一种抽水蓄能机组失稳故障信号降噪方法与装置制造方法及图纸

本发明专利技术实施例提供一种抽水蓄能机组失稳故障信号降噪方法与装置，所述方法包括以下步骤：采集抽水蓄能机组失稳故障的原始信号；将模态复合熵作为适应度函数，采用改进粒子群算法进行变分模态分解参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α；根据所述最优模态数K和所述二次惩罚因子α，对所述原始信号进行VMD处理，得到K个本征模态分量{u

【技术实现步骤摘要】
一种抽水蓄能机组失稳故障信号降噪方法与装置


[0001]本专利技术涉及信号处理
，具体涉及一种抽水蓄能机组失稳故障信号降噪方法。

技术介绍

[0002]随着我国大电网的发展，对电网稳定性提出了更高的要求。抽水蓄能电站可有效解决电网风电和光伏出力消纳问题，有利于更好地开发新能源资源，并有效缓解弃水、弃风、弃光的问题。目前，抽水蓄能机组向高水头、大容量、高转速方向发展。而抽水蓄能机组区别于常规水轮机的重要特点是其工况更加复杂且转换频繁，各运行工况的切换过程中常伴随水力的大范围波动，易发生机组失稳故障，从而对引水管道、机组等设备的安全稳定运行产生严重威胁，甚至会影响到电网的稳定性。由于抽水蓄能机组运行工况复杂，噪声污染严重，采集的原始信号中包含了大量干扰噪声，不能准确地反映机组真实的运行状况。
[0003]由于实际应有领域的信号及噪声特点各不相同，在具体领域时，如何设定恰当的适应度函数、如何提高算法搜索能力以及避免陷入局部最优解，是急需解决的问题。
[0004]在实现本专利技术过程中，申请人发现现有技术中至少存在如下问题：如何有效地在抽水蓄能机组运行数据分析过程中进行降噪。

技术实现思路

[0005]本专利技术实施例解决的技术问题是如何有效地在抽水蓄能机组运行数据分析过程中进行降噪的问题。
[0006]为达上述目的，一方面，本专利技术实施例提供一种抽水蓄能机组失稳故障信号降噪方法，所述方法包括以下步骤：
[0007]采集抽水蓄能机组失稳故障的原始信号；
[0008]将模态复合熵作为适应度函数，采用改进粒子群算法进行变分模态分解参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α；
[0009]根据所述最优模态数K和所述二次惩罚因子α，对所述原始信号进行VMD处理，得到K个本征模态分量{u
k
}；
[0010]利用相关系数筛选法识别本征模态分量的有效模态和含噪模态，对所述含噪模态进行去噪处理；
[0011]将所述有效模态与去噪后的含噪模态进行重构，实现信号降噪。
[0012]另一方面，本专利技术实施例提供一种抽水蓄能机组失稳故障信号降噪装置，包括：
[0013]采集单元，用于采集抽水蓄能机组失稳故障的原始信号；
[0014]计算单元，用于将模态复合熵作为适应度函数，采用改进粒子群算法进行变分模态分解参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α；
[0015]处理单元，用于根据所述最优模态数K和所述二次惩罚因子α，对所述原始信号进行VMD处理，得到K个本征模态分量{u
k
}；
[0016]去噪单元，用于利用相关系数筛选法识别本征模态分量的有效模态和含噪模态，对所述含噪模态进行去噪处理；
[0017]重构单元，用于将所述有效模态与去噪后的含噪模态进行重构，实现信号降噪。
[0018]本专利技术的有益技术效果：采用改进粒子群算法进行VMD参数寻优，自适应确定了VMD最优模态数K和二次惩罚因子α；结合抽水蓄能机组失稳故障信号与噪声特点，提出了模态复合熵指标作为适应度函数，并设计了惯性权重值随搜索进程先大后小的计算公式，既提高了算法搜索能力，同时也避免了搜索时陷入局部最优解；VMD处理信号时，利用小波阈值去噪方法对含噪模态进行去噪处理，并与有效模态一起重构去噪信号，最大程度上对信号进行滤波，充分保留了信号特征。本专利技术提出的降噪算法效果好、自适应性和实时性强，具有重要的理论价值和广泛的工程应用前景。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0020]图1是本专利技术实施例提供的一种抽水蓄能机组失稳故障信号降噪方法的流程图；
[0021]图2是本专利技术实施例提供的一种抽水蓄能机组失稳故障信号降噪装置的结构示意图；
[0022]图3是本专利技术实施例提供的第一种实施方式的流程图；
[0023]图4是本专利技术实施例提供的基于改进粒子群算法的VMD参数自适应寻优流程图；
[0024]图5是本专利技术实施例提供的基于最优K和α的VMD流程图；
[0025]图6是本专利技术实施例提供的有效模态和含噪模态识别与处理流程图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]本专利技术针对抽水蓄能机组失稳故障信号与噪声特点，提供一种基于参数自寻优变分模态分解(VMD)与小波阈值处理的信号降噪方法(一种抽水蓄能机组失稳故障信号降噪方法)。以模态复合熵作为适应度函数，采用改进粒子群算法进行VMD参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α；基于最优K和α，对含有噪声的抽水蓄能机组失稳故障原始信号进行VMD分解，得到K个本征模态分量；利用相关系数筛选法，进行模态分量的有效模态和含噪模态识别，利用小波阈值去噪方法对含噪模态进行去噪处理；将有效模态与去噪后的模态进行重构，实现信号降噪。本专利技术提出的降噪算法效果好、自适应性和实时性强，具有重要的理论价值和广泛的工程应用前景。
[0028]本专利技术提供了一种抽水蓄能机组失稳故障信号降噪方法，如图1所示，包括以下步骤：
[0029]S101：采集抽水蓄能机组失稳故障的原始信号；原始信号包括上导、下导和水导轴承摆度，上机架、下机架和顶盖振动，以及尾水管压力；
[0030]S102：将模态复合熵作为适应度函数，采用改进粒子群算法进行变分模态分解参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α；
[0031]S103：根据所述最优模态数K和所述二次惩罚因子α，对所述原始信号进行VMD处理，得到K个本征模态分量{u
k
}；
[0032]S104：利用相关系数筛选法识别本征模态分量的有效模态和含噪模态，对所述含噪模态进行去噪处理；
[0033]S105：将所述有效模态与去噪后的含噪模态进行重构，实现信号降噪。
[0034]所述采用改进粒子群算法进行变分模态分解参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α，包括以下步骤：
[0035]设定粒子群的维度D、群体规模N、最大迭代次数Np、粒子位置范围、速度范围；
[0036]取粒子群维度D为2，其参数组合为[a1，a2]，a1为VMD的模态数，a2为二次惩罚因子；
[0037]针对某一粒子的位置组合[a1，a2]，对原始信号做VMD运算，得到K个模态分量{u
k
}，计算每本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抽水蓄能机组失稳故障信号降噪方法，其特征在于，所述方法包括以下步骤：采集抽水蓄能机组失稳故障的原始信号；将模态复合熵作为适应度函数，采用改进粒子群算法进行变分模态分解参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α；根据所述最优模态数K和所述二次惩罚因子α，对所述原始信号进行VMD处理，得到K个本征模态分量{u
k
}；利用相关系数筛选法识别本征模态分量的有效模态和含噪模态，对所述含噪模态进行去噪处理；将所述有效模态与去噪后的含噪模态进行重构，实现信号降噪。2.根据权利要求1所述的一种抽水蓄能机组失稳故障信号降噪方法，其特征在于，所述采用改进粒子群算法进行变分模态分解参数自适应寻优，确定VMD最优模态数K和二次惩罚因子α，包括以下步骤：设定粒子群的维度D、群体规模N、最大迭代次数Np、粒子位置范围、速度范围；取粒子群维度D为2，其参数组合为[a1，a2]，a1为VMD的模态数，a2为二次惩罚因子；针对某一粒子的位置组合[a1，a2]，对原始信号做VMD运算，得到K个模态分量{u
k
}，计算每一粒子的适应度函数值Q(u
ki
(1))，对各粒子进行评价，选取适应度函数值最小者为最优，存储对应粒子的个体局部极值p
i
＝(p
i1
,p
i2
)和粒子群全局极值p
g
＝(p
g1
,p
g2
)；根据设定的迭代公式，更新各粒子速度和位置；对超出边界范围的粒子进行边界优化处理，缓解因粒子在边界聚集而引起的算法早熟收敛；针对位置更新后的粒子组合，对原始信号做VMD运算，计算每一粒子新的适应度函数值Q(u
ki
(k+1))，并更新粒子个体局部极值p
i
(k+1)和粒子群全局极值p
g
(k+1)；按照适应度函数值对所有粒子进行递增排序，将后50％粒子的速度和位置用前50％粒子的速度和位置代替，但不改变原有粒子的个体局部极值p
i
(k+1)和粒子群全局极值p
g
(k+1)；判断当前迭代次数是否达到最大迭代次数，如果未达到，则返回所述设定的迭代公式进行下一次迭代；如果已达到，则迭代终止，输出最优粒子的位置，即获得最优模态数K和二次惩罚因子α。3.根据权利要求2所述的一种抽水蓄能机组失稳故障信号降噪方法，其特征在于，以{u
k
}的模态复合熵E
c
作为适应度函数Q(u
k
)的，其具体为：Q(u
k
)＝E
c
＝β1·
E
energy
+β2·
E
envelope
式中，E
energy
为模态能量熵；E
envelope
为模态包络熵；β1，β2为二者的权重系数，β1+β2＝1，取β1＝0.6，β2＝0.4。4.根据权利要求3所述的一种抽水蓄能机组失稳故障信号降噪方法，其特征在于，所述模态能量熵E
energy
具体为：
所述模态包络熵E
envelope
具体为：式中，H表示信号u
k
的Hilbert变换。5.根据权利要求2所述的一种抽水蓄能机组失稳故障信号降噪方法，其特征在于，设定的迭代公式中的惯性权重ω为：其中，ω
max
为惯性权重的最大值和ω
min
为惯性权重的最小值，取ω
max
＝0.9,ω
min
＝0.4；t为粒子迭代次数；Np为最大迭代次数；Dec为衰减因子，其值为小于1的正数。6.一种抽水蓄能机组失稳故障信号降噪装置...

【专利技术属性】
技术研发人员：李晓波，贾斌，段学友，俎海东，焦晓峰，何成兵，云杰，张利慧，
申请(专利权)人：内蒙古电力集团有限责任公司内蒙古电力科学研究院分公司，
类型：发明
国别省市：