CN111523231B - 一种基于EEMD和Prony方法的次同步振荡分析方法 - Google Patents

一种基于EEMD和Prony方法的次同步振荡分析方法 Download PDF

Info

Publication number
CN111523231B
CN111523231B CN202010324027.1A CN202010324027A CN111523231B CN 111523231 B CN111523231 B CN 111523231B CN 202010324027 A CN202010324027 A CN 202010324027A CN 111523231 B CN111523231 B CN 111523231B
Authority
CN
China
Prior art keywords
prony
function
signal
oscillation
torsional vibration
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
CN202010324027.1A
Other languages
English (en)
Other versions
CN111523231A (zh
Inventor
赵鹏程
王剑钊
童彤
王恩民
任鑫
王晨
杨晓峰
王�华
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.)
Huaneng Clean Energy Research Institute
Original Assignee
Huaneng Clean Energy Research Institute
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 Huaneng Clean Energy Research Institute filed Critical Huaneng Clean Energy Research Institute
Priority to CN202010324027.1A priority Critical patent/CN111523231B/zh
Publication of CN111523231A publication Critical patent/CN111523231A/zh
Application granted granted Critical
Publication of CN111523231B publication Critical patent/CN111523231B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于EEMD和Prony方法的次同步振荡分析方法,属于电力系统次同步振荡技术领域。首先利用EEMD对含噪声信号进行分解,去除其中的高频噪声分量,同时有效解决EMD去噪时的模态混频问题,得到平稳信号后利用Prony可准确识别次同步振荡的特征参数。将集中经验模态分解(EEMD)去噪和Prony辨识相结合,有效解决了EMD中存在的模态叠加问题,由于Prony方法对噪声信号敏感,经过去噪后的信号利用Prony辨识结果更加准确,能识别出次同步振荡的主导模式,对分析振荡的来源和提出抑制措施至关重要,具有抗噪性强和准确度高的优点。

Description

一种基于EEMD和Prony方法的次同步振荡分析方法
技术领域
本发明属于电力系统次同步振荡技术领域,具体涉及一种基于EEMD和Prony方法的次同步振荡分析方法。
背景技术
随着汽轮发电机组装机容量增加,转子长度逐渐加长;另外电力远距离输送会使用的串补装置或高压直流输电形式,这都使得机组发生次同步振荡的风险加剧
次同步振荡的分析方法主要有基于实测数据的信号分析法是次同步振荡模态辨识中常用的方法,主要有快速傅里叶变换FFT、小波变换WT、希尔伯特-黄变换HHT和Prony法,其中FFT可以对线性平稳信号的主要频率进行较精确的识别,但由于FFT是整体变换,无法获取信号的衰减系数、瞬时幅值和相位等重要信息,并且其计算精度依赖于数据窗的选取;HHT结合了经验模态分解EMD和希尔伯特变换,该方法对噪声具有较好的抗性,但EMD分析过程中存在模态混叠问题,并且在对频率精度要求较高时该方法存在局限性;小波变换的计算精度取决于小波基函数的选取,而小波基函数的确定困难,这就使得小波变换的结果具有不确定性,另外小波变换同样存在模态混叠现象。Prony法是在模态识别中常用的一种方法,主要思想是假设信号是由一系列指数函数组成,利用采集数据进行求解,获取频率、衰减系数、幅值和相位信息,由此可见利用Prony法可获取次同步振荡的全面信息,有利于故障特征分析,但Prony法对噪声十分敏感,当获取信号中含有明显噪声成分时需要对信号进行预处理。
常用的处理方法是对信号进行滤波,但这就需要知道信号的某些特性去噪方法:如卡尔曼滤波和维纳滤波等,卡尔曼滤波建立系统模型时需要信号的振荡特性,这对含噪声的非平稳信号是很难提供的,另外这些滤波方法实现过程复杂;利用小波分解对信号进行去噪处理的方法也得到应用,但小波基函数的选取是一个难点。
发明内容
为了解决上述现有技术中存在的缺陷,本发明的目的在于提供一种基于EEMD和Prony方法的次同步振荡分析方法,将集合经验模态分解(EEMD)与Prony方法相结合,在进行Prony模态辨识之间,利用EEMD对信号进行滤波去噪,得到更加接近实际的信号会提高辨识的准确度,并且EEMD也有效改善了传动经验模态滤波(EMD)的端点效应。
本发明是通过以下技术方案来实现:
一种基于EEMD和Prony方法的次同步振荡分析方法,包括以下步骤:
步骤1:测量汽轮发电机组的扭转振动信号,当判别汽轮发电机组发生次同步振荡时触发模态辨识功能;
步骤2:向测得的扭转振动信号中注入白噪声信号,并对注入白噪声信号的扭转振动信号进行经验模态分解,得到各个本征模态分量;
步骤3:计算各个本征模态分量与白噪声信号的相关系数,筛选出包含故障特征的信号和噪声信号,去除噪声信号,将包含故障特征的信号和残余信号重构,得到去噪后的扭转振动信号采集点;
步骤4:利用Prony法拟合步骤3得到的去噪后的扭转振动信号采集点并求解,得到次同步振荡的振荡特性信息,完成次同步振荡分析。
优选地,步骤1中,汽轮发电机组的扭转振动信号是通过安装在汽轮发电机组轴系机头的扭角测量传感器测得的。
优选地,步骤2的具体步骤为:
步骤2.1:向测得的扭转振动信号中注入白噪声信号:
xm(t)=x(t)+nm(t)
步骤2.2:设原始信号为x(t),同时初始条件下令r0(t)=x(t),i=1,进行以下循环计算:
2.2.1令函数h0(t)=ri-1(t),同时j=1;
2.2.2求中间函数hj-1(t)的极大值和极小值点,利用三次样条函数进行插值,获得hj-1(t)的上包络线emax(t)和下包络线emin(t),并求上下包络线的平均为:mj-1(t)=[emax(t)+emin(t)]/2,最后得到下一步中间函数hj(t)=hj-1(t)-mj-1(t);
2.2.3根据上述本征模态函数需要满足的条件判断hj(t)是否为模态函数,如果hj(t)不是本征模态函数,则令j=j+1,继续执行步骤(2)直至hj(t)满足本征模态函数条件;
2.2.4如果hj(t)是一个本征模态函数,则令imfi(t)=hj(t),ri(t)=ri-1(t)-imfi(t),并判断ri(t)是否单调或小于设置的精度,若是则结束分解,得到各个本征模态分量;否则执行2.2.1。
优选地,步骤4具体包括:
利用指数函数拟合步骤3得到的去噪后的扭转振动信号采集点y1,y2,...,yN-1
Figure BDA0002462508820000031
其中,Ai为振幅,fi为振荡频率,αi为衰减系数,θi为相位,Δt为采样时间间隔;
由Prony公式性质可得:
αky(n-k)+αk-1y(n-k+1)+...+α2y(n-2)1y(n-1)+y(n)=0 (2)
求解向量α=(α12,...,αk)后将式(1)代入,得到特征方程:
zk1zk-12zk-2+...+αk=0
求解向量z=(z1,z2,...,zk)后代入式(1)中求解向量b=(b1,b2,...,bk),得到次同步振荡的振荡特性信息:
Figure BDA0002462508820000041
进一步优选地,向量α=(α12,...,αk)采用最小二乘法进行求解。
进一步优选地,向量b=(b1,b2,...,bk)采用最小二乘法进行求解。
与现有技术相比,本发明具有以下有益的技术效果:
本发明公开的基于EEMD和Prony方法的次同步振荡分析方法,首先利用EEMD对含噪声信号进行分解,去除其中的高频噪声分量,同时有效解决EMD去噪时的模态混频问题,得到平稳信号后利用Prony可准确识别次同步振荡的特征参数。将集中经验模态分解(EEMD)去噪和Prony辨识相结合,有效解决了EMD中存在的模态叠加问题,由于Prony方法对噪声信号敏感,经过去噪后的信号利用Prony辨识结果更加准确,能识别出次同步振荡的主导模式,对分析振荡的来源和提出抑制措施至关重要,具有抗噪性强和准确度高的优点。对次同步振荡的准确辨识,有助于找到故障发生的原因和扰动源,并且利用辨识结果可制定针对性的抑制措施,有效避免机组因次同步振荡而发生轴系损伤,保障机组运行的安全性和经济性。
附图说明
图1为EMD分解的流程图;
图2为实施例中某机组所在电力系统等值图;
图3为实施例中某机组的扭角波形图;
图4为实施例中某机组去噪信号Prony辨识参数拟合曲线;
图5为实施例中某机组未去噪信号Prony辨识参数拟合曲线。
具体实施方式
下面以附图和具体实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
某330MW空冷汽轮发电机组,轴系的第一阶扭振固有频率为18.74Hz,第二阶扭振固有频率为28.07Hz,该机组所在电力系统等值图为图2,待研究机组作为某特高压直流输电工程配套电源,与±800kV换流站距离约为38km,由于机组距离换流站距离近,且输电线路中有较大比例新能源发电机组并网,使得待研究的汽轮发电机组发生次同步振荡的风险增加。
对该机组进行次同步振荡分析,分为以下步骤:
步骤1:根据安装在汽轮发电机组轴系机头的扭角测量传感器,获取机组的扭转振动信号,当判别机组发生次同步振荡以后触发模式判别功能;
步骤2:为模态混叠的问题,向测量得到的扭振信号中注入白噪声,
xm(t)=x(t)+nm(t)
步骤3:对加入噪声的扭振信号进行EMD分解,流程如图1,得到各个本征模态分量IMF;具体方法为:设原始信号为x(t),同时初始条件下令r0(t)=x(t),i=1,进行以下循环计算:
(1)令函数h0(t)=ri-1(t),同时j=1;
(2)求中间函数hj-1(t)的极大值和极小值点,利用三次样条函数进行插值,获得hj-1(t)的上包络线emax(t)和下包络线emin(t),并求上下包络线的平均为:mj-1(t)=[emax(t)+emin(t)]/2,最后得到下一步中间函数hj(t)=hj-1(t)-mj-1(t);
(3)根据上述本征模态函数需要满足的条件判断hj(t)是否为模态函数,如果hj(t)不是本征模态函数,则令j=j+1,继续执行步骤(2)直至hj(t)满足本征模态函数条件;
(4)如果hj(t)是一个本征模态函数,则令imfi(t)=hj(t),ri(t)=ri-1(t)-imfi(t),并判断ri(t)是否单调或小于设置的精度,若是则结束分解;否则执行(1)。
步骤4:经过去噪后的扭角采集信号为y1,y2,...,yN-1,Prony的离散时间表达式为:
Figure BDA0002462508820000061
其中Ai为振幅,fi为振荡频率,αi为衰减系数,θi为相位,Δt为采样时间间隔。
步骤5:求下列常系数线性差分方程的齐次解:
αky(n-k)+αk-1y(n-k+1)+...+α2y(n-2)+α1y(n-1)+y(n)=0
其中n=k,k+1,...,N-1
当采样点数N≥2k时,可利用最小二乘法求解
Figure BDA0002462508820000062
可求解向量α=(α12,...,αk)
步骤6:将步骤4中的表达式代入步骤5中,可得特征方程:
zk1zk-12zk-2+...+αk=0
通过求解下列矩阵的特征根,就可求解z=(z1,z2,...,zk)
Figure BDA0002462508820000063
步骤7:求解z后,代入步骤4中,可得到方程组
Figure BDA0002462508820000064
利用最小二乘法可求解向量b=(b1,b2,...,bk)
最后可得到次同步振荡特性的辨识结果,包括幅值A、振荡频率f、衰减系数α和相位θ:
Figure BDA0002462508820000071
为了验证发明方法的有效性和准确性,利用实际工程测量扭角信号,发生次同步振荡后在采集得到的扭角信号中加入噪声信号,如图3所示,未经去噪进行辨识所得的数据见下表2,辨识参数拟合曲线如图5;根据本发明的方法进行去噪后利用prony进行模态辨识所得数据见表1,辨识参数拟合曲线如图4;由图4和图5可以看出,采用本发明的方法进行模态辨识所得辨识参数拟合曲线更接近实际值。已知该机组轴系第一阶扭振固有频率为18.74Hz,第二阶扭振固有频率为28.07Hz,主导模态为第二阶次同步振荡,可见经过本发明的方法辨识结果更加准确。
表1
Figure BDA0002462508820000072
表2
Figure BDA0002462508820000073
Figure BDA0002462508820000081
需要说明的是,以上所述仅为本发明实施方式的一部分,根据本发明所描述的系统所做的等效变化,均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均属于本发明的保护范围。

Claims (1)

1.一种基于EEMD和Prony方法的次同步振荡分析方法,其特征在于,包括以下步骤:
步骤1:测量汽轮发电机组的扭转振动信号,当判别汽轮发电机组发生次同步振荡时触发模态辨识功能;汽轮发电机组的扭转振动信号是通过安装在汽轮发电机组轴系机头的扭角测量传感器测得的;
步骤2:向测得的扭转振动信号中注入白噪声信号,并对注入白噪声信号的扭转振动信号进行经验模态分解,得到各个本征模态分量;
具体步骤为:
步骤2.1:向测得的扭转振动信号中注入白噪声信号:
xm(t)=x(t)+nm(t)
步骤2.2:设原始信号为x(t),同时初始条件下令r0(t)=x(t),i=1,进行以下循环计算:
2.2.1令函数h0(t)=ri-1(t),同时j=1;
2.2.2求中间函数hj-1(t)的极大值和极小值点,利用三次样条函数进行插值,获得hj-1(t)的上包络线emax(t)和下包络线emin(t),并求上下包络线的平均为:mj-1(t)=[emax(t)+emin(t)]/2,最后得到下一步中间函数hj(t)=hj-1(t)-mj-1(t);
2.2.3根据本征模态函数需要满足的条件判断hj(t)是否为模态函数,如果hj(t)不是本征模态函数,则令j=j+1,继续执行步骤(2)直至hj(t)满足本征模态函数条件;
2.2.4如果hj(t)是一个本征模态函数,则令imfi(t)=hj(t),ri(t)=ri-1(t)-imfi(t),并判断ri(t)是否单调或小于设置的精度,若是则结束分解,得到各个本征模态分量;否则执行2.2.1;
步骤3:计算各个本征模态分量与白噪声信号的相关系数,筛选出包含故障特征的信号和噪声信号,去除噪声信号,将包含故障特征的信号和残余信号重构,得到去噪后的扭转振动信号采集点;
步骤4:利用Prony法拟合步骤3得到的去噪后的扭转振动信号采集点并求解,得到次同步振荡的振荡特性信息,完成次同步振荡分析;
具体包括:
利用指数函数拟合步骤3得到的去噪后的扭转振动信号采集点y1,y2,...,yN-1
Figure FDA0003505768300000021
其中,Ai为振幅,fi为振荡频率,αi为衰减系数,θi为相位,Δt为采样时间间隔;
由Prony公式性质可得:
αky(n-k)+αk-1y(n-k+1)+…+α2y(n-2)1y(n-1)+y(n)=0 (2)
采用最小二乘法求解向量α=(α12,...,αk)后将式(1)代入,得到特征方程:
zk1zk-12zk-2+…+αk=0
求解向量z=(z1,z2,...,zk)后代入式(1)中采用最小二乘法求解向量b=(b1,b2,...,bk),得到次同步振荡的振荡特性信息:
Figure FDA0003505768300000022
CN202010324027.1A 2020-04-22 2020-04-22 一种基于EEMD和Prony方法的次同步振荡分析方法 Active CN111523231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010324027.1A CN111523231B (zh) 2020-04-22 2020-04-22 一种基于EEMD和Prony方法的次同步振荡分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010324027.1A CN111523231B (zh) 2020-04-22 2020-04-22 一种基于EEMD和Prony方法的次同步振荡分析方法

Publications (2)

Publication Number Publication Date
CN111523231A CN111523231A (zh) 2020-08-11
CN111523231B true CN111523231B (zh) 2022-04-19

Family

ID=71903776

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010324027.1A Active CN111523231B (zh) 2020-04-22 2020-04-22 一种基于EEMD和Prony方法的次同步振荡分析方法

Country Status (1)

Country Link
CN (1) CN111523231B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113364005B (zh) * 2021-05-20 2023-09-26 国网冀北电力有限公司电力科学研究院 风电振荡激发汽轮机组轴系扭振风险的监测方法及装置
CN115903052B (zh) * 2022-09-07 2023-12-19 航天恒星科技有限公司 基于扩展Prony算法的舰船尾迹电磁信号检测重构方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2337251A1 (fr) * 1975-12-29 1977-07-29 Europ Turb Vapeur Etage mobile de turbomachine
CN100545581C (zh) * 2007-06-26 2009-09-30 江苏万工科技集团有限公司 用于测量织机摇轴扭振扭角的装置
CN102651550B (zh) * 2012-04-13 2014-07-02 中国电力科学研究院 基于可控串补附加阻抗偏差控制的次同步振荡抑制方法
CN103530650B (zh) * 2013-10-16 2015-10-07 深圳大学 电网低频振荡类噪声信号辨识方法
CN103760464B (zh) * 2014-01-07 2016-05-18 河南理工大学 基于解析图求解与svm的小电流接地系统故障选线方法
CN103795073A (zh) * 2014-02-27 2014-05-14 武汉大学 电力系统低频振荡主导模式工况在线辨识与预警方法
CN103997047B (zh) * 2014-05-16 2016-03-02 江苏大学 一种点对网系统的次同步振荡建模方法
CN104852392A (zh) * 2015-04-24 2015-08-19 神华国华(北京)电力研究院有限公司 一种基于Prony算法的次同步振荡模态衰减系数计算方法
CN105628176A (zh) * 2016-01-08 2016-06-01 国网河南省电力公司电力科学研究院 一种旋转机械扭转振动信号采集分析方法
CN105656061B (zh) * 2016-03-31 2017-06-09 四川大学 风火捆绑经直流输电所引发的次同步振荡的抑制方法
CN107732940B (zh) * 2017-10-19 2021-11-02 广西电网有限责任公司电力科学研究院 一种基于adpss的电力系统稳定器参数优化试验方法
CN109672221B (zh) * 2019-02-26 2022-04-29 西南交通大学 一种用于次同步振荡分析的直驱风电场动态等值方法
CN110112757B (zh) * 2019-05-17 2022-04-12 福州大学 基于sure小波消噪和改进hht的低频振荡分析方法
CN110221147B (zh) * 2019-06-11 2021-03-30 东华大学 基于多复合优化算法的电能质量检测分析方法
CN111046327B (zh) * 2019-12-18 2021-10-19 河海大学 适用于低频振荡与次同步振荡辨识的Prony分析方法

Also Published As

Publication number Publication date
CN111523231A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN111523231B (zh) 一种基于EEMD和Prony方法的次同步振荡分析方法
CN108535613B (zh) 一种基于组合窗函数的电压闪变参数检测方法
CN103424183B (zh) 机械振动信号检测异常干扰消除方法
Jain et al. An adaptive time-efficient technique for harmonic estimation of nonstationary signals
CN110221116B (zh) 基于加窗插值和解析模式分解的电压闪变包络检测方法
CN109507480B (zh) 一种邻近基波/谐波的间谐波检测方法和装置
Ma et al. Application of multisynchrosqueezing transform for subsynchronous oscillation detection using PMU data
Li et al. Improved teager energy operator and improved chirp-Z transform for parameter estimation of voltage flicker
CN109142863B (zh) 一种电力系统测频方法及系统
CN110632465A (zh) 一种基于hht一化迭代的高压直流输电线路故障测距方法
CN102313857B (zh) 一种电力系统故障录波数据分析方法及其装置
CN110907826A (zh) 一种基于卷积神经网络滤波的电机故障诊断方法及系统
CN111912521A (zh) 一种非平稳信号的频率检测方法和存储介质
Chen et al. Nonstationary signal denoising using an envelope-tracking filter
CN108398260B (zh) 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法
JP4688097B2 (ja) 風力発電機の運転状態判別方法
Amin et al. Differential equation fault location algorithm with harmonic effects in power system
CN105300688A (zh) 基于rms的自适应齿轮箱转速的快速评估方法
Rodrigues et al. Low-cost embedded measurement system for power quality frequency monitoring
Liu et al. A new motor fault detection method using multiple window S-method time-frequency analysis
CN114487589A (zh) 电网宽频信号自适应测量方法、装置及系统
Liu et al. Synchrosqueezing transform based general linear chirplet transform of instantaneous rotational frequency estimation for rotating machines with speed variations
CN108007548B (zh) 一种通过扫频诊断设备故障的方法
Zhang et al. Denoising algorithm for dual-tree complex wavelet disturbance signal with improved threshold function
Shi et al. Dual-Guidance-Based optimal resonant frequency band selection and multiple ridge path identification for bearing fault diagnosis under time-varying speeds

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