[发明专利]一种水泵水轮机机组振动趋势预测方法

说明书

本发明公开了一种水泵水轮机机组振动趋势预测方法。根据水泵水轮机运行参数得到历史振动数据，将得到的数据一部分作为历史数据，一部分作为待预测的数据。利用果蝇参数优化方法对嵌入维数d、时间延迟、正则优化参数和核函数宽度等参数进行优化。设定各参数的寻优区间，基于果蝇优化算法理论进行寻优，得到优化参数的最优值，在优化参数的基础上，提取样本的特征，确定训练样本，建立基于最小二乘支持向量机(LS‑SVM)的水泵水轮机机组振动预测模型。

技术领域

本发明涉及一种抽水蓄能水泵水轮机机组振动趋势预测方法，属于水力发电领域。

背景技术

抽水蓄能电站的水泵水轮机机组时刻处于变工况情况下工作，由此会带来机组振动，影响振动的因素主要有：水力因素、机械因素和电磁因素。水泵水轮机机组的振动具有较多的波动性、不确定性、非线性和随机性。可见，对水泵水轮机机组振动趋势进行准确预测对提高电网的稳定性及降低运行成本具有重要的意义。目前，最小二乘支持向量机以其较强的泛化能力以及小样本问题处理能力等优点，广泛应用于小样本数据的预测。然而，现有研究中，用于重构时间序列进而提取样本特征的嵌入维数d和时间延迟会对预测模型精度产生严重影响，而二者的选取一般是应用混沌理论中相空间重构进行计算，并不是针对小样本数据预测模型选取的最优解。因此，现有的水泵水轮机机组振动趋势预测方法存在预测不准等问题。

发明内容

基于现有水泵水轮机机组振动趋势预测存在的问题，本发明提供了一种抽水蓄能水泵水轮机机组振动趋势预测方法，以预测模型参数共同优化的思想，基于最小二乘支持向量机理论，将果蝇算算法作为优化算法，建立水泵水轮机机组振动预测模型。降低优化时间成本的同时提高预测精度。

本发明还具有如下区别技术特征：

采用果蝇优化算法对模型参数进行优化，利用最小二乘支持向量机理论建立水泵水轮机机组振动预测模型。本发明中相关的影响因素主要选取水力因素、机械因素和电磁因素作为水泵水轮机机组振动的时间序列特征。

本发明与现有技术相比，具有的有益效果如下：

1.现有技术中对模型参数进行确定是利用混沌理论中相空间重构的概念确定，然后利用优化算法对模型参数进行优化，现有技术中嵌入维数d和时间延迟只是从单纯的时间序列动力特性的角度进行确定，无法保证预测模型具有较高的精度。本发明对嵌入维数d、时间延迟、核函数宽度、正则化参数进行同时优化，然后建立水泵水轮机机组振动预测模型。

2.采用果蝇优化算法，避免了局部极小值的出现，同时提高了运算速度。

附图说明：

图1水泵水轮机机组振动趋势预测流程图。

具体实施方式：

以下结合附图对本发明的具体内容作进一步说明。根据上述技术方案，本发明的具体实施说明如下：

1.根据所采集的时间序列，即水泵水轮机机组振动数据，将一部分数据作为历史数据，将余下的数据作为预测数据。

2.将预测值和真实值之间的平均相对误差作为目标函数。

3.确定优化参数并确定优化参数的取值范围，根据智能算法参数优化方法对参数进行优化。

4.对水泵水轮机集中振动时间序列进行重构，得到n个训练样本。

5.以所优化的四个参数作为模型参数，根据所得到的训练样本，建立预测模型。

6.根据预测模型对水泵水轮机机组振动趋势进行预测。

一种水泵水轮机机组振动趋势预测方法，包括以下方法步骤：

1.在进行水泵水轮机机组振动预测之前，首先要构建训练样本(xi，yi)，即“特征”和“目标值”。