基于EEMD的水電機(jī)組信號分解和頻譜分析

馮源，葛新峰，潘天航，鄭源

(1.云南電網(wǎng)公司電力研究院，昆明 650217；2.河海大學(xué)能源與電氣學(xué)院，南京 210098)

基于EEMD的水電機(jī)組信號分解和頻譜分析

馮源1，葛新峰2，潘天航2，鄭源2

(1.云南電網(wǎng)公司電力研究院，昆明 650217；2.河海大學(xué)能源與電氣學(xué)院，南京 210098)

采用集合經(jīng)驗(yàn)?zāi)B(tài)分解EEMD方法對水電機(jī)組多個信號進(jìn)行分析，結(jié)果表明，EEMD分解能夠?qū)⑺姍C(jī)組信號分解成不同頻域內(nèi)IMF分量分解，各IMF分量與現(xiàn)場振源有一定的關(guān)聯(lián)，具有直觀的物理意義，同時對不同工況的信號進(jìn)行對比分析。

水電機(jī)組；EEMD分解；EMD分解；IMF分量

0 前言

1998年，Norden E.Huang[1]提出了一種新的信號處理方法即經(jīng)驗(yàn)?zāi)B(tài)分解 (Empirical Mode Decomposition，簡稱EMD)方法，本質(zhì)上該方法是對一個信號進(jìn)行平穩(wěn)化處理，將信號中不同尺度的波動或趨勢逐級分解開來，得到了一系列具有不同特征尺度的數(shù)據(jù)系列，每個序列稱為一個固有模態(tài)函數(shù)IMF(Intrinsic Mode Function)分量[2]，同時每個模態(tài)函數(shù)應(yīng)該具有一定的物理含義，每個IMF為單分量的幅值或頻率調(diào)制信號。每個IMF應(yīng)該滿足以下兩個條件：首先，在整個數(shù)據(jù)段內(nèi)，極值點(diǎn)的個數(shù)和過零點(diǎn)的個數(shù)必須相等或最多相差一個；其次，信號上任意一點(diǎn)，由局部極大值點(diǎn)確定的包絡(luò)線和由局部極小值點(diǎn)確定的包絡(luò)線的均值均為零，即信號關(guān)于時間軸為局部對稱[3]。但是EMD分解有一定的缺點(diǎn)即容易產(chǎn)生模態(tài)混疊，模式混疊是指一個IMF中包含差異極大的特征時間尺度，或者相近的特征時間尺度分布在不同的IMF中，導(dǎo)致相鄰的2個IMF波形混疊，即信號的平穩(wěn)化處理效果比較差。

EEMD即集合經(jīng)驗(yàn)?zāi)B(tài)分解方法 (ensemble empirical mode decomposition，EEMD)其分解的基本思想比較簡單，就是依據(jù)所添加白噪聲信號能夠均勻填充整個時頻空間的特性，使信號的不同頻率尺度能被自動投影到由白噪聲所建立的均勻空間的相應(yīng)頻率尺度上，最后通過多次重復(fù)取整體平均的方式消除所添加的白噪聲成分，來促使待分解信號中的本征模態(tài)函數(shù)的自然分離，以去除模態(tài)混疊，是EMD一種改進(jìn)。

在集合經(jīng)驗(yàn)?zāi)B(tài)分解過程中有兩個參數(shù)需要確定：即整體重復(fù)的執(zhí)行次數(shù)M和隨機(jī)白噪聲的強(qiáng)度參數(shù)α。Wang和Huang建議，白噪聲的強(qiáng)度參數(shù)α取待分解信號標(biāo)準(zhǔn)差的0.2倍[4]。但這不是適合所有情況也需要根據(jù)情況而定，一般地，當(dāng)信號的主要成分為高頻時，α的取值應(yīng)比較小；當(dāng)信號的主要成分為低頻時，α的取值應(yīng)比較大一些，α的取值越小則誤差越小，然而過小會降低消減端點(diǎn)效應(yīng)和模態(tài)混疊的效果。因此，為了充分發(fā)揮EEMD分解的效力，所添加的白噪聲強(qiáng)度不應(yīng)過小，但是增加白噪聲也會產(chǎn)生一定的誤差，通過增加M值 (整體重復(fù)執(zhí)行次數(shù))會將減少添加白噪聲所引起的誤差，一般M取幾百會得到較好的結(jié)果[5]。

1 實(shí)例分解

以國內(nèi)某水電站實(shí)驗(yàn)采集信號為例，該機(jī)組額定功率為300 MW，采樣頻率為500 Hz，轉(zhuǎn)動頻率2.2 Hz。采用EEMD分析方法對上導(dǎo)擺度+ x、水導(dǎo)擺度+x、上機(jī)架水平+x、蝸殼差壓四個測點(diǎn)的信號進(jìn)行兩種工況 (210 MW、240MW)進(jìn)行模態(tài)分解。其中白噪聲的強(qiáng)度參數(shù)α和重復(fù)的執(zhí)行次數(shù)M分布取0.2，100。

如圖1-4為上導(dǎo)擺度+x和上機(jī)架水平+x不同工況各IMF(a1-a6)時頻圖。從各IMF分量的時域圖可以，分解后的IMF分量比較平穩(wěn)，特別是低頻的IMF分量信號非常平滑。而水電機(jī)組主要為低頻信號，說明EEMD信號分解比較適合于水電機(jī)組現(xiàn)場數(shù)據(jù)的分解。對各IMF分量進(jìn)行FFT頻譜分析為各圖中 (b1-b6)。圖中 (a7)和(b7)為原始信號的時域圖和FFT頻譜圖。

表1、2為四個測點(diǎn)在210 MW、240 MW的IMF時頻統(tǒng)計(jì)分析信息。

表1 上導(dǎo)擺度+x和上導(dǎo)擺度+x各IMF頻譜統(tǒng)計(jì)表

表2 上導(dǎo)擺度+x和上導(dǎo)擺度+x各IMF頻譜統(tǒng)計(jì)表

圖1 上導(dǎo)擺度+x各IMF頻譜 (210MW)

圖2 上導(dǎo)擺度+x各IMF頻譜 (240MW)

2 數(shù)據(jù)分析

從圖1～4中可以看出，EEMD可以較好的將水電機(jī)組的信號分解，將前六層IMF列出。IMF1～I(xiàn)MF6的依次從高頻到低頻，如圖1～4中IMF5的信號主頻為約位于2.2 Hz，很顯然這一頻率成分對應(yīng)轉(zhuǎn)動頻率。如圖3、4中IMF1、IMF2的信號主頻為50 HZ及其倍頻，50 HZ是我國公共電力網(wǎng)頻率。這說明EEMD分解的經(jīng)驗(yàn)?zāi)B(tài)分量具有實(shí)際的物理含義，與現(xiàn)場激頻相對應(yīng)。

如圖3、4中IMF1、IMF2的信號含有明顯50 HZ及其倍頻，但是其幅值相對小，在原信號分析中根本看不出來，但是通過EEMD分解可以分解出來，這說明EEMD分解具有將現(xiàn)場激頻信號放大的功能，當(dāng)其幅值較大的時候容易引起磁拉力不平衡，造成機(jī)組振動。

通過對兩種不同工況即：第一個運(yùn)行工況時210 MW，第二個運(yùn)行工況為240 MW，設(shè)計(jì)工況300 MW。對比這兩個工況下的不同IMF1頻譜分析得知，在240 MW工況下一些低頻信號的幅度值明顯下降，如表2中蝸殼水壓中IMF6，這也和原信號的頻率幅度下降時一致的。這和實(shí)際運(yùn)行工況也是一致的，因?yàn)?40 MW離設(shè)計(jì)工況比較近，在該工況下運(yùn)行時，各狀態(tài)參數(shù)的一般是要小一些。

3 結(jié)束語

文章采用改進(jìn)后的經(jīng)驗(yàn)?zāi)B(tài)分解EEMD對現(xiàn)場采集的信號進(jìn)行了實(shí)例分析。通過分析得知：

1)分解后的IMF分量比較平穩(wěn)，特別是低頻的IMF分量信號非常平滑。而水電機(jī)組主要為低頻信號，說明EEMD信號分解比較適合于水電機(jī)組現(xiàn)場數(shù)據(jù)的分解。

2)EEMD分解的經(jīng)驗(yàn)?zāi)B(tài)分量IMF具有實(shí)際的物理含義，與現(xiàn)場激頻相對應(yīng)。

3)EEMD分解具有將現(xiàn)場激頻信號放大的功能，克服了 FFT變化不容易發(fā)現(xiàn)的一些淹沒頻率。

圖3 上機(jī)架水平+x各IMF頻譜 (210MW)

圖4 上機(jī)架水平+xIMF頻譜 (240MW)

4)兩種不同工況下各IMF頻譜變化與實(shí)際運(yùn)行工況也是一致的。

[1] Norden E.Huang，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society，1998，454(1971)：903～905.

[2] 胡小林.Hilbert-Huang變換的改進(jìn)及其在機(jī)械故障特征提取中的應(yīng)用 [D].重慶：重慶大學(xué)，2010.

[3] 范德功.基于希爾伯特-黃變換機(jī)械故障診斷的研究 [D] .河北：華北電力大學(xué)，2006.

[4] Wu，Z.，Huang，N.E.Ensemble empirical mode decomposi-tion：a noise-assisted data analysis method.Advances in adaptive data analysis，2009，1(01)：1-41.

[5] 張孝遠(yuǎn).融合支持向量機(jī)的水電機(jī)組混合智能故障診斷研究 [D].華中科技大學(xué)，2012.

Research on Hydroelectric Generating Signals Decomposition and Spectrum Analysis Base on EEMD

FENG Yuan1，GE Xinfeng2，PAN Tianhang2，ZHENG Yuan2
(1.Yunnan Electric Power Research Institute，Kunming 650217；2.School of Energy and Electric，Hehai University，Nanjing 210098)

using EEMD method(ensemble empirical mode decomposition)to analysis multiple signals of hydroelectric generating，the results show that，EEMD decomposition can decompose hydroelectric generating signals to different frequency domain IMF component decomposition，each IMF component have a certain correlation the field source，with intuitive physical meaning，at the same time，the signals of different condition carries on the contrast analysis.

hydropower unit；EEMD decomposition；EMD decomposition；IMF component

TM73

B

1006-7345(2014)05-0077-04

2014-06-05

馮源 (1983)，男，碩士，工程師，云南電網(wǎng)公司電力研究院，研究方向?yàn)樗姍C(jī)組狀態(tài)監(jiān)測和故障診斷 (e-mail) fengyuan1678＠163.com。

云南電網(wǎng)公司科技項(xiàng)目 (K-YN2012-452)和江蘇省博士后基金 (1102072c)