【技术实现步骤摘要】
本专利技术应用于电力系统的水电机组领域，具体的，涉及一种对高频信号平滑处理的抽水蓄能机组趋势预测方法。
技术介绍
1、电能是一种清洁、高效的能源形式，被广泛应用于家庭、工业、商业和交通等领域，电能可以通过多种方式生成，包括燃煤发电、水电、风电、太阳能等，水力发电因其能源转换能力强、长期投资回报、低碳环保、水库多功能利用的优势得到重视，而抽水蓄能发电相比于常规水利发电相比具有环保的能量储存方式，无需额外的燃料，将多余的电力以潜在的能量储存在水库中，具有较强的调峰能力，有助于平衡电网负荷，提高电网的稳定性和可靠性，因而抽水蓄能发电在水力发电领域中扮演着重要的角色，尤其是在可再生能源的发展和应用中具有独特的优势，随着能源转型的推进，抽水蓄能发电系统的地位和作用将更加凸显。
2、水电机组是抽水蓄能电站的核心重要部件，关乎整个电厂的功能实现，对其状态趋势的预测能有效的防止故障的发生，近些年对预测模型的探讨，数据的处理方法进行了充分的研究，现代水电站设备配备了大量传感器，可以实时采集各种参数数据，这些数据通过物联网技术可以实现远程监测和实时传输，为状态预测提供了丰富的数据基础，利用大数据分析和机器学习算法，可以对水电机组的运行数据进行深入挖掘和分析，发现其中的规律和趋势，从而实现对机组状态的预测和评估，但抽水蓄能机组的振动信号往往是复杂多变的，通过经验模态分解以及其他改进的分解方法能有效的降低信号的复杂度，但是分解后仍包含高频信号，且信号平滑度低，影响预测的精度，研究一种降低信号复杂度，降低预测难度对抽水蓄能电站的安全稳定运行具
技术实现思路
1、专利技术目的：针对水轮机组状态趋势预测存在的困难，本专利技术提出了一种基于注意力机制和多层融合优化算法的抽水蓄能机组趋势预测方法，通过对分解后的信号进行平滑处理和多模型耦合的优化，增加了水电机组状态趋势的精准预测，保证水电站安全稳定的运行，为机组针对性维护提供技术支持。
2、技术方案：本专利技术提出一种对高频信号平滑处理的抽水蓄能机组趋势预测方法，包括如下步骤：
3、步骤1：获取水电机组振摆信号的时间序列数据，完成数据预处理工作，利用优化的时变滤波器经验模态分解方法对信号进行分解，得到多个不同频率的信号分量；
4、步骤2：对分解后的高频信号分量进行平滑处理，并加入注意力机制；
5、步骤3：对平滑处理并加入注意力机制的信号分量分别输入dnn模型、bpnn模型、lstm模型中进行趋势预测，得到各分量的预测结果，基于无负约束理论无负约束理论将不同模型的分量预测结果进行耦合；
6、步骤4：构建基于层次策略的融合优化算法，对基于无负约束理论耦合权重寻优，并对各分量的耦合结果求和，获得最终的预测结果；所述基于层次策略的融合优化算法将碳循环算法cca、差分进化算法de基于层次策略相结合。
7、进一步地，所述步骤1包括如下子步骤：
8、(1-1)收集整理水电机组振摆信号，对收集的数据进行预处理，对处理后的时间序列数据进行最小-最大归一化：将数据线性映射到[0,1]的范围内，公式如下：
9、x'＝(x-xmin)/(xmax-xmin)
10、其中，x'表示归一化后的数据，x表示原始数据，xmin表示收集数据中最小值，xmax表示收集数据中最大值；
11、(1-2)对时间序列数据进行时变滤波器经验模态分解tvfemd，得到本征模态函数(intrinsic mode functions，imfs)集合{imf(ci)1,imf(ci)2,…,imf(ci)n}，其中，ci表示分解所得信号向量，所用时变滤波器经验模态分解tvfemd通过三个步骤分解信号：1)预估截止频率；2)通过tvf滤波器获取信号的局部均值；3)判断剩余信号是否满足停止标准。
12、进一步地，所述步骤2对分解后的信号处理包括以下步骤：
13、(2-1)采用改进矩形波串算法对分解后的高频信号进行平滑处理，计算公式如下：
14、
15、
16、…
17、
18、其中，x'表示平滑处理后的数据，k表示平均窗口的大小，xj'代表平滑处理后的第j个数据，xm代表原始数据第m个数据，窗口内求平均作为窗口最左端数据；
19、(2-2)向平滑处理后的信号分量加入注意力机制，使得表征抽水蓄能水电机组状态特征得到充分利用，设输入向量为[x1,x2,…xn]，首先，利用score(hi,ht)＝f(hi,ht)对查询向量hi与键向量hi进行相关性评分，其中f(hi,ht)代表评分函数，其次利用算出注意权重αi，然后将αi分配到相应的隐藏状态ht，最后通过vi＝αixi算出关键特征向量作为模型输入。
20、进一步地，所述步骤3包括如下子步骤：
21、(3-1)将加工后的所有信号分量分别输入三个预测模型中进行预测，得到三组若干信号分量的预测结果：y1,imf1,y1,imf2,…y1,imfn，y2,imf1,y2,imf2,…y2,imfn，y3,imf1,y3,imf2,…y3,imfn，其中ya,imfn代表第a个预测模型的的n个本征模态分量的预测结果；
22、(3-2)将不同模型的分量预测结果基于无负约束理论进行耦合得到不同信号分量的预测结果ω1y1.imf1+ω2y2.imf1+ω3y3.imf1，ω1y1.imf2+ω2y2.imf2+ω3y3.imf2,…，ω1y1.imfn+ω2y2.imfn+ω3y3.imfn，计算公式如下：
23、
24、其中，代表第m个模型预测输出向量的第n个值，imfi代表第i个分解信号，ω1、ω2、ω3分别代表三个模型耦合时的权重。
25、进一步地，所述步骤4包括如下子步骤：
26、(4-1)将碳循环算法cca、差分进化算法de基于层次策略相结合，形成一种基于层次策略的融合优化算法，种群被分为两层，上层粒子由cca进行翻新，底层的个体由de进行翻新，若上层出现m个搜索代理，底层将拥有m个群体个体，每个群体拥有n个个体，并将底层的最优搜索个体传递到相应的上层粒子；
27、(4-2)将dnn、bpnn、lstm三个模型的预测分量耦合权重利用基于层次策略的融合优化算法对权重寻优，以不同分量的权重作为粒子，以最终的准确率为目标函数，寻得三个模型耦合的最优权重ω1、ω2、ω3，最后以最优权重将不同模型同一信号分量预测结果进行耦合，再将各分量预测结果求和，得到最终预测。
28、有益效果：
29、(1)本专利技术采用tvfemd对信号分解，tvfemd信号分解在emd的基础上加入时变滤波器，克服传统分解方法抗噪音干扰能力差、对振动频率敏感且特征响应较慢的劣势。
30、(2)本专利技术采用的改进矩形波串算法对分解后的高频信号进行处理，增加了信号数据间的相关性，同时将特征提前，有利于故障的本文档来自技高网...
【技术保护点】
1.一种对高频信号平滑处理的抽水蓄能机组趋势预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种对高频信号平滑处理的抽水蓄能机组趋势预测方法，其特征在于，所述步骤1包括如下子步骤：
3.根据权利要求1所述的一种对高频信号平滑处理的抽水蓄能机组趋势预测方法,其特征在于，所述步骤2对分解后的信号处理包括以下步骤：
4.根据权利要求1所述的一种对高频信号平滑处理的抽水蓄能机组趋势预测方法,其特征在于，所述步骤3包括如下子步骤：
5.根据权利要求1至4任一所述的一种对高频信号平滑处理的抽水蓄能机组趋势预测方法，其特征在于，所述步骤4包括如下子步骤：
【技术特征摘要】
1.一种对高频信号平滑处理的抽水蓄能机组趋势预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种对高频信号平滑处理的抽水蓄能机组趋势预测方法，其特征在于，所述步骤1包括如下子步骤：
3.根据权利要求1所述的一种对高频信号平滑处理的抽水蓄能机组趋势预测方法,其特征在于...
【专利技术属性】
技术研发人员：李想，姜伟，卢俊泽，卢琪，贡婷，
申请(专利权)人：淮阴工学院，
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。