Разработка прототипа цифровой аналитической пробирки полуколичественного определения кислотного числа экспресс-методом с применением цветовой аддитивной модели RGB

104

Разработка прототипа цифровой 
аналитической пробирки полуколи-
чест венного определения кислотного
числа экспресс-методом с применением 
цветовой аддитивной модели RGB

УДК 621.314.212

Высогорец

С

.

П

.,

к.т.н., ФГАОУ 

ДПО «ПЭИПК» 

Министерства 

энергетики Российской 

Федерации 

Горец

И

.

А

.,

НИУ «ВШЭ СПб»

Изложена

проблема

организации

оперативного

контроля

параметров

качества

масла

в

полевых

условиях

. 

Представлена

система

определения

КЧ

экспресс

-

методом

на

осно

-

ве

аддитивной

цветовой

модели

 RGB. 

Описана

предиктивная

самообучающаяся

модель

определения

кислотного

числа

 (

КЧ

) 

на

основе

 RGB 

отклика

. 

Изложен

прототип

цифровой

аналитической

пробирки

полуколичественного

определения

КЧ

экспресс

-

методом

с

при

-

менением

цветовой

аддитивной

модели

 RGB.

Ключевые

слова

:

экспресс-метод, 

цифровая пробирка, 

модель, показатель 

качества, жидкий 

диэлектрик

П

ри  организации  эксплуатации 

маслонаполненного трансфор-

маторного  оборудования  од-

ной из задач является обеспе-

чение  удовлетворительного  состояния 

жидкого диэлектрика как одного из функ-

циональных узлов [1], что обеспечивает-

ся, в том числе, высоким качеством ре-

генерационных работ в ходе ремонтной 

кампании. Управление технологическим 

циклом регенерации жидкого диэлектри-

ка  успешно  осуществляется  на  основе 

физико-химического  контроля  транс-

форматорного масла по показателю кис-

лотного  числа  (КЧ)  [2].  При  этом  среди 

существующих  методов  определения 

КЧ  отсутствуют  пригодные  для  приме-

нения  в  полевых  условиях  электротех-

ническим персоналом. Соответственно, 

необходим поиск решений оперативного 

контроля  вышеуказанных  параметров 

качества масла.

СИСТЕМА

ОПРЕДЕЛЕНИЯ

КЧ

ЭКСПРЕСС

-

МЕТОДОМ

НА

ОСНОВЕ

АДДИТИВНОЙ

ЦВЕТОВОЙ

МОДЕЛИ

 RGB 

С  целью  обеспечения  оперативного 

контроля  качества  регенерационных 

работ жидкого диэлектрика разработан 

экспресс-метод  полуколичественной 

(тестовой)  оценки  показателя  КЧ  [3]. 

Данный  метод  предусматривает  опре-

деление диапазона значений КЧ, к ко-

торому  принадлежит  анализируемая 

проба  масла.  При  этом  фактором  от-

несения  анализируемой  пробы  масла 

к заданному диапазону значений КЧ яв-

ляется  изменение  цвета  реакционной 

смеси в ходе титрования [3, 4, 5].

Для исключения влияния человече-

ского  фактора  при  визуальном  опре-

делении  конечной  точки  титрования 

в  ходе  реализации  экспресс-метода, 

а  именно,  обнаружения  момента  пол-

ной  нейтрализации  всех  свободных 

кислот,  содержащихся  в  анализируе-

мой пробе масла, была поставлена за-

дача поиска количественных критериев 

принятия решений.

Выдвинута  гипотеза  о  существо-

вании  зависимости  изменения  компо-

нентного состава окраски раствора при 

химических  реакциях  от  количествен-

ного  содержания  всех  свободных  кис-

лот  в  анализируемой  пробе  масла  — 

значения  КЧ.  Анализ  компонентного 

состава окраски раствора в пробирках 

при  химических  реакциях  проводил-

ся  согласно  аддитивной  модели  RGB 

цифровой  фотокамерой  смартфона 

с  предустановленным  программным 

обеспечением «Цветоанализатор Color -

Analyzer»  со  считыванием  данных  по 

трем каналам: R (красный), G (зеленый) 

и B (синий).

На  основе  статистического  анализа 

результатов  экспериментальных  иссле-

дований  в  ходе  разработки  экспресс-

метода  доказано  наличие  статистиче-

ски  значимой  зависимости  изменения 

компонентного  состава  окраски  рас-

твора  при  химических  реакциях  от  ко-

ДИАГНОСТИКА 

И  МОНИТОРИНГ

105

личественного  содержания  всех  свободных  кислот 

в  пробе  жидкого  диэлектрика  [3].  Обнаружено,  что 

наиболее  чувствительными  к  изменению  кислотно-

сти среды являются зеленый и красный каналы мо-

дели RGB — при уменьшении значения КЧ меняется 

характер распределения красного (R) и зеленого (G) 

компонента. Референтной методикой при оценке до-

стоверности результатов определения КЧ экспресс-

методом  являлась  аттестованная  методика  МКХА 

05-09 [6].

При  помощи  лепестковой  диаграммы  (табли-

ца  1)  графически  продемонстрирована  зависи-

мость  изменения  состава  окраски  реакционной 

смеси  от  количественного  содержания  всех  сво-

бодных кислот (измеренного КЧ) в анализируемой 

пробе  трансформаторного  масла:  при  уменьше-

нии  значения  КЧ  меняется  характер  распределе-

ния  R  и  G  в  четвертом  (R4,  G4)  и  пятом  (R5,  G5) 

тит ровании — этапе выполнения экспресс-анали-

за. В ходе моделирования в лабораторных услови-

ях процесса регенерации масла 

с  последующим  измерением  КЧ 

по экспресс-методу обнаружена 

аналогичная  тенденция  изме-

нения  лепестковой  диаграммы 

распределения  цветовой  гаммы 

реакционной  смеси  от  общей 

кислотности пробы.

На  основе  критерия  корреля-

ции  Пирсона  [7],  при  оценке  вза-

имосвязи  фактора  КЧ  и  откликов 

RG и В для каждого этапа титро-

вания, установлена статистически 

значимая связь фактора КЧ и от-

кликов  RG  (отношение  G  к  R)  на 

четвертом  и  пятом  титровании: 

для RG4 (

r

 = 0,4) корреляционная 

связь прямая умеренная, для RG5 

(

r

  =  0,6)  корреляционная  связь 

прямая заметная, для В5 (

r

 = –0,4) корреляционная 

связь обратная умеренная.

По результатам анализа точечных диаграмм для 

отклика RG4 и RG5, а также В5 установлено рассло-

ение по фактору «группа КЧ». При этом при постро-

ении  3D-графика  распределения  массива  данных 

установлена  наилучшая  их  кластеризация  по  двум 

факторам  RG4  и  RG5  на  две  группы  КЧ:  1  группа 

КЧ ≤ 0,03 мгКОН/г и 2 группа КЧ > 0,03 мгКОН/г (ри-

сунок 1). 

При изучении 3D-графика обнаружено, что основ-

ными факторами, позволяющими разделить массив 

данных на группы по КЧ, являются RG4 и RG5. Дан-

ное  наблюдение  не  противоречит  результатам  по-

строения лепестковых диаграмм (таблица 1). Соот-

ветственно, ключевыми группирующими факторами, 

позволяющими с высокой степенью вероятности от-

нести анализируемую пробу масла (согласно изме-

ренного компонентного состава ее окраски по моде-

ли RGB) к искомой группе КЧ, являются: RG4 и RG5.

Табл. 1. Изменение вида лепестковой диаграммы распределения значений канала R, G, B (%) для установленного 

диапазона значений КЧ регенерированного масла

Измеряемый диапазон значений КЧ, мгКОН/г

КЧ ≤ 0,02 

0,02 < КЧ ≤ 0,03

0,05 < КЧ ≤ 0,10 

КЧ > 0,1 

Измеренное значение КЧ реге-

нерированного масла по рефе-

рентной методике, мгКОН/г

0,0044

0,027

0,077

0,091

Лепестковая диаграмма распре-

деления измеренных значений 

канала R, G, B (%) в пяти ана-

лизируемых растворах для каж-

дого установленного диапазона 

значений КЧ регенерированного 

масла в лабораторных условиях

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

Сравнительная лепестковая 

диа грамма распределения сред-

них значений канала R, G, B (%) 

в пяти анализируемых раство-

рах для каждого установленного 

диапазона значений КЧ

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

Оценка совпадения результата удовлетворительное удовлетворительное удовлетворительное удовлетворительное

Рис

. 1. 3D-

график

распределения

значений

 RG5, RG4 

и

В

5 

с

расслоением

по

группам

КЧ

: 

•

 — 

значение

КЧ

каждой

пробы

масла

в

группе

значений

 — 

0,03 

и

менее

, 

мгКОН

/

г

; 

•

 — 

значение

КЧ

каждой

пробы

масла

в

группе

значе

-

ний

 — 

более

 0,03 

мгКОН

/

г

0 

5 

10 

15 

20 08

08

08

08

08

08

08

08

08

07
06
05
04
03
02
01
00

RG5

RG4

B5

№

 2 (59) 2020

106

ПРЕДИКТИВНАЯ

САМООБУЧАЮЩАЯСЯ

МОДЕЛЬ

ОПРЕДЕЛЕНИЯ

КЧ

НА

ОСНОВЕ

ИЗМЕРЕННОГО

ЭКСПРЕСС

-

МЕТОДОМ

RGB 

ОТКЛИКА

На  основе  наивного  байесовского  классификатора 

[8] построена предиктивная модель с высокой пред-

сказательной  мощностью  (81%),  позволяющая  по 

результатам измерений компонентного состава окра-

ски раствора по методу RGB определять ожидаемое 

КЧ. Благодаря применению байесовского классифи-

катора, разработанная предсказательная модель по-

лучила свойство самоулучшения. В данной модели 

предусмотрено предсказание двух групп КЧ: Normal 

(менее 0,03 мгKOH/г) и Critical (более 0,03 мгKOH/г). 

Учитывая, что значение КЧ = 0,03 мгКОН/г является 

пороговым  для  масел  при  приемочных  испытаниях 

после проведения ремонтных работ [9, 10], вышеука-

занные группы имеют практическую значимость для 

обеспечения оперативного химического контроля.

Определены вероятности отнесения параметров 

проб  трансформаторного  масла  к  заданной  группе 

КЧ. После формирования обучающей выборки была 

получена возможность вычисления группы КЧ, к ко-

торой  может  быть  отнесена  неизвестная  (анализи-

руемая) проба масла на основе измеренных значе-

ний RG4 и RG5. Вычисление вероятности отнесения 

пробы к группе КЧ проводится по формуле:

p

(AVGroupX│Проба

U

) =

p

(AVGroupX│RG4(

U

)) · 

p

(AVGroupX│RG5(

U

)), 

где 

U

 — номер пробы, а RG4(

U

), RG5(

U

) — показа-

тель для пробы данного номера. Главное окно рабо-

ты разработанного классификатора представлено на 

рисунке 2.

Для  улучшения  работы  классификатора  после 

количественного  определения  КЧ  анализируемой 

пробы  в  лабораторных  условиях  значения  RG4, 

RG5 и группы КЧ подлежит вносить в обучающую 

выборку.

Применение  предиктивной  модели  в  совокуп-

ности с технологией анализа цветов по аддитивной 

модели  RGB  цифровой  камерой  в  разработанном 

экспресс-методе позволяет автоматизировать про-

цесс определения ожидаемого значения КЧ на ос-

нове  оценки  цветовых  переходов  при  объемном 

титровании с применением кислотно-основных ин-

дикаторов. 

РАЗРАБОТКА

ПРОТОТИПА

ЦИФРОВОЙ

АНАЛИТИЧЕСКОЙ

ПРОБИРКИ

ПОЛУКОЛИЧЕСТВЕННОГО

ОПРЕДЕЛЕНИЯ

КЧ

ЭКСПРЕСС

-

МЕТОДОМ

С

ПРИМЕНЕНИЕМ

ЦВЕТОВОЙ

АДДИТИВНОЙ

МОДЕЛИ

 RGB

Для автоматизации процесса определения КЧ экс-

пресс-методом на основе оценки цветовых перехо-

дов при объемном титровании с применением кис-

лотно-основных индикаторов разработан прототип 

цифровой аналитической пробирки (рисунок 3). За-

дача цифровой аналитической пробирки сводится 

к определению КЧ посредством реализации следу-

ющих этапов:

– смешивание  анализируемой  аликвоты  пробы 

трансформаторного  масла  и  установленных  хи-

Рис

. 2. 

Пример

главного

окна

классификатора

рекомендательной

модели

для

определения

двух

групп

КЧ

по

двум

факторам

Рис

. 3. 

Прототип

цифровой

аналитической

пробирки

полуколичественного

определения

КЧ

экспресс

-

методом

с

применением

цветовой

аддитивной

модели

 RGB: 

а

) 

компонентный

состав

цифровой

пробирки

; 

б

) 3D-

модель

аналитической

системы

с

учетом

цвета

материала

изготовления

Модуль подключения 

к телефону/компьютеру

Д×В×Ш — 17×26×3 мм

Модуль камеры

Д×В×Ш — 25×30×35 мм
Модуль подсветки

(фонарик)

Д×В — 3×10 мм
Защитное (прозрачное)

стекло

Д×В — 36×3 мм
Емкость (сменная) для 

смешивания пробы

Д×В — 40×60 мм

Общие размеры прибора

Д×В — 40×110 мм

мических реагентов согласно ме-

тодике экспресс-анализа в ана-

литическом блоке;

– автоматический анализ реакци-

онной  смеси  с  помощью  циф-

рового блока по компонентному 

цветовому составу с последую-

щей  обработкой  данных  соот-

ветствующим 

программным 

обеспечением (ПО). 

Цифровая  аналитическая  про-

бирка (рисунок 3б) состоит из двух 

блоков жесткой конструкции: верх-

ний блок (цифровой) и нижний блок 

(аналитический).  Блоки  предусмо-

трено изготавливать из непрозрач-

ного  химически  стойкого  пластика 

с разделением при помощи защит-

ного  прозрачного  химически  стой-

кого стекла.

Верхний  цифровой  блок  пред-

усмотрен  для  многоразового  ис-

пользования, во внутреннюю часть 

монтируется  электронная  система 

цифровой  аналитической  пробир-

ки (рисунок 3а): модуль подсветки, 

модуль  камеры  (RPi  Camera  F), 

модуль подключения к смартфону/

компьютеру.  Нижний  аналитиче-

ский блок предусмотрен для одно-

разового  использования,  во  вну-

ДИАГНОСТИКА 

И  МОНИТОРИНГ

107

тренней  части  происходит  смешивание  химических 

реагентов и анализируемой пробы масла.

Цифровая аналитическая пробирка предназначе-

на для применения в полевых условиях. В аналити-

ческом  блоке  проводится  смешивание  химических 

реагентов и аликвоты пробы масла. Для последую-

щего  анализа  к  аналитическому  блоку  присоединя-

ется  цифровой  блок,  встроенная  камера  которого 

производит  съемку  зеркала  полученной  реакцион-

ной смеси. Полученное изображение экспортируется 

через встроенный модуль на персональный компью-

тер/смартфон  с  предустановленным  программным 

обеспечением  для  определения  компонентного  со-

става окраски по модели RGB, с последующим экс-

портом результатов измерения в классификатор ре-

комендательной модели.

Результатом  анализа  пробы  масла  с  помощью 

цифровой  аналитической  пробирки  является  полу-

чение искомой группы КЧ, к которой принадлежит ис-

следуемая проба жидкого диэлектрика.

Применение  цифровых  технологий  при  реали-

зации  экспресс-метода  позволяет  снизить  трудо-

емкость,  повысить  точность  определения  КЧ,  со-

ответственно  обеспечить  простоту  реализации 

разработанного  экспресс-метода  с  возможностью 

его выполнения электротехническим персоналом.

ВЫВОДЫ

Разработана  система  полуколичественного  опреде-

ления КЧ экспресс-методом с применением аддитив-

ной цветовой модели RGB. 

Доказано наличие статистически значимой зави-

симости изменения компонентного состава окраски 

раствора при химических реакциях в ходе экспресс-

определения  КЧ  от  количественного  содержания 

всех свободных кислот в пробе жидкого диэлектрика.

Построена  предиктивная  самообучающаяся  мо-

дель  с  высокой  предсказательной  мощностью,  по-

зволяющая на основе RGB отклика определять ожи-

даемое КЧ. 

Разработан  прототип  цифровой  аналитической 

пробирки полуколичественного определения КЧ экс-

пресс-методом с применением цветовой аддитивной 

модели RGB.  

ЛИТЕРАТУРА
1.  Методика  оценки  технического 

состояния  основного  технологи-

ческого  оборудования  и  линий 

электропередачи  электрических 

станций  и  электрических  сетей. 

Утв. Приказом Минэнерго Россий-

ской  Федерации  от  26.07.2017  г. 

№  676.  URL:  http://docs.cntd.ru/

document/456088008.

2.  Высогорец  С.П.  Обеспечение  на-

дежности  силовых  трансформа-

торов на основе управления каче-

ством  трансформаторного  масла. 

СПб.: ПЭИПК, 2015. 117 с.

3.  Высогорец  С.П.,  Горец  И.А.  Мето-

дические  основы  экспресс  опре-

деления кислотного числа жидкого 

диэлектрика // ЭЛЕКТРОЭНЕРГИЯ. 

Передача  и  распределение,  2018, 

№ 2(47). С.102–107.

4.  Коростелев П.П. Реактивы для тех-

нического анализа. Справ. изд. М.: 

Металлургия, 1988. 384 с.

5.  Itten J. The Art of Color. Wiley & Sons,

Incorporated,  John.  January,  1974. 

160 p.

6.  МКХА 05-09. Методика измерений. 

Определение  кислотного  числа 

трансформаторных  масел  титри-

метрическим  методом.  СПб.:  НПО 

«Электрум»,  2009  (редакция  2014 

года). 15 с.

7.  Pearson K. Notes on regression and 

inheritance  in  the  case  of  two  par-

ents.  Proceedings  of  the  Royal  So-

ciety  of  London,  58.  20  June  1895, 

pp. 240–242.

8.  Hand D.J., Yu K. Idiot’s Bayes — not 

so stupid after all? International Sta-

tistical Review, vol 69, part 3, 2001, 

pp. 385–399.

9.  СТО  34.01-23.1-001-2017.  Объем 

и нормы испытаний электрообору-

дования. Утв. распоряжением ПАО 

«Россети»  от  26.05.2017  №  280р 

«Об  утверждении  стандарта  ор-

ганизации».  М.:  ПАО  «Россети», 

2017. 241 с.

10. СТО  01.Б7.02-2017.  Техническое 

диагностирование маслонаполнен-

ного оборудования по результатам 

анализа  трансформаторного  мас-

ла. Утв. приказом ПАО «МРСК Се-

веро-Запада» от 15.01.2018 № 16. 

СПб.:  ПАО  «МРСК  Северо-Запа-

да», 2018. 76 с.

REFERENSES
1.  Procedure for technical evaluation of 

basic  technological  equipment  and 

transmission  lines  of  electrical  sta-

tions and networks. Approved by the 

Order of the Ministry of Energy of the 

Russian Federation dated 26.07.2017 

no. 676. URL: http://docs.cntd.ru/do-

cument/456088008. (In Russian)

2.  Vysogorets S.P. Provision of power 

transformer  reliability  based  on 

transformer oil quality management. 

Saint-Petersburg,  PEIPK,  2015. 

117 p. (In Russian)

3.  Vysogorets  S.P.,  Gorets  I.A.  Basic 

procedures  of  express  neutraliza-

tion test of liquid dielectric // 

ELEK-

TROENERGIYA. Peredacha i ras-
pre deleniye

  [ELECTRIC  POWER. 

Transmission and Distribution], 2018,

no. 2(47), pp. 102–107. (In Russian)

4.  Korostelev P.P. Reagents for techni-

cal  analysis.  Reference  publ.,  Mos-

cow, Metallurgiya Publ., 1988. 384 p. 

(In Russian)

5.  Itten J. The Art of Color. Wiley&Sons, 

Incorporated,  John.  January,  1974. 

160 p.

6.  Quantitative  Chemical  Analysis 

Gui deline  05-09.  Measurement 

procedure.  Neutralization  test  of 

transformer  oils  by  titration-based 

method.  Saint-Petersburg,  NPO 

Elektrum,  2009  (edition  of  2014). 

15 p. (In Russian)

7.  Pearson K. Notes on regression and 

inheritance  in  the  case  of  two  par-

ents.  Proceedings  of  the  Royal  So-

ciety  of  London,  58.  20  June  1895, 

pp. 240–242.

8.  Hand D.J., Yu K. Idiot’s Bayes — not 

so stupid after all? International Sta-

tistical Review, vol 69, part 3, 2001, 

pp. 385–399.

9.  Company Standard STO 34.01-23.1-

001-2017. Scope and norms of elec-

trical  equipment  testing.  Approved 

by the order of PJSC Rosseti dated 

26.05.2017 no. 280р “About approval 

of  the  company  standard”.  Moscow, 

PJSC Rosseti, 2017. 241 p. (In Rus-

sian)

10. Company  Standard  STO  01.Б7.02-

2017. Technical diagnosis of oil-fi lled 

equipment based on results of trans-

former oil analysis. Approved by the 

order  of  PJSC  IDGC  of  North-West 

dated  15.01.2018  no.16.  Saint-Pe-

tersburg, PJSC IDGC of North-West, 

2018. 76 p. (In Russian)

№

 2 (59) 2020