一种基于级联双反馈随机共振的风电微弱特征提取方法与流程
本发明属于风电机组状态监测与故障预警,具体涉及一种基于级联双反馈随机共振的风电微弱特征提取方法。
背景技术:
1、风电机组变流器在高频开关过程中不可避免地产生谐波电流与共模电压,当功率器件出现老化、滤波电感发生磁饱和或接地电刷出现不均匀磨损时,谐波频谱会出现微弱边带,共模电流脉冲幅度亦仅增加数十毫安。这些早期特征频率往往落在2至50 khz范围,幅值比基波低60 db以上,且被开关噪声、电磁干扰及环境噪声严重淹没。若不能及时提取,将导致绝缘击穿、轴承电蚀等继发性故障,造成停机损失与高额维修费用。
2、现有研究存在以下不足。
3、在线性滤波方法方面,目前工程上普遍采用带通滤波器结合快速傅里叶变换或小波包分解进行谐波与共模特征提取。然而,线性滤波器在抑制噪声的同时,对同频段的微弱谐波和共模脉冲亦产生衰减,出现一并抑制现象。当信噪比低于-20 db时,谐波畸变率检测误差大于30%,共模脉冲检出率低于62%,难以满足早期预警需求。此外,小波方法依赖基函数选择,对高频非平稳脉冲适应性差,计算量大,不利于嵌入式在线实现。
4、在随机共振方法方面,现有随机共振多采用单级双稳或高斯势,需要二次采样降频,时间分辨率低。势阱深度与宽度参数耦合严重,难以兼顾谐波与共模两种频段。输出容易饱和,缺乏反馈记忆机制,在-25 db以下输出波动超过3 db,重尾噪声利用率低。
5、在级联随机共振方法方面,虽然级联双反馈随机共振在低频冲击信号中已实现一定增益,但未解决高频映射、多通道同步及谐波畸变率与共模能量比的量化问题,尚不能直接用于风电谐波与共模的在线监测。
6、因此,如何设计一种能够在极端低信噪比条件下同步增强谐波与共模微弱特征、实现风电变流器早期老化缺陷在线可靠预警的方法,是当前风电状态监测领域亟需解决的技术问题。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一,提供一种基于级联双反馈随机共振的风电微弱特征提取方法。
2、为实现上述目的,本发明提供一种基于级联双反馈随机共振的风电微弱特征提取方法,包括:
3、同步采集风电机组的多通道电气信号并进行预处理得到标准化信号,所述多通道电气信号包括三相电压、三相电流、直流母线电压及接地共模电流;
4、对所述标准化信号进行带通跟踪滤波,分别提取谐波频段的谐波分量信号与共模脉冲频段的共模分量信号;
5、对所述谐波分量信号与所述共模分量信号实施分段折叠时间尺度压缩,将高频分量映射至随机共振有效频段,得到压缩信号;
6、构建级联双反馈随机共振模型,所述级联双反馈随机共振模型的前级子系统采用双稳态势函数,后级子系统采用高斯势函数,所述前级子系统与所述后级子系统级联耦合,并在所述前级子系统引入第一负反馈系数、在所述后级子系统引入第二负反馈系数,形成双回路负反馈结构;
7、采用在线优化算法对所述第一负反馈系数、所述第二负反馈系数及所述双稳态势函数和所述高斯势函数的参数进行实时寻优,使噪声能量向目标频段二次转移,得到增强的级联输出信号;
8、对所述级联输出信号并行进行快速傅里叶变换与s变换,提取谐波畸变率和共模能量比,当所述谐波畸变率或所述共模能量比超过动态阈值时,触发早期故障报警。
9、进一步地,所述预处理包括:
10、对所述多通道电气信号进行滑窗中值滤波,当采样点与窗口中值的偏差超过预设偏差倍数与标准差的乘积时,以所述窗口中值替换所述采样点;
11、按照预设时间周期计算所述多通道电气信号中的直流分量并实时扣除,使所述多通道电气信号的均值归零;
12、将各电气量除以对应的额定基值进行标幺变换,得到幅值范围不超过预设标幺上限的所述标准化信号。
13、进一步地,所述带通跟踪滤波包括:
14、将所述标准化信号同时送入谐波带通滤波器组与共模带通滤波器组,所述谐波带通滤波器组的通带范围为预设谐波下限频率至预设谐波上限频率,所述共模带通滤波器组的通带范围为预设共模下限频率至预设共模上限频率;
15、所述谐波带通滤波器组输出所述谐波分量信号,所述共模带通滤波器组输出所述共模分量信号,所述谐波分量信号与所述共模分量信号的时间戳对齐误差不超过一个采样点。
16、进一步地,所述分段折叠时间尺度压缩包括:
17、以预设窗长和预设步长对所述谐波分量信号与所述共模分量信号分别进行滑窗截取,得到窗内数据段;
18、对所述窗内数据段进行快速傅里叶变换得到幅值谱;
19、根据在线设定的低频压缩比阈值与高频压缩比阈值,保留所述幅值谱中满足以下条件的谱线:
20、;
21、其中,为所述低频压缩比阈值,为所述高频压缩比阈值,为频率处的幅值,为所述幅值谱的峰值,将不满足所述条件的谱线置零;
22、对保留的所述谱线进行逆快速傅里叶变换,得到所述压缩信号。
23、进一步地,所述低频压缩比阈值与所述高频压缩比阈值的在线更新方式为:
24、当预设时段内的平均风速变化量达到预设风速阈值、或有功功率百分比变化达到预设功率阈值、或变流器壳温变化达到预设温度阈值时,启动阈值更新;
25、按照预设调整步长对所述低频压缩比阈值与所述高频压缩比阈值进行增减调整,在高功率区减小所述低频压缩比阈值并增大所述高频压缩比阈值,在低功率区反向调整;
26、每次调整后确保所述低频压缩比阈值与所述高频压缩比阈值均落在各自的预设取值区间内,且两者的差值不小于预设最小差值;
27、若连续预设次数的更新导致所述谐波畸变率或所述共模能量比的跳变超过预设跳变阈值,则自动回退至上一组稳定值。
28、进一步地,所述双稳态势函数的表达式为:
29、;
30、其中,为所述双稳态势函数的势阱深度参数,为所述双稳态势函数的势阱宽度参数,为所述前级子系统的状态变量;
31、所述高斯势函数的表达式为:
32、;
33、其中,为所述高斯势函数的势阱深度参数,为所述高斯势函数的势阱宽度参数,为所述后级子系统的状态变量;
34、所述第一负反馈系数将所述后级子系统的输出反馈至所述前级子系统的输入,所述第二负反馈系数将所述后级子系统的输出反馈至所述后级子系统自身的输入,所述第一负反馈系数的取值范围为预设第一反馈下限至零,所述第二负反馈系数的取值范围为预设第二反馈下限至零。
35、进一步地,所述在线优化算法的执行方式为:
36、采用改进粒子群算法对所述第一负反馈系数、所述第二负反馈系数、所述双稳态势函数的势阱深度参数和势阱宽度参数、所述高斯势函数的势阱深度参数和势阱宽度参数共六个待优化参数进行同步寻优;
37、所述改进粒子群算法的目标函数为:
38、;
39、其中,为谐波信噪增益,为共模能量比,和为预设权重系数且;
40、所述改进粒子群算法的粒子数量设定为预设粒子数,最大迭代次数设定为预设迭代上限。
41、进一步地,所述谐波畸变率的计算方式为:
42、;
43、其中,为谐波频段内频率处的幅值,和分别为谐波频段的下限频率和上限频率,为基波幅值;
44、所述共模能量比的计算方式为:
45、;
46、其中,为共模频段内频率处的幅值,和分别为共模频段的下限频率和上限频率,为总能量。
47、进一步地,所述动态阈值的生成方式为:
48、取过去预设滑动窗口时长内的所述谐波畸变率与所述共模能量比的历史数据;
49、计算所述历史数据的预设分位数值与标准差,将所述预设分位数值与预设标准差倍数乘以所述标准差的和作为所述动态阈值;
50、所述滑动窗口按照预设滑动周期向前滑动一次,实现所述动态阈值的自学习更新。
51、进一步地,所述早期故障报警的触发条件为:
52、所述谐波畸变率超过对应的所述动态阈值、或所述共模能量比超过对应的所述动态阈值;
53、并且上述越限状态连续持续预设连续周期数个计算周期后,触发所述早期故障报警;
54、所述早期故障报警的信息包含越限指标类型、越限幅值以及建议检修部位。
55、本发明的有益效果如下:
56、本发明通过构建级联双反馈随机共振模型,采用前级双稳态势函数与后级高斯势函数的级联拓扑结构,配合双回路负反馈机制,实现噪声能量向目标信号频段的二次转移,有效解决了传统线性滤波方法在强噪声环境下对微弱谐波和共模特征一并抑制的问题。
57、本发明采用分段折叠时间尺度压缩技术,将高频谐波和共模脉冲统一映射至随机共振有效频段,突破了单级随机共振模型对高频信号适应性差、参数耦合严重的技术瓶颈。
58、本发明通过在线优化算法对六维参数进行实时寻优,结合动态阈值自学习机制,在极端低信噪比条件下仍可实现谐波畸变率和共模能量比的准确提取,为风电变流器功率器件老化、滤波电感饱和、接地电刷磨损等早期缺陷提供可靠的在线预警。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com