关键词:
水电机组
特征提取
信号降噪
时频分析
同步压缩
摘要:
水电作为电力系统中调峰、调频和降低新能源并网对电网冲击的重要一环,水电站的安全稳定运行至关重要。传统水电机组定期停机检修方案虽然能够有效的发现并解决运行中存在的各种安全问题,但在一定程度上影响经济效益。水电机组的旋转特性导致其80%左右的故障与设备振动异常有关联。因此,将水电机组的“定期检修”转变为基于振动状态监测的“按需检修”,可显著提高水电站的运维水平。在实际工作中,传统接触式振动传感器存在测频范围低和不适用于非接触式监测场景的问题。同时,由于水电机组早期故障信号具有幅值弱、调制性强和易受噪声干扰特点,早期机组故障特征往往难以准确提取。此外,机组自身结构的复杂性及其运行过程中同时受到水力、机械和电气等耦合因素的影响,使得机组的振动状态表现出强非平稳性。所以如何从复杂的机组振动信号中提取故障特征一直是水电机组状态监测的难题。针对上述问题,本文设计基于振动噪声信号的水电机组状态监测方案,提出以奇异值分解和多重匹配同步压缩变换为核心的机组故障特征提取算法。主要工作如下:1、针对机组早期故障信号幅值微弱和调制性强的特点,本文提出基于奇异值差值比(Difference Ratio,DR)指数和周期性调制强度(Periodic Modulation Intensity,PMI)指数的奇异值分解信号降噪方法。首先,由DR指数确定合适的Hankel矩阵行数,保证复杂多分量信号中的单分量可以被分解成幅值为原分量一半、相位与原信号分量相同的两个相似奇异分量。然后,在已有机械故障的先验知识下,通过自相关函数计算所有奇异分量的PMI指数。最后,根据各奇异分量PMI指数计算相应分量的重构权重,通过对奇异分量加权求和实现振动噪声信号降噪。仿真实验结果表明,基于DR和PMI指数的奇异值降噪方法可以从包含复杂背景噪声的监测信号中准确的提取出与机械故障相关的具有周期性调制特征的故障分量。2、针对同步压缩变换在处理强非平稳时变信号存在时频系数扩散、时频能量集中度低的问题,本文提出改进多重匹配同步压缩时频后处理算法。基于线性调频信号的短时傅里叶变换结果构造匹配瞬时频率估计算子,引入多重迭代操作减少匹配瞬时频率估计算子在处理强非平稳信号的瞬时频率估计误差。算法实现过程中,通过对迭代后的匹配瞬时频率估计算子进行二次取整操作确保分散的时频系数都能分配到正确的位置。在处理信噪比为30d B的强非平稳信号,相比于同步压缩变换和匹配同步压缩变换,多重匹配同步压缩变换的雷尼熵降低1.928和0.918,提取瞬时频率的均方误差降低0.1707和0.0037。同时,在0~30d B不同信噪比条件下,多重匹配同步压缩变换的上述两个指标同样要小于同步压缩变换和匹配同步压缩变换。实验结果表明,本文提出的方法在处理强非平稳信号中可以明显提高时频分辨率,并且具有较强的抗噪性。3、设计搭建水电机组振动噪声信号采集系统,提出基于改进SVD信号降噪方法和多重匹配同步压缩变换的机组故障特征提取方法,实现水电机组负荷调整判别、模拟敲击故障和尖锐故障特征频率的提取。在处理稳定负荷和变负荷的振动噪声信号中,基于多重匹配同步压缩变换所得时频图的基础上提取相应频带时频系数的均方根值实现水电机组稳定负荷和调负荷工况的区分;在处理模拟敲击故障的噪声信号中,基于DR指数和PMI指数的奇异值降噪方法实现了敲击故障信号分量的提取,结合包络分析得到相应故障特征频率2Hz;在处理模拟尖锐故障的噪声信号中,在多重匹配同步压缩变换的结果基础上提取出1700Hz附近故障分量的瞬时频率,根据瞬时频率重构出与尖锐故障相关的信号分量,结合傅里叶分析实现故障特征频率2Hz的准确提取。