一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法技术

本发明专利技术公开了一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法，包括以下步骤：A、获取水轮发电机组振摆数据；B、将水轮发电机组振摆数据进行SVMD分解，得到多个不同中心频率的模态函数；C、将SVMD分解得到的多个模态函数进行排列熵计算；D、根据所算排列熵的数值确定重构阈值；E、根据所确定的重构阈值选择相关模态函数进行重构，从而达到振摆数据消噪的效果。本发明专利技术具有能够有效去除水轮发电机组振摆信号噪声的特点。信号噪声的特点。信号噪声的特点。

【技术实现步骤摘要】
一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法


[0001]本专利技术涉及一种水轮发电机组状态监测装置，特别是一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法。

技术介绍

[0002]在水力发电的所有设备当中，水轮发电机组是最为核心的一个设备；所以，实时掌握水轮发电机组设备的状态对保证电网的稳定运行具有非常重要的意义。而据研究表明水轮发电机组百分之八十左右的故障都能够通过其振动数据表现出来。但在水轮发电机组运行时，采集到的信号会受到各种噪声的干扰，这种包含噪声的信号往往会影响相关专业人员对机组实际运行状态的判断。所以对水轮发电机组的振摆数据进行消噪，准确提取水轮发电机组振摆数据波形和频率特征对实时判断机组的运行状态具有非常重要的意义。然而，目前国内电站使用的水轮发电机组状态监测装置，其只具有数据的采集、显示报警等功能，不具有振摆数据消噪功能，对于采集过程中产生的噪声其无法进行消除，导致其所采集的振摆数据波形和频率图中出现噪声干扰频率，影响运维人员准确的判断机组的运行状态。因此，现有的技术存在着振摆数据易受噪声干扰的问题。

技术实现思路

[0003]本专利技术的目的在于，提供一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法。本专利技术具有能够有效去除水轮发电机组振摆信号噪声的特点。
[0004]本专利技术的技术方案：一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法，包括以下步骤：
[0005]A、获取水轮发电机组振摆数据；
[0006]B、将水轮发电机组振摆数据进行SVMD分解，得到多个不同中心频率的模态函数；
[0007]C、将SVMD分解得到的多个模态函数进行排列熵计算；
[0008]D、根据所算排列熵的数值确定重构阈值；
[0009]E、根据所确定的重构阈值选择相关模态函数进行重构，从而达到振摆数据消噪的效果。
[0010]前述的一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法中，步骤B中将水轮发电机组振摆数据进行SVMD分解的表达式为：f(t)＝u
L
(t)+f
r
(t)，其中u
L
(t)是第L个模式函数；f
r
(t)是残差信号。
[0011]前述的一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法中，步骤C中将SVMD分解得到的多个模态函数进行排列熵计算的相关表达式为：对于一个模态函数u
L
(t)，进行相空间重构得：
[0012]其中：d为嵌入维数，τ为延迟时间，k为重构分量；
[0013]对矩阵z中每一行序列进行升序排列：
[0014]x(t+R1τ)≤x(t+R2τ)≤
…
x(t+R
d
τ)，式中：t表示索引的列数R1…
R
d
为u
L
(t)中各元素所处的位置；
[0015]定义为重构后任意一组序列，0≤R
i
≤d！,对于d维相空间映射有d！种排列的可能性，计算每一种序列出现的可能性P1,P2,
…
P
i
,对于时间序列u
L
(t)的i种排列熵H
p
(d)：H
p
(d)＝
‑
∑P
i
In(P
i
)。
[0016]前述的一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法中，步骤E中重构的过程是将小于阈值的相关模态分量数值直接相加而得到重构后的分量。
[0017]与现有技术相比，本专利技术利用SVMD的自适应性、快收敛性和高抗噪性，排列熵计算量少和鲁棒性强等优点，对水轮发电机组振摆数据进行消噪，去除噪声对机组实际振摆数据的影响，使水轮发电机组振摆数据的波形和频率特征能够更完整的显现出来，方便运维人员准确判断水轮发电机组的运行状态。本专利技术将SVMD和排列熵相结合，对水轮发电机组振摆数据进行消噪，去除噪声对机组实际振摆数据的影响，使水轮发电机组振摆数据的波形和频率特征能够更完整的显现出来，还原机组最原本的机组振摆数据，方便运维人员提取机组最真实的机组振摆数据波形机频率特征，从而判断机组的运行状态。综上所述，本专利技术具有能够有效去除水轮发电机组振摆信号噪声的特点。
附图说明
[0018]图1是实施实例中SVMD分解各模态分量波形图；
[0019]图2是实施实例中SVMD排列熵去噪后振摆数据波形和频率图；
[0020]图3是原始加噪数据波形；
[0021]图4是原始不加噪原始数据波形。
具体实施方式
[0022]下面结合附图和实施例对本专利技术作进一步的说明，但并不作为对本专利技术限制的依据。
[0023]实施例。一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法，包括以下步骤：
[0024]A、获取水轮发电机组振摆数据；
[0025]B、将水轮发电机组振摆数据进行SVMD分解，得到多个不同中心频率的模态函数；
[0026]C、将SVMD分解得到的多个模态函数进行排列熵计算；
[0027]D、根据所算排列熵的数值确定重构阈值；其中阈值数值的确定是经过多次仿真实验计算不带噪声波形数据排列熵值和带一点噪声但对波形数据几乎没有影响的波形数据排列熵值发现其排列熵数值都小于1，所以在本方法确定的排列熵阈值为1。
[0028]E、根据所确定的重构阈值选择相关模态函数进行重构，从而达到振摆数据消噪的效果。
[0029]步骤B中将水轮发电机组振摆数据进行SVMD分解的表达式为：f(t)＝u
L
(t)+f
r
(t)，其中u
L
(t)是第L个模式函数；f
r
(t)是残差信号。
[0030]步骤C中将SVMD分解得到的多个模态函数进行排列熵计算的相关表达式为：对于
一个模态函数u
L
(t)，进行相空间重构得：
[0031]其中：d为嵌入维数，τ为延迟时间，k为重构分量；
[0032]对矩阵z中每一行序列进行升序排列：
[0033]x(t+R1τ)≤x(t+R2τ)≤
…
x(t+R
d
τ)，式中：t表示索引的列数R1…
R
d
为u
L
(t)中各元素所处的位置；
[0034]定义为重构后任意一组序列，0≤R
i
≤d!,对于d维相空间映射有d！种排列的可能性，计算每一种序列出现的可能性P1,P2,
…
P
i
,对于时间序列u
L
(t)的i种排列熵H
p
(d)：H
p
(d)＝
‑
∑P
i
In(P
i
)。
[0035]步骤E中重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法，其特征在于，包括以下步骤：A、获取水轮发电机组振摆数据；B、将水轮发电机组振摆数据进行SVMD分解，得到多个不同中心频率的模态函数；C、将SVMD分解得到的多个模态函数进行排列熵计算；D、根据所算排列熵的数值确定重构阈值；E、根据所确定的重构阈值选择相关模态函数进行重构，从而达到振摆数据消噪的效果。2.根据权利要求1所述的一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法，其特征在于：步骤B中将水轮发电机组振摆数据进行SVMD分解的表达式为：f(t)＝u
L
(t)+f
r
(t)，其中u
L
(t)是第L个模式函数；f
r
(t)是残差信号。3.根据权利要求1所述的一种基于SVMD和排列熵的水轮发电机组振摆数据消噪方法，其特征在于，步骤C中将SVMD分解得到的多个模态函数进行排列熵计算的相关表达式为：对于一个模态函数u
L
(t)，进行相空间重构得：其中：d为嵌...

【专利技术属性】
技术研发人员：胡雷鸣，王书华，黄卉，周志文，刘泽，刘轲，洪福文，丁岳平，袁长征，卢俊琦，易伟豪，王志清，朱能飞，黄小军，罗望，吴肇来，赵子明，
申请(专利权)人：国网新源控股有限公司，
类型：发明
国别省市：