基于VMD的甩负荷试验尾水管压力分析及预测
发布时间:2021-11-13 01:19
目前应用于工程的抽水蓄能电站一维过渡过程计算做了近似处理,忽略了机组在过渡过程伴随的脉动压力。基于VMD算法分解现场甩负荷试验数据提取信号中的脉动项,结合一维计算对尾水管进口总压力进行了预测。结果表明:VMD算法分解出的尾水管进口压力趋势项表现为频率为零的水锤波动;脉动项集中在低频段,脉动幅值呈现与转速变化相近的趋势;结合脉动项的尾水管进口总压力预测比一维仿真预测更接近实测结果,为现场甩负荷试验分析预测提供参考依据。
【文章来源】:中国农村水利水电. 2020,(02)北大核心
【文章页数】:5 页
【部分图文】:
某抽水蓄能电站布置图
以P1工况为例,算法将实测尾水管进口压力分为两个模态函数见图2,IMF1对应的频带中心频率接近于0,则提取IMF1为均值压力,从总压力中减去均值压力提取为脉动压力。3个工况尾水管进口实测压力经过特征提取后的压力波动信号见图3。图3 脉动压力特征提取图
图2 P1工况尾水管进口压力分解图由图3可以看出,边界条件一定时,单机甩全负荷脉动压力幅值大于单机甩部分负荷脉动压力幅值,双机同时甩负荷脉动压力幅值大于单机甩同等负荷脉动压力幅值。
【参考文献】:
期刊论文
[1]基于等熵原则的抽蓄电站过渡过程压力数据分析[J]. 张飞,宫奎,潘虹,丁景焕. 水利学报. 2018(10)
[2]某抽水蓄能电站#6机组甩负荷试验仿真与实测分析[J]. 张美琴,冯雁敏. 水电能源科学. 2018(08)
[3]基于VMD和排列熵的水轮机压力脉动信号去噪算法[J]. 于晓东,潘罗平,安学利. 水力发电学报. 2017(08)
[4]抽水蓄能机组双机甩负荷试验分析[J]. 孙慧芳,周攀,杜雅楠,朱文娟. 水电能源科学. 2017(06)
[5]基于经验模态分解的蓄能机组甩负荷压力数据处理[J]. 张飞,宫让勤,秦俊,丁景焕. 水电能源科学. 2017(06)
[6]改进EMD降噪方法在水轮机尾水管压力脉动信号中的应用[J]. 钭锦周,王卫玉,陈启卷. 水电能源科学. 2017(05)
[7]非平稳信号分析的广义解析模态分解方法[J]. 郑近德,潘海洋,程军圣. 电子学报. 2016(06)
[8]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[9]水泵水轮机甩负荷过渡过程中脉动压力的模拟[J]. 杨桀彬,杨建东,王超,鲍海艳. 水力发电学报. 2014(04)
[10]EMD指标能量提取水轮机尾水管动态特征信息[J]. 王瀚,罗兴锜,薛延刚,丁况. 水力发电学报. 2012(05)
本文编号:3492025
【文章来源】:中国农村水利水电. 2020,(02)北大核心
【文章页数】:5 页
【部分图文】:
某抽水蓄能电站布置图
以P1工况为例,算法将实测尾水管进口压力分为两个模态函数见图2,IMF1对应的频带中心频率接近于0,则提取IMF1为均值压力,从总压力中减去均值压力提取为脉动压力。3个工况尾水管进口实测压力经过特征提取后的压力波动信号见图3。图3 脉动压力特征提取图
图2 P1工况尾水管进口压力分解图由图3可以看出,边界条件一定时,单机甩全负荷脉动压力幅值大于单机甩部分负荷脉动压力幅值,双机同时甩负荷脉动压力幅值大于单机甩同等负荷脉动压力幅值。
【参考文献】:
期刊论文
[1]基于等熵原则的抽蓄电站过渡过程压力数据分析[J]. 张飞,宫奎,潘虹,丁景焕. 水利学报. 2018(10)
[2]某抽水蓄能电站#6机组甩负荷试验仿真与实测分析[J]. 张美琴,冯雁敏. 水电能源科学. 2018(08)
[3]基于VMD和排列熵的水轮机压力脉动信号去噪算法[J]. 于晓东,潘罗平,安学利. 水力发电学报. 2017(08)
[4]抽水蓄能机组双机甩负荷试验分析[J]. 孙慧芳,周攀,杜雅楠,朱文娟. 水电能源科学. 2017(06)
[5]基于经验模态分解的蓄能机组甩负荷压力数据处理[J]. 张飞,宫让勤,秦俊,丁景焕. 水电能源科学. 2017(06)
[6]改进EMD降噪方法在水轮机尾水管压力脉动信号中的应用[J]. 钭锦周,王卫玉,陈启卷. 水电能源科学. 2017(05)
[7]非平稳信号分析的广义解析模态分解方法[J]. 郑近德,潘海洋,程军圣. 电子学报. 2016(06)
[8]基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 刘长良,武英杰,甄成刚. 中国电机工程学报. 2015(13)
[9]水泵水轮机甩负荷过渡过程中脉动压力的模拟[J]. 杨桀彬,杨建东,王超,鲍海艳. 水力发电学报. 2014(04)
[10]EMD指标能量提取水轮机尾水管动态特征信息[J]. 王瀚,罗兴锜,薛延刚,丁况. 水力发电学报. 2012(05)
本文编号:3492025
本文链接:https://www.wllwen.com/kejilunwen/shuiwenshuili/3492025.html