摘要：为实现电力系统中SF 6气体的有效监测与控制,本文基于非色散红外原理(NDIR),设计了一种SF 6气体传感器。但是,在实际的测量中,环境的温度与气压差异性容易影响SF 6气体浓度检测装置的检测精度,因此需要采取适当的方法消除环境引起的测量误差。本文采用灰狼智能优化算法—误差反向传播(GWO-BP)神经网络对环境温度与气压变化引起的测量误差进行了补偿,并与其他补偿方法作了比较。分析得出:进行补偿后的浓度数据在0~2000 ppm范围内误差为±15 ppm,满量程误差为0.75%FS,有效提升了传感器的测量精度与稳定性。相较于电路补偿法,该方法有更高的测量精度,并且降低了传感器的体积和成本。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社