[发明专利]一种抽蓄机组振动趋势预测方法

摘要

本发明公开了一种抽蓄机组振动趋势预测方法，它先在线获取机组非平稳振动的历史和实时数据，再将数据传递给用户终端，随后利用经验小波分解对振动信号进行时频域分析，接着提取能量熵和奇异值综合特征，然后对信号特征数据集合按照一定规则进行离散化处理后与机组运行工况进行关联分析，利用Apriori算法进行频繁项挖掘，解析数据特征与机组故障的时空相关性，通过关联分析结果划分出机组安全运行区域，最后构建时间序列模型，采用时间序列趋势预测方法，预测其未来有限时间内的发展趋势，进而对机组运行状态趋势进行预测与评估，为实施机组状态检修提供技术支持。本发明不仅能够准确预测趋势，还具有评估指标较全面和评估较方便的优点。

主权项

1.一种抽蓄机组振动趋势预测方法，其特征在于，包括以下步骤：a1、在线数据获取，通过采用485通讯协议，从抽蓄电站振摆监测和监控系统在线获取机组非平稳振动的历史和实时数据；b1、数据传递，将在线获取的机组非平稳振动的历史和实时数据转换成机组非平稳振动信号，并依次经过网络隔离装置、WEB服务器、硬件防火墙和电厂局域网传递给用户终端；c1、信号分析，用户终端对于机组非平稳振动信号，利用经验小波分解对机组非平稳振动信号进行时频域分析；d1、特征提取，在利用经验小波分解对机组非平稳振动信号进行时频域分析的基础上，从机组非平稳振动信号中提取描述机组振动状态的综合特征，得能量熵和奇异值；e1、振动的关联与定量分析，对能量熵和奇异值的数据集合，利用集合经验模态分解(EEMD)或经验小波分解法(EWT)对振动信号进行分解，得到一系列的单频率分量，再进行离散化处理后与机组运行工况进行关联分析，利用Apriori算法进行频繁项挖掘，解析机组振动数据特征与机组故障的时空相关性，通过关联分析结果划分出机组安全运行区域；f1、构建时间序列分解模型、多元线性回归模型和ARMA模型，采用时间序列趋势预测方法，预测未来有限时间内的发展趋势，进而对机组运行状态趋势进行预测与评估，为实施机组状态检修提供技术支持。