【技术实现步骤摘要】
本专利技术涉及数据降噪，尤其涉及一种基于模态双分解的热工监测参数降噪方法以及一种基于模态双分解的热工监测参数降噪系统。
技术介绍
1、热力系统是一系列高温、高压和高速设备的有机组合，系统各部件之间存在着机械、气(汽)动、热力、换热、质量流动等多种形式的联系，其中任何一个设备、任何一个过程状态的改变都会对系统造成多方面的影响，为保证系统的运行稳定性，工业上普遍采用综合控制系统对其运行过程进行控制、优化及故障分析。在这个过程中，监测系统获得的信号质量和信号所含信息量大小会直接影响综合控制系统的工作，进而决定整个系统的运行管理水平。受限于传感器采样频率、精度和外部环境干扰，采样数据会包含一定的噪声和扰动，如果不能将其准确去除，可能会模糊和掩盖真实监测信号，误导综合控制系统的分析和抉择，导致对异常事件造成误判或漏判；同时，噪声和扰动也可能造成监测数据中的重要信息丢失或变形，使得对系统状态的全面了解变得困难，从而无法准确评估设备的健康状况和性能。
2、因此，有必要在深入分析热工监测参数信号特点和频谱分布规律的基础上，确定热工监测信号的组成分布，利用模态分解方法将原始信号划分为信息部分和噪声部分，然后通过对噪声部分进行二次模态分解筛选出噪声部分中存在的有效信息，实现在尽可能保留原始信号信息的基础上，最大限度的去除噪声和扰动。
3、根据目前可搜集到的公开报道文献，国内外还没有针对热工监测数据的降噪方法。究其原因，主要在于热工监测参数具有非线性、延迟性、耦合性高、扰动大的特点，同时，由于热工信号的周期性波动和震荡频率等也
4、目前，热力系统监控参数降噪方法主要分为改进的小波降噪方法和改进的传统滤波方法。但是这些方法存在边界效应模糊，细节丢失比较严重，只能减弱噪音而无法去掉噪音的缺点，而且以上降噪方法基本为普适的监测数据降噪方法，没有结合热工监测参数的特点，会造成数据信息丢失较多或者降噪不彻底等问题。
技术实现思路
1、针对上述问题，本专利技术提供了一种基于模态双分解的热工监测参数降噪方法及系统，通过对监控参数进行mremd(median regression empirical mode decomposition，基于中值模态分解)分解得到若干本征模态函数，然后通过引入混沌时间序列分析的排列熵值，筛选出包含噪声的imf(intrinsic mode functions，本征模态函数)分量重构为原始数据的噪声部分，最后通过vmd(variational mode decomposition，变分模态分解)分解提取出噪声部分中的原始数据信息，与mremd分解所得包含趋势和信号的残余imf分量一起重构为降噪后的数据，在降低噪声的同时，最大限度的保留原始信号的信息量，具有更高的信噪比和更低的信息熵及功率谱熵。
2、为实现上述目的，本专利技术提供了一种基于模态双分解的热工监测参数降噪方法，包括：
3、对热力系统运行参数进行mremd分解，得到imf分量和残余分量；
4、基于c-c(cross-correlation，交叉关联)算法计算所述imf分量的排列熵值，对所述排列熵值进行k-means聚类，分别得到高频imf分量和低频imf分量；
5、对所述高频imf分量求和重构，得到所述热力系统运行参数的噪声分量；
6、由北方苍鹰优化ngo算法得到vmd分解参数，并对所述噪声分量进行vmd分解，得到imf*分量；
7、采用包络熵最低的imf*分量与所述残余分量和所述低频imf分量进行重构，得到降噪后的原始数据。
8、在上述技术方案中，优选地，所述基于c-c算法计算所述imf分量的排列熵值的具体方法包括：
9、针对所述imf分量计算排列熵值，同时采用混沌系统分析中的c-c算法，迭代计算并优化得到所述imf分量相空间重构的时间延迟和嵌入维数，得到所述imf分量的排列熵值。
10、在上述技术方案中，优选地，所述由北方苍鹰优化ngo算法得到vmd分解参数，并对所述噪声分量进行vmd分解，得到imf*分量，具体方法包括：
11、采用变分模态分解vmd算法对所述imf分量进行分解提取，所得的imf分量记为imf*分量；
12、采用ngo算法对所述vmd算法的惩罚因子和分解层数进行优化，得到所述vmd算法在预设迭代范围内惩罚因子和分解层数的最优解；
13、在最优解的惩罚因子和分解层数下，确定所述imf*分量。
14、在上述技术方案中，优选地，所述采用包络熵最低的imf*分量与所述残余分量和所述低频imf分量进行重构的具体过程包括：
15、计算所述imf*分量的包络熵，以所述包络熵作为所述ngo算法进行vmd分解参数优化过程的适应度；
16、所述imf*分量的包络熵最低时，所述ngo算法的适应度最优，以此时的imf*分量与所述残余分量和所述低频分量进行重构。
17、在上述技术方案中，优选地，基于模态双分解的热工监测参数降噪方法还包括：
18、按照滑动窗口法，在预设窗口内对所述热力系统运行参数进行降噪。
19、本专利技术还提出一种基于模态双分解的热工监测参数降噪系统，应用如上述技术方案中任一项公开的基于模态双分解的热工监测参数降噪方法，包括：
20、mremd分解模块，用于对热力系统运行参数进行mremd分解，得到imf分量和残余分量；
21、imf分量聚类模块，用于基于c-c算法计算所述imf分量的排列熵值，对所述排列熵值进行k-means聚类，分别得到高频imf分量和低频imf分量；
22、高频噪声重构模块，用于对所述高频imf分量求和重构，得到所述热力系统运行参数的噪声分量；
23、vmd分量分解模块，用于由北方苍鹰优化ngo算法得到vmd分解参数，并对所述噪声分量进行vmd分解，得到imf*分量；
24、分量重构降噪模块，用于采用包络熵最低的imf*分量与所述残余分量和所述低频imf分量进行重构，得到降噪后的原始数据。
25、在上述技术方案中，优选地，所述imf分量聚类模块具体用于：
26、针对所述imf分量计算排列熵值，同时采用混沌系统分析中的c-c算法，迭代计算并优化得到所述imf分量相空间重构的时间延迟和嵌入维数，得到所述imf分量的排列熵值。
27、在上述技术方案中，优选地，所述vmd分量分解模块具体用于：
28、采用变分模态分解vmd算法对所述imf分量进行分解提取，所得的imf分量记为imf*分量；
29、采用ngo算法对所述vmd算法的惩罚因子和分解层数进行优化，得到所述vmd算法在预设迭代范围内惩罚因子和分解层数的最优解；
30、在最优解的惩罚因子和分解层数下，确定所述imf*分量。
31、本文档来自技高网...
【技术保护点】
1.一种基于模态双分解的热工监测参数降噪方法，其特征在于，包括：
2.根据权利要求1所述的基于模态双分解的热工监测参数降噪方法，其特征在于，所述基于C-C算法计算所述IMF分量的排列熵值的具体方法包括：
3.根据权利要求1所述的基于模态双分解的热工监测参数降噪方法，其特征在于，所述由北方苍鹰优化NGO算法得到VMD分解参数，并对所述噪声分量进行VMD分解，得到IMF*分量，具体方法包括：
4.根据权利要求3所述的基于模态双分解的热工监测参数降噪方法，其特征在于，所述采用包络熵最低的IMF*分量与所述残余分量和所述低频IMF分量进行重构的具体过程包括：
5.根据权利要求4所述的基于模态双分解的热工监测参数降噪方法，其特征在于，还包括：
6.一种基于模态双分解的热工监测参数降噪系统，其特征在于，应用如权利要求1至5中任一项所述的基于模态双分解的热工监测参数降噪方法，包括：
7.根据权利要求6所述的基于模态双分解的热工监测参数降噪系统，其特征在于，所述IMF分量聚类模块具体用于：
8.根据权利要求6所述
9.根据权利要求8所述的基于模态双分解的热工监测参数降噪系统，其特征在于，所述分量重构降噪模块具体用于：
10.根据权利要求9所述的基于模态双分解的热工监测参数降噪系统，其特征在于，还包括滑动窗口降噪模块，用于按照滑动窗口法，在预设窗口内对所述热力系统运行参数进行降噪。
...【技术特征摘要】
1.一种基于模态双分解的热工监测参数降噪方法，其特征在于，包括：
2.根据权利要求1所述的基于模态双分解的热工监测参数降噪方法，其特征在于，所述基于c-c算法计算所述imf分量的排列熵值的具体方法包括：
3.根据权利要求1所述的基于模态双分解的热工监测参数降噪方法，其特征在于，所述由北方苍鹰优化ngo算法得到vmd分解参数，并对所述噪声分量进行vmd分解，得到imf*分量，具体方法包括：
4.根据权利要求3所述的基于模态双分解的热工监测参数降噪方法，其特征在于，所述采用包络熵最低的imf*分量与所述残余分量和所述低频imf分量进行重构的具体过程包括：
5.根据权利要求4所述的基于模态双分解的热工监测参数降噪方法，其特征在于，还包括：...
【专利技术属性】
技术研发人员：卓越，倪何，肖鹏飞，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。