[发明专利]一种抽水蓄能电站主进水阀自激振动敏感性分析方法

权利要求书

1.一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，包括：

步骤1、基于已构建的抽水蓄能电站主进水阀自激振动的精细化数值仿真模型，确定影响所述自激振动的多个参数及其初始参数值，其中，所述仿真模型包括所述主进水阀的柔性阀门模型；

步骤2、基于所述仿真模型，仿真得到在所有所述初始参数值下所述主进水阀柔性阀门的第一水头；

步骤3、基于修正Morris参数筛选法、所述仿真模型和所述第一水头，对每个所述参数的参数值进行更改，并通过仿真和计算，确定所述自激振动对各个所述参数的敏感度。

2.根据权利要求1所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，所述主进水阀的柔性阀门模型为基于瞬变流理论的柔性阀门模型。

3.根据权利要求1所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，所述方法还包括：

步骤4、采用控制变量法，依次确定所述多个参数中一个参数为分析参数，多次改变该分析参数的参数值大小，以基于所述仿真模型，确定该参数对所述自激振动的周期、发展速率和幅值的影响规律。

4.根据权利要求1所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，所述仿真模型还包括：基于改进Suter-模糊BP神经网络的可逆式水轮机模型，以及基于瞬变流理论的有压过水系统模型。

5.根据权利要求4所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，所述基于改进Suter-模糊BP神经网络的可逆式水轮机插值模型的构建方法，包括：

采用改进Suter变换，对可逆式水轮机原始全特性曲线进行变换处理，得到基于改进Suter变换的可逆式水轮机全特性曲线；

采用模糊BP神经网络的自学习能力，对所述可逆式水轮机全特性曲线进行奇点修正和数据延展，得到所述基于改进Suter-模糊BP神经网络的可逆式水轮机插值模型。

6.根据权利要求5所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，所述模糊BP神经网络的输入层和输出层分别有两个神经元；

所述模糊BP神经网络的隐含层有两层，其中一层有15个神经元，另一层有14个神经元；

所述采用模糊BP神经网络的自学习能力，对所述可逆式水轮机全特性曲线进行奇点修正和数据延展时，最大迭代次数为1100次，学习率为0.09，训练目标误差为0.5*10^-8。

7.根据权利要求1所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，所述步骤3包括：

依次对每个参数，在所有初始参数值的基础上，多次改变该参数的参数值，并通过所述仿真模型，得到每次改变后所述柔性阀门的第二水头；

基于每相邻两次改变对应的该参数的参数值和所述第二水头，得到该参数在每次参数值改变后对所述柔性阀门的水头的影响程度；

基于该参数在每次参数值改变后对所述柔性阀门的水头的影响程度以及总的改变次数，计算该参数的敏感性判别因子，确定该参数对所述自激振动的影响度。

8.根据权利要求7所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法，其特征在于，所述影响程度的表达式为：

其中，E_i+1为第i+1次参数值改变后对所述柔性阀门的水头的影响程度,第Y_i是第i次改变对应的第二水头；Y_i+1是第i+1次改变对应的第二水头；Y₀是所述第一水头；Δ为每相邻两次改变对应的该参数的参数值差值百分率；

所述敏感性判别因子的计算公式为：

其中，n为所述总的改变次数。

9.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行权利要求1至8任一项所述的一种抽水蓄能电站主进水阀自激振动敏感性分析方法。