对抗性非配对解缠网络（AUDNet）：对紫外-DOAS中严重重叠的CS2/SO2信号进行精确分析

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Adversarial unpaired disentanglement network (AUDNet): Precise analysis of severely overlapping CS 2/SO 2 signals in UV-DOAS

基于UV-DOAS与GAN的混合气体检测方法研究

　　
随着电力系统智能化需求的提升，气体绝缘开关设备（GIS）的实时状态监测技术成为研究热点。该领域传统检测方法存在明显局限性：气相色谱-质谱联用技术（GC-MS）虽精度高但分析耗时过长（通常超过30分钟），电化学传感器虽响应快但存在多组分干扰问题。近年来兴起的紫外差分光学吸收光谱技术（UV-DOAS）凭借其非接触、快速响应和宽谱带优势，在SF6分解气体检测中展现出独特价值。然而，目标气体CS2与SO2在紫外波段（195-225nm）存在显著吸收谱带重叠，这严重制约了检测精度。

传统紫外光谱解耦方法多依赖特征峰分离技术，但实验证明当混合气体浓度超过50ppb时，基线漂移和吸收峰重叠会导致解耦误差超过15%。为此，研究团队创新性地将生成对抗网络（GAN）引入光谱解耦流程，构建了双分支的WGAN-GP架构（ Wasserstein GAN with Gradient Penalty）。该网络通过对抗训练实现两个核心突破：首先，在无配对纯组分光谱数据训练条件下，自主分离混合光谱中的CS2和SO2特征信号；其次，引入数据一致性和光谱连续性约束，确保解耦后的单组分光谱在物理化学特性上保持合理性。

实验验证部分采用标准气体混合装置，在3.81-179.2ppb CS2和44.43-942.73ppb SO2浓度范围内进行测试。结果显示，CS2和SO2的浓度预测相对误差分别稳定在1.67%和1.12%，检测下限达到0.33ppb（CS2）和7.04ppb（SO2）。值得注意的是，该系统在训练阶段无需使用纯组分光谱的对应浓度数据，仅需混合光谱样本即可完成模型训练，这解决了传统深度学习方法对标注数据高度依赖的难题。

在技术实现层面，系统采用紫外分光光度计采集混合光谱数据，通过DOAS预处理提取差分吸收信号。后续的AUDNet模型分为特征解耦和信号重构两个阶段：解耦分支通过WGAN-GP架构提取各组分独立光谱特征，重构分支则基于物理模型约束进行光谱合成。创新性地引入光谱梯度连续性约束，有效抑制了训练过程中出现的伪特征生成问题。这种双分支协同工作机制不仅实现了复杂光谱的精准解耦，还保证了模型输出的光谱数据在仪器测量范围内保持平滑连续。

相较于现有深度学习方法，该方案具有显著优势。传统CNN或Transformer模型需要大量标注数据，而实验组采用无监督学习框架，通过设计对抗训练目标使模型自动区分混合光谱中的各组分特征。这种设计使得系统在设备初期部署阶段，仅需少量混合光谱样本即可完成模型训练，大幅降低了应用门槛。测试数据显示，在最高浓度组合（179.2ppb CS2+942.73ppb SO2）下，解耦光谱与标准光谱的R2值仍保持在0.98以上，证明模型具有很好的泛化能力。

实际应用场景中，该系统展现出独特的工程价值。首先，紫外检测波段（195-225nm）能有效避开SF6气体背景干扰，这是传统红外检测（如FTIR）难以实现的。其次，单台设备可同时监测CS2和SO2两种关键气体，检测通道数量较其他光谱技术减少70%以上。在浙江某500kV GIS设备在线监测系统中，部署该技术后实现了故障预警提前量从72小时提升至8小时，成功捕捉到3次局部放电引发的SO2浓度异常波动。

该方法的技术突破体现在三个方面：一是开发了基于生成对抗网络的光谱解耦新范式，解决了多组分气体同时检测的世界难题；二是创新性地融合物理约束机制，通过光谱连续性约束和信号一致性损失函数，有效抑制了深度学习模型常见的过拟合现象；三是构建了开放训练框架，允许后续研究者在不依赖纯组分光谱数据库的情况下，扩展检测气体种类至5种以上。

工程验证表明，该系统的检测精度完全满足电力行业标准要求。在模拟GIS设备SF6分解实验中，当局部放电强度达到IEC标准规定的75%临界值时，系统输出的CS2浓度（87.2±1.3ppb）和SO2浓度（321.5±4.7ppb）与实验室精密分析结果（CS2:86.5ppb，SO2:318.9ppb）偏差分别小于2%和1.5%。特别值得关注的是，在200ppb级低浓度检测场景下，系统仍能保持±5%的相对误差，这为GIS设备早期故障预警提供了技术支撑。

在设备部署方面，该系统展现出良好的工程适应性。硬件组成主要包括紫外激光光源（波长范围195-225nm）、气室循环装置和便携式光谱仪，整体设备体积控制在0.8m3以内，重量低于15kg，满足现场安装需求。软件系统采用模块化设计，包含光谱采集预处理、AUDNet解耦引擎和结果可视化平台三个核心模块，支持与SCADA系统无缝对接。实际运行数据显示，系统可在5分钟内完成混合气体的定量分析，采样频率达到10Hz，完全满足实时监测要求。

该技术路线在后续发展中存在三个延伸方向：首先，可扩展检测气体种类，研究显示在225-250nm波段还可以检测到H2S（吸收峰248nm）和SOF2（吸收峰222nm）等次生气体；其次，正在探索将光纤传感技术与AudNet结合，开发分布式在线监测系统；第三，计划将现有模型迁移至嵌入式设备，降低对高性能计算资源的依赖，最终实现每万元预算部署1套监测系统的经济性目标。

通过上述技术创新，该系统成功破解了紫外光谱检测领域长期存在的"多组分解耦"技术瓶颈。实验数据表明，在典型工况下（CS2平均浓度62.5ppb，SO2平均浓度298.4ppb），检测结果的长期稳定性达到RSD<2.5%（连续测量100次），远超行业平均水平。特别在干扰因素较多的变电站环境中，系统通过动态校准算法，将环境温湿度波动（±5℃/±20%RH）引起的测量误差控制在±3%以内，展现出优异的抗干扰能力。

当前研究已取得重要阶段性成果，但工程化应用仍需解决三个实际问题：一是开发适用于现场恶劣环境的可靠光学组件，特别是抗尘防水激光传输模块；二是建立设备全生命周期数据库，完善不同运行阶段下的检测模型参数；三是开发多传感器融合算法，将紫外光谱数据与红外热成像、振动信号等参数进行联合分析，进一步提升故障诊断的准确性。研究团队正与设备制造商合作，计划在2024年底前完成工业样机开发，预计2026年可实现产业化应用。