移到聚四氟乙烯反应釜中， 180 °C加热12小时，覆涂于陶瓷管表面形成35纳米厚度的薄膜，该传感器在工作温度240 °C 下对变压器油中溶解气体具有较好灵敏度，获取交叉敏感信息。7.根据权利要求1所述的电力变压器故障智能诊断装置，其特征在于:所述深度置信网 络专家系统的工作过程包括以下步骤： 步骤A:将石墨烯基气敏传感器阵列测得的数据进行特征提取，经过预处理形成样本数 据，设置训练集和测试集； 步骤B:将训练数据输入第一层受限波尔兹曼机(RBM)，从第一层到高层逐层学习深度 置信网络(DBN)中所有受限波尔兹曼机； 步骤C:根据训练数据和目标数据对比，利用共辄梯度法加速学习，在步骤B的基础上从 最高层往最低层逐步后向微调参数，完成深度置信网络模型的整个训练过程； 步骤D:将测试数据输入上述步骤C中的深度置信网络模型，得到变压器油中溶解气体 的组分和含量； 步骤E:将得到变压器油中溶解气体组分和含量与专家系统数据库的专家规则对比，经 过网络推理机的推测和分析，对电力变压器的内部故障类型作出诊断。
【文档编号】G06K9/62GK106093135SQ201610388015
【公开日】2016年11月9日
【申请日】2016年6月2日 公开号201610388015.9, CN 106093135 A, CN 106093135A, CN 201610388015, CN-A-106093135, CN106093135 A, CN106093135A, CN201610388015, CN201610388015.9
【发明人】张冬至, 常洪燕, 刘静静, 刘润华
【申请人】中国石油大学(华东)