一种分布式水轮机气蚀状态诊断方法及系统与流程

    专利2025-04-16  32


    本发明涉及水轮机故障诊断,特别是一种分布式水轮机气蚀状态诊断方法及系统。


    背景技术:

    1、水轮机是转换水电能源的关键设备,其智能化和巨型化发展使实现机组的安全稳定运行变得日趋困难,水轮机的部件组成复杂多样,部件间联系紧密,当发生气蚀故障时,极可能产生连锁反应,造成对机组的严重损害,甚至构成人员伤亡,因此,及时对水轮机的气蚀故障类型进行精准识别尤为重要。

    2、由于直接采集到的机组数据会受到运行工况、测量设备和实时环境等因素的干扰,数据为低信噪比的可能性较大,使得数据特征被噪声淹没,不能准确反映机组的运行状态,常用的数据降噪方法有小波变换、奇异值分解、经验模态分解和变分模态分解等,为了更好地获取机组信号蕴含的故障特征,需要对降噪好的信号提取有效特征。

    3、为精确诊断水轮机的气蚀故障,需综合利用多种算法,对采集的气蚀故障数据进行降噪、特征提取、特征降维和故障分类,本发明提出一种分布式水轮机气蚀状态诊断方法及系统,用小波阈值去噪改进vmd算法,实现对气蚀数据的有效降噪,全方位提取数据的时域、频域和谱峭度特征,并用自编码器对特征降维,降低多维特征的冗余度,用改进的svm算法对特征进行故障分类,实现机组气蚀故障的有效识别,通过水轮机气蚀故障监测数据验证所提模型的有效性和合理性。


    技术实现思路

    1、鉴于现有的分布式水轮机气蚀状态诊断方法及系统中存在的问题,提出了本发明。

    2、因此,本发明的目的是提供一种分布式水轮机气蚀状态诊断方法及系统,在水轮机组被噪声淹没不能准确反映机组的运行状态时,无法实现对机组气蚀故障的有效识别的问题,本发明提供一种分布式水轮机气蚀状态诊断方法进行有效识别。

    3、为解决上述技术问题,本发明提供如下技术方案:

    4、第一方面,本发明实施例提供了一种分布式水轮机气蚀状态诊断方法,其包括,通过改进小波阈值的变分模态分解方法,对水轮机运行信号进行降噪处理,获取噪声分量采集信号,采用小波阈值去噪方法进行滤波处理;将滤波处理后的信号进行多维特征提取,通过计算谱峭度找到暂态成分的频域位置,对淹没在噪声背景中的信号进行恢复,得到信号样本数据集;基于粒子群算法的故障识别方法对数据集进行分类,采集数据集的实时数据,对水轮机气蚀空化的故障进行诊断。

    5、作为本发明所述分布式水轮机气蚀状态诊断方法的一种优选方案,其中:所述变分模态分解包括分离固有模态分量获取水轮机运行信号的模态数,所述分离固有模态分量包括将信号划分为k个模态分量,所述获取水轮机运行信号包括建立约束表达式,引入拉格朗日乘法算子,结合傅里叶变化得到模态分量的中心频率和分量,建立约束表达式公式为:

    6、

    7、其中,k表示待分解的正整数模态个数,{ωk}和{uk}分别为分解后的第k个中心频率和模态分量,δ(t)表示狄克拉函数,*代表卷积操作;

    8、所述引入拉格朗日乘法算子包括增广拉格朗日表达式,具体公式为:

    9、

    10、其中,α表示二次惩罚因子,用来减少高斯噪声的扰动,k表示待分解的正整数模态个数,{ωk}和{uk}分别为分解后的第k个中心频率和模态分量,δ(t)表示狄克拉函数,*代表卷积操作;

    11、所述傅里叶变换包括将拉格朗日表达式进行迭代,具体公式为:

    12、

    13、其中,γ为噪声容忍度,和分别代表对ui(t)、f(t)和λ(t)进行傅里叶变换。

    14、作为本发明所述分布式水轮机气蚀状态诊断方法的一种优选方案,其中:所述降噪处理包括对信号进行小波分解,选择合适的小波分解层数,所述小波分解包括对小波阈值进行量化处理,所述量化包括硬阈值和软阈值,确定固定的小波标准系数;

    15、当小波分解处于硬阈值时,则小波分解层数的有效信息变大,此时噪声相对系数变小;

    16、当小波分解处于软阈值时,则小波分解层数的有效信息变小,此时噪声相对系数变大;

    17、所述标准系数包括将含有噪声的信号进行过滤,具体公式为:

    18、s(k)=f(k)+ε*e(k),k=0,1,2......n-1

    19、其中,s(k)表示原始含噪信号,f(k)表示有效信号,e(k)表示噪声,ε表示噪声系数值的标准偏差。

    20、作为本发明所述分布式水轮机气蚀状态诊断方法的一种优选方案,其中:将处理后的小波阈值进行多维特征提取,具体步骤如下:

    21、提取多维特征机组时域信号;

    22、将时域信号转换为频域信号,提取频域特征值;

    23、通过谱峭度频带信号,获取瞬间冲击的故障信号;

    24、通过对故障信号数据进行编码解码处理,实现对数据的有效降维;

    25、所述谱峭度频带信号特征值公式为:

    26、snx(f)=<|x(t,f)|n>

    27、其中,<·>为平均时间算子,f和t分别表示频率和时间,x(t,f)为x(t)的短时傅里叶变换,snx(f)为n阶谱矩,能量归一化后的四阶谱矩为谱峭度;

    28、所述对故障信号数据进行编码解码处理包括通过利用svn目标函数和决策函数衡量样本分类误差,具体公式为:

    29、

    30、其中,c为惩罚因子,用来衡量样本分类误差的可接受度;

    31、

    32、其中,k(x,xn)为核函数,λn为拉格朗日因子,ω为核函数带宽,g为核函数参数。

    33、作为本发明所述分布式水轮机气蚀状态诊断方法的一种优选方案,其中:所述归一化后的四阶谱矩包括谱峭度均值、谱峭度标准差、谱峭度偏差以及谱峭度的峭度;

    34、谱峭度均值具体公式为:

    35、

    36、谱峭度标准差具体公式为:

    37、

    38、谱峭度偏差具体公式为:

    39、

    40、谱峭度的峭度具体公式为:

    41、

    42、所述能量归一化后的四阶谱矩为谱峭度具体公式为:

    43、

    44、作为本发明所述分布式水轮机气蚀状态诊断方法的一种优选方案,其中:所述分类包括通过粒子群算法优化svn算法中的惩罚因子和核函数参数,得到svn分类结果,所述svn分类结果为非线性分类,所述粒子群算法优化的具体公式为:

    45、

    46、其中,d=1,2,3...m为种群的维数,i=1,2,3...n为种群的规模,t是迭代的次数,a1和a2为学习因子,r1和r2是均匀分布在(0,1)之间的随机数,vid∈[-vmax,vmax],且vmax=σ·smax,0.1<σ<1。

    47、作为本发明所述分布式水轮机气蚀状态诊断方法的一种优选方案,其中:所述诊断包括将优化后的算法进行迭代,所述迭代包括设立n维的搜索空间,将n个粒子组成种群s=(s1,s2,...sn),选取种群迭代的优选位置og=(og1,og2,...ogn)进行诊断。

    48、第二方面,本发明实施例提供了一种分布式水轮机气蚀状态诊断系统,其包括:处理模块,其通过改进小波阈值的变分模态分解方法,对水轮机运行信号进行降噪处理,获取噪声分量采集信号,采用小波阈值去噪方法进行滤波处理;计算模块,其将滤波处理后的信号进行多维特征提取,通过计算谱峭度找到暂态成分的频域位置,对淹没在噪声背景中的信号进行恢复,得到信号样本数据集;诊断模块,其基于粒子群算法的故障识别方法对数据集进行分类,采集数据集的实时数据,对水轮机气蚀空化的故障进行诊断。

    49、第三方面,本发明实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述的分布式水轮机气蚀状态诊断方法的任一步骤。

    50、第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现上述的分布式水轮机气蚀状态诊断方法的任一步骤。

    51、本发明有益效果为:本发明通过对水轮机运行信号进行降噪处理,采用小波阈值去噪方法进行滤波处理,将滤波处理后的信号进行多维特征提取,基于粒子群算法的故障识别方法对数据集进行分类,采集数据集的实时数据,对水轮机气蚀空化的故障进行诊断,通过对提取的高维特征降维,能够有效解决多样本和多维特征带来的计算量过大和计算效率低等问题,得到svm的最优分类结果,保证了对水轮机空化故障的精准诊断,基于粒子群算法的svm故障识别方法能够精准识别水轮机的空化故障。


    技术特征:

    1.一种分布式水轮机气蚀状态诊断方法,其特征在于:包括,

    2.如权利要求1所述的分布式水轮机气蚀状态诊断方法,其特征在于:所述变分模态分解包括分离固有模态分量获取水轮机运行信号的模态数,所述分离固有模态分量包括将信号划分为k个模态分量,所述获取水轮机运行信号包括建立约束表达式,引入拉格朗日乘法算子,结合傅里叶变化得到模态分量的中心频率和分量,建立约束表达式公式为:

    3.如权利要求2所述的分布式水轮机气蚀状态诊断方法,其特征在于:所述降噪处理包括对信号进行小波分解,选择合适的小波分解层数,所述小波分解包括对小波阈值进行量化处理,所述量化包括硬阈值和软阈值,确定固定的小波标准系数;

    4.如权利要求3所述的分布式水轮机气蚀状态诊断方法,其特征在于:将处理后的小波阈值进行多维特征提取,具体步骤如下:

    5.如权利要求4所述的分布式水轮机气蚀状态诊断方法,其特征在于:所述归一化后的四阶谱矩包括谱峭度均值、谱峭度标准差、谱峭度偏差以及谱峭度的峭度;

    6.如权利要求5所述的分布式水轮机气蚀状态诊断方法,其特征在于:所述分类包括通过粒子群算法优化svn算法中的惩罚因子和核函数参数,得到svn分类结果,所述svn分类结果为非线性分类,所述粒子群算法优化的具体公式为:

    7.如权利要求6所述的分布式水轮机气蚀状态诊断方法,其特征在于:所述诊断包括将优化后的算法进行迭代,所述迭代包括设立n维的搜索空间,将n个粒子组成种群s=(s1,s2,...sn),选取种群迭代的优选位置og=(og1,og2,...ogn)进行诊断。

    8.一种分布式水轮机气蚀状态诊断系统,基于权利要求1~7任一所述的分布式水轮机气蚀状态诊断方法,其特征在于:包括,

    9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述的分布式水轮机气蚀状态诊断方法的步骤。

    10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的分布式水轮机气蚀状态诊断方法的步骤。


    技术总结
    本发明公开了一种分布式水轮机气蚀状态诊断方法及系统,涉及水轮机故障诊断技术领域,包括通过对水轮机运行信号进行降噪处理,采用小波阈值去噪方法进行滤波处理,将滤波处理后的信号进行多维特征提取,基于粒子群算法的故障识别方法对数据集进行分类,采集数据集的实时数据,对水轮机气蚀空化的故障进行诊断。本发明通过对提取的高维特征降维,能够有效解决多样本和多维特征带来的计算量过大和计算效率低等问题,得到SVM的最优分类结果,保证了对水轮机空化故障的精准诊断,基于粒子群算法的SVM故障识别方法能够精准识别水轮机的空化故障。

    技术研发人员:刘巍,葛海彬,赵洪光,朱昱瑛,董占坤,付景琨,法毓林,奇兵,陈磊,沈笛,陈惠龙
    受保护的技术使用者:国网黑龙江省电力有限公司牡丹江水力发电总厂
    技术研发日:
    技术公布日:2024/4/29
    转载请注明原文地址:https://wp.8miu.com/read-85621.html

    最新回复(0)