基于神经网络的高寒地区CF4和SF6/CF4检测
高寒地区须携带多台仪器以满足3种不同量级SF6气体中CF4气体浓度的检测需求,现场运维效率低且仪器购置成本高。为此,首先设计了一种基于热释电检测技术的SF6气体中CF4气体浓度检测仪器,可自动选择不同的放大电阻以实现多量程切换。然后提出了BP和PSO-BP 2种神经网络温度-压力协同补偿模型,并通过搭建高效模拟实验平台为模型预测提供数据支撑,预测结果表明,PSO-BP神经网络优于BP神经网络。最后将PSO-BP神经网络温度-压力协同补偿模型内置于多量程检测仪器CF4气体浓度检测仪器。模拟实验结果表明,该检测仪器在不同温度和压力下,小量程和大量程检测误差和重复性分别不超过±2%和1.6%,混合比量程下误差和重复性分别不超过±0.5%和0.2%,对高寒地区电网运维检修具有重要作用。