[发明专利]一种水轮机尾水管动态特征的提取方法

说明书

技术领域

本发明涉及在线监测和状态评价技术领域，特别是关于一种水轮机尾水管动态特征的提取方法。

背景技术

随着水电机组单机容量和尺寸的不断增大，水电机组的运行状态对水电厂及其互联电网的影响越来越大。大型水电机组多采用转轮叶片固定的混流式水轮机，当水电机组在部分负荷工况运行时，水轮机不能同时满足转轮进口和出口的最佳流动条件，会在尾水管内形成不稳定的偏心涡带，导致转轮、尾水管等出现裂纹、开裂现象，严重时会发生破断，同时会引起水电机组轴系振动的不稳定性，威胁水电机组的安全。因此，需要在水电机组投运前及运行时分别对尾水管压力脉动信号进行试验和在线监测，研究不同工况下尾水管状态特征及其变化规律，评估水电机组状态，以指导水电机组安全、稳定地运行。尾水管压力脉动具有较强的非平稳性，特别是水轮机在非稳态工况下运行时，信号具有很强的时变性。因此需要选择合适的尾水管状态特征参数，建立特征参数到不同状态的映射关系，研究不同工况下水轮机状态特征参数的差异性，以指导水轮机安全、稳定地运行。

目前，常用的水轮机尾水管动态特征提取方法主要包括以下三类：一、采用小波变换方法：选择适当的小波基函数，对经过预处理的尾水管压力脉动信号进行若干层小波分解，然后对各层小波系数进行重构，得到各层细节信号，分别计算各尺度下的细节信号的熵，构造成特征向量。该特征向量能够充分反映水轮机尾水管压力脉动信号的时频特征，可以作为水轮机尾水管状态识别的依据。小波变换每次都是对低频部分进行分解。二、采用小波包方法：小波包分解中，分解层数的增加可使信号的高频成分和低频成分的分解都达到很精细的程度。对采集到的尾水管压力脉动信号进行若干层小波包分解，在通频范围内得到分布在不同频段内的分解序列，进而建立信号的小波包特征熵向量，选取最能反映状态特征的参数作为特征参数，进行状态识别。小波包是对信号低频部分和高频部分都进行分解，所以频率分析更加精细。三、采用EMD（Empirical Mode Decomposition，经验模态分解）方法对于非线性、非稳态信号提供了一种多尺度、适应性的解析方式。对经过预处理的尾水管压力脉动信号进行经验模态分解，得到包含特征频率的IMF（Intrinsic Mode Function，本征模态函数），每一个IMF分量所表现出来的特性能真实反映压力脉动信号包含的物理信息，对每个IMF建立自回归等模型，取模型参数作为状态模式识别的特征矢量，进行状态识别。

就小波变换方法和小波包方法而言，需要事先选择固定的分解尺度和小波基，只能得到某一固定频率段的信号，即小波变换方法和小波包方法不具备自适应性。EMD方法能根据信号本身的局部特征时间尺度特性，对信号进行自适应的时频局部化分析，即它具有自适应性。EMD方法虽能依据信号本身的特点自适应地进行信号分析，但理论上仍存在频率混淆，过包络，欠包络、端点效应和出现无物理意义的负频率成分等局限。而且由于采用EMD方法对信号进行分解时，在筛选过程中必须多次迭代才能将IMF分解出来，而每次迭代都要搜寻极值点、计算立方云线系数和找出上下包络线，从而导致其分解效率不高。

发明内容

针对上述问题，本发明的目的是提供一种水轮机尾水管动态特征的提取方法，采用该方法能够根据压力脉动信号的自身特性对水轮机尾水管的动态特征进行自适应提取和高效率计算。

为实现上述目的，本发明采取以下技术方案：一种水轮机尾水管动态特征的提取方法，其包括以下步骤：1）通过对水电机组进行现场试验，采集水轮机尾水管在无涡带、有涡带和涡带严重三种状态时的压力脉动信号；2）对步骤1）中采集的水轮机尾水管三种状态时的压力脉动信号进行重新采样，去除压力脉动信号中的高频干扰；3）采用固有时间尺度分解方法对重新采样后的三种状态下的压力脉动信号进行分解，对应三种状态下的压力脉动信号，均得到一个单调的基线向量和若干个固有旋转分量；4）通过分别计算由步骤3）得到的水轮机尾水管在三种状态下的固有旋转分量的近似熵，完成对水轮机尾水管动态特征的提取。