激光诱导击穿光谱和随机森林标定真空开关真空度的方法

1.本发明属于真空开关真空度在线监测技术领域，特别是一种基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法。


背景技术：

2.真空断路器作为电力系统中重要的开关设备，以其灭弧能力强、无污染、结构紧凑等优点，在中压领域占据了主导地位。在中高压领域正将真空开关逐步取代油断路器和sf6断路器，sf6断路器换成真空开关，单台可减少碳排放1.8万吨，全部替代可减少碳排放200亿吨以上，实现构建绿色、清洁电网。真空灭弧室利用真空作为绝缘灭弧介质，靠密封在真空中的一对触头来实现电力电路的通断功能。开关设备作为电力系统的核心部件，起着控制电力系统开断与闭合的作用，直接影响着电力系统的可靠性与安全性。尽管真空开关的真空度在出厂时可以满足要求，但随着使用时间的增加，真空开关的密封材料和设备外壳不可避免地出现老化现象，导致整个真空灭弧室的真空度下降。
3.根据中国电力行业标准《12kv～40.5kv高压真空断路器订货技术条件》(dl/l 403-2000)，真空灭弧室中的气体压力必须低于6.6
×
10-2
pa.然而常用的真空开关真空度检测手段多为离线检测，只能适用于设备的出厂检测和停机检修，对生产生活造成较大不便。而现存的在线检测真空度的技术和方法不多，且不够成熟，精度较低且抗干扰能力弱，不能满足工程应用需求。
4.在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。


技术实现要素：

5.针对现有技术中存在的问题，本发明提出一种基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法，精度高且抗干扰性强。
6.本发明的目的是通过以下技术方案予以实现，一种基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法包括：
7.步骤s1，不同真空度条件下基于激光诱导击穿光谱在真空腔内击打铜靶材，并记录激光诱导击穿光谱和对应的真空度；
8.步骤s2，所述激光诱导击穿光谱预处理后分为训练集和测试集，用训练集建立随机森林算法模型，采用测试集测试机森林算法模型并优化模型参数；
9.步骤s3，基于激光诱导击穿光谱获取待测真空开关灭弧室屏蔽罩的光谱；
10.步骤s4，所述光谱预处理后输入所述随机森林算法模型中以预测灭弧室的真空度。
11.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，不同真空度条件包括10-3
pa、10-2
pa、10-1
pa、0pa、10pa、102pa、103pa、104pa或105pa。
12.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，激光诱
导击穿光谱包括503.2nm～516.7nm的cu谱线、770.9nm～783.0nm的o谱线、737.8nm～750.1nm的n谱线、649.6nm～662.4nm的h谱线，谱线的总点数为特征数量m。
13.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，预处理为变重要度随机森林算法，重要度阈值由变重要度阈值算法计算出，选择oob误差、相关系数r2、均方根误差rmse、准确率和运行时间五项作为评价指标。
14.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，所述激光诱导击穿光谱预处理后按照3∶1的样本数量随机划分为训练集和测试集。
15.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，所述模型参数包括决策树的个数ntree和待选择特征数量mtry，选择的评价指标为袋外误差。
16.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，采用测试集测试机森林算法模型时，相关系数r2不小于0.99，均方根误差rmse不大于0.01、准确率不低于99.6％。
17.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，生成激光诱导击穿光谱的激光器的脉冲宽度为1ns，激发波长为1064nm，重复率为5hz，激光脉冲能量为30mj。
18.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，激光器为nd：yag激光器。
19.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法中，所述铜靶材支承于三轴移动平台上。
20.和现有技术相比，本发明具有以下优点：本发明可以用于真空开关真空度的在线监测，不需要设备断电，保证了生产生活的正常供电；检出限低，可达到10-3
pa，抗干扰能力强，本发明检测准确率高，超过99％，并且计算时间短，具有实际应用价值，可以弥补libs技术在实际应用因硬件条件差异带来的误差。操作简单，不需要复杂的设备，可供检修人员在短时间内培训并熟练掌握应用方法。
附图说明
21.通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。
22.在附图中：
23.图1是本发明一个实施例提供的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的流程示意图；
24.图2是本发明一个实施例提供的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的硬件示意图；
25.图3是本发明一个实施例提供的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的随机森林算法的流程图；
26.图4是本发明一个实施例提供的使用不同光谱数据预处理方法带来的模型表现提
升的对比图。
27.以下结合附图和实施例对本发明作进一步的解释。
具体实施方式
28.下面将参照附图1至图4更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
29.需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
30.为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。
31.为了更好地理解，如图1至图4所示，基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法包括
32.步骤s1，不同真空度条件下基于激光诱导击穿光谱在真空腔内击打铜靶材，并记录激光诱导击穿光谱和对应的真空度；
33.步骤s2，所述激光诱导击穿光谱预处理后分为训练集和测试集，用训练集建立随机森林算法模型，采用测试集测试机森林算法模型并优化模型参数；
34.步骤s3，基于激光诱导击穿光谱获取待测真空开关灭弧室屏蔽罩的光谱；
35.步骤s4，所述光谱预处理后输入所述随机森林算法模型中以预测灭弧室的真空度。
36.将激光作为发射源，在样品表面激发等离子体，并通过高灵敏度的光谱仪收集等离子体图像。libs技术在定性和定量分析中发挥了巨大的潜力，与传统的分析技术相比，它拥有快速、可现场分析、远程监测、灵敏度高、无需制备复杂样品、对样品几乎无损伤、可多元素分析等优点，已经被应用于环境检测、生物医学、冶金分析、军事应用、太空探索、科技考古等多个领域。涉及libs的定量分析方法主要是校准法。校准方法包括标准校准方法和多元校正方法。前者通过特征谱线的强度和已知样品的浓度之间建立关系来预测未知样品的浓度，但是由于libs有着复杂的物理过程，一些影响libs准确性的因素可以通过优化实验条件和仪器参数来优化，但其结果仍会受到很多已知甚至未知元素的影响。随机森林是基于多分类器的分类算法，具有不易过拟合，稳定性好，节省算力等优点，适合与libs技术结合进行真空度等级的标定，与标准校准方法相比，多能更好的克服客观因素导致的libs测量差异，可以从复杂的libs光谱中提取有效信息。
37.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，不同真空度条件包括10-3
pa、10-2
pa、10-1
pa、0pa、10pa、102pa、103pa、104pa或
105pa。
38.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，激光诱导击穿光谱包括503.2nm～516.7nm的cu谱线、770.9nm～783.0nm的o谱线、737.8nm～750.1nm的n谱线、649.6nm～662.4nm的h谱线，谱线的总点数为特征数量m。
39.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，预处理为变重要度随机森林算法，重要度阈值由变重要度阈值算法计算出，选择oob误差、相关系数r2、均方根误差rmse、准确率和运行时间五项作为评价指标。变重要度阈值算法用于评价每一个变量对分类的贡献度，通过设置不同的重要度阈值，来筛选掉大量的无用变量。重要度阈值指的是变量的重要度分数，由sklearn库中的randomforestclassifier函数.
40.feature_importances_计算得到，是一个0-1的值，是对每个变量在分类过程中重要程度的评分。
41.在一个实施例中，oob误差(sklearn.ensemble库中的randomforestclassifier函数计算得到)＝1-clf.oob_score_/100。
42.在一个实施例中，相关系数(sklearn库中的skleam，.metrics.r2_score函数计算得到)＝sklearn.metrics.r2_score(实际值，预测值)。
43.在一个实施例中，均方根误差(sklearn库中的sklearn，.metrics.mean_squared_error函数和numpy库中的numpy.sqrt函数计算得到)＝np.sqrt(sklearn.metrics.mean_squared_error(实际值，预测值)。
44.在一个实施例中，准确率(测试集分类正确的个数/总测试集个数)
45.＝np.count_nonzero(预测值＝＝实际值)。
46.在一个实施例中，运行时间(time库)＝分类结束的系统时间-建立模型前的系统时间。这五项作为模型性能(分类准确度)的评价指标，这里用来评价选择不同变重要度阈值对性能的影响，选择不同的重要度阈值，计算这五个参数，选择能使参数最好的重要度阈值。
47.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，所述激光诱导击穿光谱预处理后按照3：1的样本数量随机划分为训练集和测试集。
48.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，所述模型参数包括决策树的个数ntree和待选择特征数量mtry，选择的评价指标为袋外误差。
49.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，采用测试集测试机森林算法模型时，相关系数r2不小于0.99，均方根误差rmse不大于0.01、准确率不低于99.6％。
50.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，生成激光诱导击穿光谱的激光器的脉冲宽度为1ns，激发波长为1064nm，重复率为5hz，激光脉冲能量为30mj。
51.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，激光器为nd：yag激光器。
52.所述的基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法的优选实施方式中，所述铜靶材支承于三轴移动平台上。
53.在一个实施方式中，真空度条件为10-3
pa～105pa。
54.在一个实施方式中，光谱预处理和特征筛选以及随机森林算法的建立、预测、性能评估采用的是python软件，过程中包括的库包括numpy、pandas、time、sklearn库。
55.在一个实施方式中，基于激光诱导击穿光谱和随机森林标定真空开关真空度的方法包括以下步骤：
56.步骤s1、使用激光诱导击穿光谱系统击打不同真空度条件下的真空腔内击打铜靶材，记录激光诱导击穿光谱和对应的真空度；
57.步骤s2、激光诱导击穿光谱预处理后分为训练集和测试集，用训练集建立随机森林算法模型，用测试集测试模型，并优化模型参数；
58.进一步地，1.建立模型：使用sklearn库中的randomforestclassifier(n_estimators＝ntree，criterion＝
′
entropy
′
，oob_score＝true，min_samples_split＝mtry)建立模型，第一个变量是ntree，第二个变量是评价熵增的指标，第三个是计算oob误差，第四个是mtry，其中第一个和第四个是在优化的模型的步骤中通过枚举法尝试不同的值来完成的。训练集用于拟合分类器模型，会给出测试集的预测结果，然后用来计算各项评价指标。拟合和划分训练/测试集的过程在这一条语句的内部完成。
59.2.优化模型：优化ntree和mty的值，在一个实施例中，决策树的个数ntree和待选择特征数量mtry是提前设置好然后在建立随机森林模型的时候使用的，优化采用枚举法，设置不同的两个值，然后看袋外误差的变化，选择袋外误差最小的时候的两个值。
60.3.数据处理：数据组成一个二维数组，行向量是波长序列(1024个点)，列向量是该波长处的光谱强度，最后一列是这一行光谱对应的真空度等级。总共9个真空度等级，每个真空度等级5行，共有4种元素(9
×5×
4＝180)。数据规模为(1025
×
180)。
61.步骤s3、使用激光诱导击穿光谱系统获取待测真空开关灭弧室屏蔽罩的光谱；
62.步骤s4、将步骤s3中得到的光谱进行步骤s2中的预处理，并输入步骤s2构建的模型中，预测灭弧室的真空度。
63.进一步的，步骤s1中的激光器的最佳参数为脉冲宽度为1ns，激发波长为1064nm，重复率为5hz，激光脉冲能量为30mj。步骤s1中的铜靶材用于模拟真空开关真空腔内铜屏蔽罩的材质，将其放置在三维移动台上，目的在控制每次激光击打在不同位置，避免烧蚀坑干扰实验结果。步骤s1中的真空腔用于模拟真空开关的真空环境，涡轮分子泵和几个阀门调节和控制压力，并用皮拉尼压力计作为本实验的真空度测量设备，确保真空腔中的内部压力保持在给定压力。
64.进一步的，步骤s1中需要控制延时时间为200ns，门宽为100ns，增益为500，以获得最佳的等离子体图像。步骤s1中的铜靶材需要放置在三轴移动台上，控制每次激光极大在不同位置，避免烧蚀坑干扰实验结果。
65.进一步的，步骤s1和s4中的光谱都指的是cu(503.2nm～516.7nm)、o(770.9nm～783.0nm)、n(737.8nm～750.1nm)、h(649.6nm～662.4nm)四种元素的谱线。谱线的总点数为特征数量m为4096。进一步的，步骤s1中每种真空度等级下击打5次靶材料，以排除实验的偶然性，最后共有180组激光诱导击穿光谱。步骤s2中的光谱预处理中，选择oob误差、相关系
数r2、均方根误差rmse、准确率和运行时间五项作为真空度分类模型的评价指标，选择范围为0.01、0.02、0.03、0.04、0.05、0.06、0.07、0.08、0.09与0.1中的一个。最佳的重要度阈值由便重要度阈值算法计算出，最终即将重要度不足阈值的的特征舍去，优化了特征的筛选条件并减少算法运行时间。进一步的，步骤s2中，按照3∶1的比例将所有样本分为训练集和测试集，即135个训练集，45个测试集；步骤s2中，以袋外误差为评价指标优化了决策树的个数n
trce
和待选择特征数量m
try
，n
tree
的取值范围为10～200，m
try
取为m/10、m/9、m/8、m/7、m/6、m/5、m/4、m/3、m/2、m中的一个。
66.进一步的，步骤s2中构建的随机森林预测真空度模型在用测试集测试时，相关系数r2不小于0.99，均方根误差rmse不大于0.01、准确率不低于99.6％。步骤s3中的激光诱导击穿光谱系统将激光击打在待测真空开关灭弧室的屏蔽罩上激发等离子体并记录待测光谱。
67.实施例1：
68.流程如图1所示，方法包括以下步骤：
69.步骤s1，收集180组由激光诱导击穿光谱系统产生的光谱作为原始样本，包括cu(503.2nm～516.7nm)、o(770.9nm～783.0nm)、n(737.8nm～750.1nm)、h(649.6nm～662.4nm)四种元素的谱线，真空腔设置气压分别为，涵盖10-3
pa、10-2
pa、10-1
pa、0pa、10pa、102pa、103pa、104pa、105pa共九种气压环境。激光器的最佳参数为脉冲宽度为1ns，激发波长为1064nm，重复率为5hz，激光脉冲能量为30mj，控制延时时间为200ns，门宽为100ns，增益为500。实验的硬件系统如图2所示。
70.步骤s2，激光诱导击穿光谱通过图4的不同预处理方法的比较后，使用变重要度阈值法进行预处理，通过便重要度算法选择重要度阈值为0.09，后按照3：1的比例随机将样本分为训练集和测试集，180个原始样本中，用135个训练集建立随机森林算法模型，用45个测试集测试模型，算法的建立过程如图3.优化随机森林算法的模型参数；分别为决策树的个数n
tree
和待选择特征数量m
try
，分别设置为50和410(m/10).优化后的模型预测真空度的r2、rmse、准确率分别为0.9998、0.0051、99.94％。
71.步骤s3将图2中的真空腔换为待测真空开关的灭弧室，将激光诱导激发光谱系统的激光击打在屏蔽罩上产生等离子体，并通过iccd相机拍摄后由光谱仪记录待测灭弧室的光谱。
72.步骤s4将s3中的光谱进行预处理，预处理算法为变重要度算法，阈值选择为0.09，输入s2中建立并优化过的模型中。计算出待测真空开关的真空度10-2
pa。
73.步骤s2和s4中，光谱数据的预处理和特征筛选以及随机森林算法的建立、预测、性能评估采用的是python软件，过程中包括的库包括numpy、pandas、time、sklearn库。
74.实施例2：
75.该实施例与实施例1基本相同，差别之处在于本例的待测真空开关灭弧室屏蔽罩的材质发生了改变。首先取屏蔽罩同材质的样本替代激光诱导击穿光谱系统里面的铜靶材，随后重复步骤1～4，重新配置预处理方法的阈值和模型的参数，计算出待测真空开关的真空度为10-1
pa。
76.在一个实施方式中，采用激光击打不同真空度条件下(10-3
pa～105pa)的真空腔内的铜靶材；将产生的等离子体用iccd相机记录并导入光谱仪；记录铜、氧、氮、氢四种特征元
素的强度谱线作为激光诱导击穿光谱；对光谱数据进行预处理；将数据分为训练集和测试集；用训练集建立激光诱导击穿光谱的真空度标定的随机森林分类模型，并用测试集验证模型的准确度；利用构建的模型和待测真空开关灭弧室的激光诱导击穿光谱，预测灭弧室的真空度。该方法可以用于在线测量，检测精度高，检出限达到10-3
pa，抗电磁干扰能力强，准确度高，优于市面上的真空度在线监测方法。
77.尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。