CN111104734B - 一种抽水蓄能电站机组甩负荷试验反演预测方法 - Google Patents

一种抽水蓄能电站机组甩负荷试验反演预测方法 Download PDF

Info

Publication number
CN111104734B
CN111104734B CN201911273540.6A CN201911273540A CN111104734B CN 111104734 B CN111104734 B CN 111104734B CN 201911273540 A CN201911273540 A CN 201911273540A CN 111104734 B CN111104734 B CN 111104734B
Authority
CN
China
Prior art keywords
pressure
load shedding
power station
mean
storage power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911273540.6A
Other languages
English (en)
Other versions
CN111104734A (zh
Inventor
陈源
李立
伍志军
郑建兴
曾艳梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PowerChina Zhongnan Engineering Corp Ltd
Original Assignee
PowerChina Zhongnan Engineering Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by PowerChina Zhongnan Engineering Corp Ltd filed Critical PowerChina Zhongnan Engineering Corp Ltd
Priority to CN201911273540.6A priority Critical patent/CN111104734B/zh
Publication of CN111104734A publication Critical patent/CN111104734A/zh
Application granted granted Critical
Publication of CN111104734B publication Critical patent/CN111104734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种抽水蓄能电站机组甩负荷试验反演预测方法，包括：1，建型并获得计算均值压力；2，采集机组甩负荷过程蜗壳末端与尾水管进口实时压力数据；3，去噪；4，基于相关系数法选择小波基函数和分解层数；5，对去噪后的实测压力信号进行离散小波分解，提取均值压力和脉动压力；6，以同一时刻实测均值压力与计算均值压力之差作为计算误差；7，计算得到对应工况不同时刻的均值压力，叠加计算误差得到相应时刻预测均值压力；8，相应时刻预测均值压力与实测脉动压力叠加得到下一级甩负荷工况预测总压力。本发明能较好的解决随机压力脉动无法准确计算的技术难题，预测精度较高，大大降低了抽水蓄能电站一管多机甩负荷试验的安全风险。

Description

一种抽水蓄能电站机组甩负荷试验反演预测方法
技术领域
本发明特别涉及一种抽水蓄能电站机组甩负荷试验反演预测方法。
背景技术
抽水蓄能机组甩负荷过程蜗壳末端和尾水管进口等部位动水压力是一种非线性、非平稳的复杂信号。目前市场主流水力过渡过程软件仅能计算均值压力，对复杂的随机水压脉动无法有效计算，工程亟需一套有效的反演预测方法，即采用合适的信号处理方法以有效提取实测动水压力信号中的均值压力和脉动压力，进一步修正数值计算结果和逐级预测压力脉动幅值，以解决上述技术难题。
发明内容
本发明的目的在于，针对上述现有技术中无法对复杂的随机水压脉动进行有效计算的不足，提供一种抽水蓄能电站机组甩负荷试验反演预测方法，应用小波分析法对抽水蓄能机组甩负荷试验过渡过程实测动水压力信号进行分解获取实测均值压力和脉动压力，结合一维瞬变流过渡过程计算，开展逐级甩负荷反演计算与预测，能较好的解决随机压力脉动无法准确计算的技术难题，预测精度较高，大大降低了抽水蓄能电站一管多机甩负荷试验的安全风险。
为解决上述技术问题，本发明所采用的技术方案是：
一种抽水蓄能电站机组甩负荷试验反演预测方法，其特点是包括以下步骤：
步骤1，基于一维瞬变流理论建立抽水蓄能电站机组甩负荷试验***的数学模型，确定试验边界条件后得到计算均值压力；
步骤2，通过压力脉动传感器动态采集机组甩负荷过程蜗壳末端与尾水管进口实时压力数据；
步骤3，对样本数据设置小波阈值完成去噪预处理，剔除不合理的极值数据；
步骤4，基于相关系数法选择小波基函数和分解层数N，逐级计算分解后每一层近似系数与原信号的相关系数值Ri，在
Figure BDA0002314902400000021
时停止分解，定义N为临界层数；
步骤5，对去噪后的实测压力信号进行离散小波分解，提取均值压力和脉动压力；
步骤6，以同一时刻实测均值压力与步骤1得到的计算均值压力之差作为计算误差；
步骤7，确定下一级甩负荷预测试验工况边界条件，进行一维过渡过程计算得到对应工况不同时刻的均值压力，叠加计算误差得到相应时刻预测均值压力；
步骤8，相应时刻预测均值压力与实测脉动压力叠加得到下一级甩负荷工况预测总压力。
作为一种优选方式，步骤4和步骤5中，基于相关系数法界定法则的离散小波分解函数分解压力信号得到实测均值压力和脉动压力
作为一种优选方式，步骤5～步骤8中，用Interp插值计算预测工况总压力。
与现有技术相比，本发明应用小波分析法对抽水蓄能机组甩负荷试验过渡过程实测动水压力信号进行分解获取实测均值压力和脉动压力，结合一维瞬变流过渡过程计算，开展逐级甩负荷反演计算与预测，能较好的解决随机压力脉动无法准确计算的技术难题，预测精度较高，大大降低了抽水蓄能电站一管多机甩负荷试验的安全风险。
附图说明
图1是小波分解过程示意图。
图2是本发明的方法流程示意图；
图3是本发明实施例的实测压力信号去噪结果对比；
图4是本发明实施例的水击压力验证过程曲线；
图5是本发明实施例的脉动压力过程曲线；
图6是本发明实施例的预测总压力曲线。
具体实施方式
小波变换具有自适应特征，能较好地在时域和频域上显示信号特征，弥补了传统傅里叶分析在非稳定信号中的不足，特别是离散小波分解在许多领域都取得了成功的应用。
复杂信号f(t)在小波空间展开：
Figure BDA0002314902400000031
基于多分辨分析的mallta算法：
Figure BDA0002314902400000032
实际计算可逐次进行小波分解，然后递推首先(J-j)次小分解。记一次小波分解的尺度系数和小波系数为：
Figure BDA0002314902400000041
Figure BDA0002314902400000042
得到：
Figure BDA0002314902400000043
Figure BDA0002314902400000044
计算相应尺度系数和小波系数，
Figure BDA0002314902400000045
Figure BDA0002314902400000046
其分解过程如图1所示。
本发明基于实测信号小波分解，结合瞬变流过渡过程计算完成甩负荷过程流道瞬时压力的逐级反演计算与预测。
如图2所示，本发明包括以下步骤：
步骤1，基于一维瞬变流理论建立抽水蓄能电站机组甩负荷试验***的数学模型，确定试验边界条件后得到计算均值压力。
步骤2，通过压力脉动传感器动态采集机组甩负荷过程蜗壳末端与尾水管进口实时压力数据。
步骤3，对样本数据设置小波阈值完成去噪预处理，剔除不合理的极值数据。
步骤4，基于相关系数法选择DB8小波基函数和分解层数N，基于皮尔逊相关系数公式(如式1所示)，逐级计算分解后每一层近似系数与原信号的相关系数值Ri，在
Figure BDA0002314902400000051
时停止分解，定义N为临界层数；
Figure BDA0002314902400000052
式中：x(t)-分解后得到的均值压力信号序列
s(t)-为原始压力信号序列
T-为信号时间序列
表1实施例样本分解层数相关系数表
分解层数 R1 R2 R3 R4 R5 R6 R7 R8
相关系数 0.9995 0.9987 0.9983 0.9976 0.9952 0.9939 0.9929 0.9927
根据表1相关系数值计算β，确定分解层数N＝7。
步骤5，对去噪后的实测压力信号进行离散小波分解，提取均值压力和脉动压力。
步骤6，以同一时刻实测均值压力与步骤1得到的计算均值压力之差作为计算误差。
步骤7，确定下一级甩负荷预测试验工况边界条件，进行一维过渡过程计算得到对应工况不同时刻的均值压力，叠加计算误差得到相应时刻预测均值压力。
步骤8，相应时刻预测均值压力与实测脉动压力叠加得到下一级甩负荷工况预测总压力。
优选地，步骤4和步骤5中，基于相关系数法界定法则的离散小波分解函数分解压力信号得到实测均值压力和脉动压力
优选地，步骤5～步骤8中，用Interp插值计算预测工况总压力。
实例计算成果如表2及图3～图6所示。
表2样本计算成果表
Figure BDA0002314902400000061
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是局限性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护范围之内。

Claims (3)

1.一种抽水蓄能电站机组甩负荷试验反演预测方法，其特征在于，包括以下步骤：
步骤1，基于一维瞬变流理论建立抽水蓄能电站机组甩负荷试验***的数学模型，确定试验边界条件后得到计算均值压力；
步骤2，通过压力脉动传感器动态采集机组甩负荷过程蜗壳末端与尾水管进口实时压力数据；
步骤3，对样本数据设置小波阈值完成去噪预处理，剔除不合理的极值数据；
步骤4，基于相关系数法选择小波基函数和分解层数N，逐级计算分解后每一层近似系数与原信号的相关系数值Ri，在
Figure FDA0002314902390000011
时停止分解，定义N为临界层数；
步骤5，对去噪后的实测压力信号进行离散小波分解，提取均值压力和脉动压力；
步骤6，以同一时刻实测均值压力与步骤1得到的计算均值压力之差作为计算误差；
步骤7，确定下一级甩负荷预测试验工况边界条件，进行一维过渡过程计算得到对应工况不同时刻的均值压力，叠加计算误差得到相应时刻预测均值压力；
步骤8，相应时刻预测均值压力与实测脉动压力叠加得到下一级甩负荷工况预测总压力。
2.如权利要求1所述的抽水蓄能电站机组甩负荷试验反演预测方法，其特征在于，步骤4和步骤5中，基于相关系数法界定法则的离散小波分解函数分解压力信号得到实测均值压力和脉动压力。
3.如权利要求1所述的抽水蓄能电站机组甩负荷试验反演预测方法，其特征在于，步骤5～步骤8中，用Interp插值计算预测工况总压力。
CN201911273540.6A 2019-12-12 2019-12-12 一种抽水蓄能电站机组甩负荷试验反演预测方法 Active CN111104734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911273540.6A CN111104734B (zh) 2019-12-12 2019-12-12 一种抽水蓄能电站机组甩负荷试验反演预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911273540.6A CN111104734B (zh) 2019-12-12 2019-12-12 一种抽水蓄能电站机组甩负荷试验反演预测方法

Publications (2)

Publication Number Publication Date
CN111104734A CN111104734A (zh) 2020-05-05
CN111104734B true CN111104734B (zh) 2023-01-31

Family

ID=70421758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911273540.6A Active CN111104734B (zh) 2019-12-12 2019-12-12 一种抽水蓄能电站机组甩负荷试验反演预测方法

Country Status (1)

Country Link
CN (1) CN111104734B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114169178B (zh) * 2021-12-14 2024-03-22 中国水利水电科学研究院 基于emd的暂态过程压力脉动数值处理***及其方法
CN114662278B (zh) * 2022-02-14 2023-04-18 东方电气集团东方电机有限公司 一种水力瞬态过程实测压力数据分析方法
CN115597872B (zh) * 2022-11-25 2023-03-07 南方电网调峰调频发电有限公司检修试验分公司 抽水蓄能机组甩负荷测试方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426295A (zh) * 2017-06-09 2017-12-01 国家电网公司 抽水蓄能电站输水***的实时监测***及方法
CN108959739A (zh) * 2018-06-20 2018-12-07 国家电网有限公司 一种抽水蓄能电站过渡过程压力脉动的分析方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107426295A (zh) * 2017-06-09 2017-12-01 国家电网公司 抽水蓄能电站输水***的实时监测***及方法
CN108959739A (zh) * 2018-06-20 2018-12-07 国家电网有限公司 一种抽水蓄能电站过渡过程压力脉动的分析方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黑麇峰抽水蓄能电站机组甩负荷试验反演预测及主要特性分析;郑建兴等;《水电站机电技术》;20161215;全文 *

Also Published As

Publication number Publication date
CN111104734A (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
CN111104734B (zh) 一种抽水蓄能电站机组甩负荷试验反演预测方法
CN111445511B (zh) 一种图像中圆的检测方法
CN108959739B (zh) 一种抽水蓄能电站过渡过程压力脉动的分析方法及装置
CN111767521A (zh) 一种基于卷积神经网络与长短期记忆网络的输油泵滚动轴承状态评估方法
CN112506752A (zh) 基于时序数据趋势预测的运维方法、装置及设备
CN110879927A (zh) 一种用于海目标检测的海杂波幅度统计分布现场建模方法
CN115030903B (zh) 一种离心泵内滚动轴承早期故障在线诊断方法
CN112631881A (zh) 基于时序数据趋势预测的运维方法、装置及设备
US7529651B2 (en) Accurate linear parameter estimation with noisy inputs
CN114964620A (zh) 机械传感器动态校准分析方法、装置、计算机设备和存储介质
CN117092980B (zh) 一种基于大数据的电气故障检测控制***
CN108804721B (zh) 基于自适应无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法
CN115859054B (zh) 基于mic-ceemdan的水电机组尾水管压力脉动信号去噪方法
CN109544593B (zh) 一种基于自相似度量的通用图像噪声估计方法
CN112764345A (zh) 基于目标状态跟踪的强非线性***卡尔曼滤波器设计方法
CN116680639A (zh) 一种基于深度学习的深海潜水器传感器数据的异常检测方法
CN113052398A (zh) 一种基于变分模态分解的用电量预测方法及其***
CN118090078B (zh) 一种闭式循环水冷***渗漏在线监测方法
CN114662278B (zh) 一种水力瞬态过程实测压力数据分析方法
CN115423221B (zh) 一种设施运行趋势预测方法
CN112597425B (zh) 流速测量数据中异常数据的检测方法、装置、设备及介质
CN113284139B (zh) 一种基于周期性变异函数的快速估计地物空间格局的方法
CN117668623B (zh) 船舶管道阀门泄漏多传感器跨域故障诊断方法
CN113449264B (zh) 波形边缘的监测方法及装置
CN110795684A (zh) 一种观测噪声方差的估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant