一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法

摘要

本发明涉及电力系统水力发电机组领域，公开了一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法，包含如下步骤：1）构建机组振摆监测信号的Hankel矩阵，奇异值分解后获取包含奇异值序列的对角矩阵；2）基于Hankel矩阵构建原理，依次反演关联于单一奇异值的信号分量；3）分别计算各信号分量与原始振摆监测信号的自相关函数，逐一求取两者之间的相关系数；4）依据预设相关系数筛选阈值，滤除高频随机噪声序列分量，经重构获取有效振摆监测信号成分。本发明可满足抽水蓄能机组在强背景噪声环境运行下进行振摆监测信号精准降噪，获取较为纯净的振摆信号，为实施机组状态分析与评估、提升机组安全稳定运行性能提供可靠的数据基础。

说明书

技术领域

本发明涉及电力系统水力发电机组领域，特别涉及一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法。

背景技术

伴随着经济和社会的快速发展，电力负荷迅速增长，峰谷差不断加大，电网对稳定性提出了更高的要求，调峰能力不足将成为制约电力系统发展的关键问题。抽水蓄能电站作为世界公认的运行灵活可靠的调峰电源，以其调峰填谷的独特运行特性，发挥着调节负荷、促进电力系统节能和维护电网安全稳定运行的功能，逐步成为电力系统有效的、不可或缺的调节手段。受抽水蓄能机组运行环境、测量设备、局部冲击等多种因素影响，可用于机组状态分析与评估的振摆监测信号易被强烈的高频随机噪声淹没。为有效监测机组运行状态，保障机组的安全稳定运行，研究可行有效的抽水蓄能机组振摆信号高频随机噪声精准滤除方法已成为当前提升抽水蓄能机组状态分析性能中的一项重要工作。

现有信号降噪方法主要基于盲信号分离、小波变换、经验模态分解等算法理论，其在实际应用中易受到源数量、小波类型及阈值选择、模态混叠等因素限制；同时，针对振摆信号中蕴含的高频随机噪声成分，上述降噪算法在噪声滤除方面做了适当尝试，但普遍存在去噪性能不足的问题。目前，对于抽水蓄能机组振摆信号中高频随机噪声的精准滤除问题，尚未深入系统地开展相关研究，缺乏科学有效的抽水蓄能机组振摆信号高频随机噪声精准滤除理论体系，不能满足对机组运行状态进行准确分析评估的功能需求。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供了一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法，将高频随机噪声自适应精准滤除的思想引入抽水蓄能机组振摆信号降噪的领域之中，综合考虑了随机噪声特性对监测信号的影响机理，克服了降噪过程过度依赖于人工经验与先验知识的局限。

技术方案：本发明提供了一种抽水蓄能机组振摆信号中高频随机噪声精准滤除方法，包括如下步骤：

步骤1：构建抽水蓄能机组原始振摆监测信号的Hankel矩阵，并对其进行奇异值分解，获取包含奇异值序列的对角矩阵；

步骤2：基于Hankel矩阵构建原理，依次反演得到关联于单一奇异值的各信号分量；

步骤3：分别计算所述步骤2中各信号分量与所述原始振摆监测信号的自相关函数，并逐一求取所述各信号分量与所述原始振摆监测信号的相关系数；

步骤4：依据预设相关系数筛选阈值，滤除高频随机噪声序列分量，更新奇异值序列，经重构获取有效振摆监测信号成分。

进一步地，所述步骤1包括如下子步骤：

1-1：基于抽水蓄能机组在线监测与生产实时系统，获取机组振摆监测信号序列X

1-2：根据相空间重构原理，构建与机组振摆监测信号X

1-3：对所构建的Hankel矩阵H

进一步地，所述步骤2包括如下子步骤：

2-1：依次取对角矩阵Λ中的奇异值λ

2-2：根据所构造的对角矩阵Λ

H

其中，P、Q表示Hankel矩阵H

2-3：基于Hankel矩阵构建原理，通过矩阵反演得到关联于单奇异值λ

进一步地，所述步骤3包括如下子步骤：

3-1：分别计算各关联于单奇异值λ

其中，M表示信号序列长度，τ为时延系数，k＝1，2，3，···，M-1；

3-2：逐一求取上述各信号分量X

进一步地，所述步骤4包括如下子步骤：

4-1：预先设定机组振摆信号高频随机噪声相关系数筛选阈值α；

4-2：若δ

4-3：基于更新所得奇异值序列，经重构获取有效振摆监测信号成分X

有益效果：

1、本发明首次将高频随机噪声自适应精准滤除的思想引入抽水蓄能机组振摆信号降噪的领域之中，综合考虑了随机噪声特性对监测信号的影响机理，克服了降噪过程过度依赖于人工经验与先验知识的局限，填补了机组振摆信号高频随机噪声精准滤除尚无科学理论依据与技术指导的空白，有效提升机组纯净振摆监测信号提取的精度，提高机组状态分析与评估的可靠性，确保电站安全、可靠、高效运行。

2、本发明首次考虑采用奇异值分解方法完成对抽水蓄能机组原始振摆监测信号序列的分解，并基于单一信号分量反演与相关分析理论实现对高频随机噪声序列分量的筛选与滤除，充分捕获机组运行状态演变的内在规律，显著提高了机组振摆信号中高频随机噪声的滤除精度，攻克了实施机组状态评估存在噪声干扰的技术难题，有效提升机组状态变化的可评估水平，为抽水蓄能机组实施智能状态维护提供可靠的理论指导与技术支持。

附图说明

图1为本发明抽水蓄能机组振摆信号中高频随机噪声精准滤除方法的流程图；

图2为本发明实施例中的抽水蓄能机组纯净振动信号序列变化曲线；

图3为本发明实施例中的抽水蓄能机组振动信号中高频随机噪声序列变化曲线；

图4为本发明实施例中的抽水蓄能机组纯净振动信号经加噪处理后的序列变化曲线；

图5为本发明实施例中的抽水蓄能机组振动信号中高频随机噪声滤除结果曲线。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明以国内某电站抽水蓄能机组振摆信号中高频随机噪声滤除作为分析案例，图1所示为本发明提供的抽水蓄能机组振摆信号中高频随机噪声精准滤除方法的流程图，具体包括以下步骤：

步骤1：构建抽水蓄能机组原始振摆监测信号的Hankel矩阵，并进行奇异值分解，获取包含奇异值序列的对角矩阵。

1-1：基于抽水蓄能机组在线监测与生产实时系统，获取机组振摆监测信号序列X

1-2：根据相空间重构原理，构建与机组振摆监测信号X

1-3：对所构建的Hankel矩阵H

由上述过程，经计算可得对角矩阵Λ具有如下形式，其中r＝513：

步骤2：基于Hankel矩阵构建原理，依次反演得到关联于单一奇异值的各信号分量。

2-1：依次取对角矩阵Λ中的奇异值λ

例如针对对角矩阵Λ中的奇异值λ

2-2：根据所构造的对角矩阵Λ′

H

其中，P、Q表示Hankel矩阵H

2-3：基于Hankel矩阵构建原理，通过矩阵反演得到关联于单奇异值λ

步骤3：分别计算各信号分量与原始振摆监测信号的自相关函数，在此基础上，逐一求取各信号分量与振摆监测信号的相关系数。

3-1：分别计算各信号分量X

其中，M表示信号序列长度，τ为时延系数，k＝1，2，3，···，M-1。

3-2：逐一求取各信号分量X

步骤4：依据预设相关系数筛选阈值，滤除高频随机噪声序列分量，经重构获取有效振摆监测信号成分。

4-1：依据数值计算或专家经验，确定机组振摆信号高频随机噪声相关系数筛选阈值α。本发明实施例中，机组振摆信号高频随机噪声相关系数筛选阈值可确定为：α＝0.1。

4-2：自动判别条件：δ

若条件不满足，则将与此分量相对应的奇异值置0，表征滤除高频随机噪声序列分量；

若条件满足，则保留与此分量相对应的奇异值。

由上述判定条件，依据步骤3-2中信号分量X

表1相关系数取值分布

保留Λ中的λ

4-3：基于更新所得奇异值序列，经重构获取有效振摆监测信号成分X

如图5所示为抽水蓄能机组振动信号中高频随机噪声滤除结果曲线。由图示结果可知，最终所得信号曲线能够良好拟合机组原始纯净振动信号序列变化曲线，充分验证了上述高频随机噪声精准滤除方法的有效性。

上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。