矿井供电系统串联型故障电弧仿真分析及诊断方法

因接触不良或机械损伤,煤矿供电系统会产生串联型故障电弧,串联型故障电弧是引发煤矿电气火灾的原因之一,目前缺少有效的检测手段,影响了井下的供电安全。井下可能存在瓦斯和煤尘等易燃易爆物质,不宜开展串联型故障电弧实验,无法获得大量故障电弧电流样本,加大了井下串联型故障电弧诊断工作的难度。为研究矿井供电系统串联型故障电弧的典型特征及诊断方法,论文首先在Mayr-Schwarz电弧数学模型的基础上,建立了矿井供电系统串联型故障电弧仿真模型,并结合实验结果对仿真模型的性能进行了评估;然后对矿井供电系统的采煤系统、胶带输送系统、泵房排水系统、照明系统的串联型故障电弧、过电压、单相接地、两相接地短路、两相短路、三相短路电气故障进行仿真分析、特征分析,以电流信号的过零点数、峰峰值、方差、峭度系数、裕度因子、谐波畸变率、单边功率谱频率方差、小波包系数能量熵、小波包系数峰峰值为特征量,建立了矿井供电系统串联型故障电弧特征参数数据库;最后综合比较决策树、K近邻、Bagged trees多分类模式识别方法在故障电弧诊断、选相及抗负载电流波动扰动、抗背景噪声扰动方面的性能,提出了K近邻矿井供电系统串联型故障电弧诊断方法。结果表明,建立的串联型故障电弧仿真模型能够用于仿真分析矿井供电系统串联型故障电弧,所建立的特征参数数据库能够反映矿井供电系统串联型故障电弧的典型特征,提出的K近邻串联型故障电弧诊断方法可用于矿井供电系统串联型故障电弧诊断及选相。     

基于VMD-PE和M-RVM的滚动轴承故障诊断

针对传统EMD易产生模态混叠,原始SVM、RVM方法存在核函数选取困难、识别效率低等问题,提出一种基于变分模态分解(VMD)、排列熵(PE)以及混合蝙蝠算法(BA)优化的多分类相关向量机(M-RVM)的轴承故障智能诊断方法。首先,VMD分解故障信号,获得本征模态函数(IMF);然后将PE用于IMF的故障特征提取过程,形成特征序列;最后,将所得的特征序列输入基于混合BA优化的M-RVM故障诊断模型,对不同故障进行分类识别。对试验数据的分析结果表明,基于VMD-PE与M-RVM的滚动轴承故障诊断可以提高轴承故障诊断的准确度。     

露天矿用电缆卷放车智能保护系统设计

针对电缆卷放车运行中可能存在的电流型、电压型故障，设计了以STM32F103RCT6单片机控制单元为核心，集采集，判断，保护与查看功能于一体的电缆卷放车智能保护系统，实现了对电缆卷放车的可靠保护。由于传统的过电流保护方法在电缆卷放车出现电流故障时不能进行全面有效的保护，因此引入对称分量法作为保护的基本理论以检测电缆卷放车运行中的电流故障，通过测量电缆卷放车运行时的电流幅值、电流的零序、负序分量以及电压幅值，对电缆卷放车进行短路故障保护、断相故障保护、三相不平衡故障保护、单相接地故障保护、两相接地故障保护、欠电压故障保护以及过电压故障保护。为了将采集到电压、电流信号转变为单片机可以处理的单极性小信号，设计了信号调理电路，同时设计了保护系统的软件，包括数据采集处理、数据分析计算与检测判断、保护动作执行以及人机交互部分，实现了对电缆卷放车运行状态的判断和故障报警功能。试验结果表明，该保护装置符合保护要求。     

基于小波变换的行波测距在电网故障选线中的应用

利用小波变换检测和分析故障行波,准确捕捉故障初始行波和故障点第一个反射波到达保护点的时间。根据电缆的结构特点,利用实时在线测得的故障线路参数,计算出模量行波的传播速度,对故障点进行准确测距定位,得出保护装置选择性动作的原理及判据,实现煤矿电网的故障选线。     

基于神经网络的数字电路串扰时滞故障测试生成

针对数字电路中多侵略线串扰时滞故障将使电路不能正常工作的问题,提出了一种有效的测试生成算法。该算法首先使用Kernighan-Lin-Fiduccia-Mattheyses(KLFM)方法在受害点处把电路分为左右2个部分,然后对右半部分电路采用神经网络算法把故障效应传播到输出端,最后对左半部分电路根据受害点时滞故障的方程计算出受害点的最大串扰时滞故障测试生成矢量。在ISCAS’85和ISCAS’89国际标准电路上的实验结果表明本算法具有较高的故障覆盖率和较短的测试生成时间。     

基于遗传算法的桥式起重机故障诊断研究

分析了桥式起重机的常见故障和支持向量机的基本理论;讨论了遗传算法的基本理论,并且分析了基于遗传算法桥式起重机故障诊断的基本流程;进行了桥式起重机的故障诊断,结果表明该方法具有较高的故障诊断能力。     

高智能电缆故障闪测仪的应用

介绍了SDCA-5型高智能电缆故障闪测仪的主要性能、测试原理以及测试波形分析在电缆故障查找中的应用。     

高压输电线路故障定位算法的研究

高压输电线路发生故障时将出现暂态行波,常利用暂态行波进行线路故障定位,定位精度可能受波速的影响。在分析比较现有确定行波波速算法的基础上,提出了一种新算法,高压输电线路中行波波速不确定不给故障定位带来影响,理论证明该算法不受线路弧垂的影响。     

基于三值神经网络的数字电路多故障测试生成算法

针对数字电路中多故障测试生成较难的问题,提出了基于三值神经网络的数字电路多故障测试生成算法。该算法先把多故障转换成为单故障,再用三值神经网络的方法对单故障电路构造故障的约束网络,最后用遗传算法求解故障约束网络能量函数的最小值点获得原电路中多故障的测试矢量。在一些国际标准电路上的实验结果表明本算法的可行性。     

消除单端行波测距死区的煤矿电网故障定位

单端行波故障定位由于故障行波特征难于分辨,故障距离若与非故障线路基本特征匹配时,导致单端行波测距方法无法完成,因此输电网中实用的故障定位均为基于GPS精确校时的双端行波法。在深入剖析煤矿中压电网发生故障后的行波传递的基本特点的基础上,充分考虑煤矿电网馈线支路多、线缆混合情况等矿区电网的特点,对单端行波故障定位原理特点作深入分析。定义行波瞬时功率,改进了电压、电流行波易受线路中噪声影响的问题,提高了信号的可测性;并根据选线结果及线路本身参数,利用故障线路中两个反应故障距离的反射波头时间关系验证反射波头,解决单端行波定位的死区问题。PSCAD/EMTDC仿真实验表明,该故障定位方法具有较高的精确度,完全能适应煤矿电网的特点。     

矿用栓接电缆接头松动故障识别方法研究

利用自研的实验平台开展了不同松动程度、负载电流和负载类型条件下的电缆接头松动故障实验,研究了不同条件下栓接电缆接头的温度特性、接触电压和回路电流特性。提出1种基于小波能量熵和概率神经网络(PNN)的松动故障识别方法。采用小波变换对电流信号进行多分辨率分析,提取电流能量熵作为松动故障的典型特征,作为PNN松动故障识别模型的输入向量。利用newpnn函数创建PNN模型,采用循环寻优法对该模型的扩展参数S进行优化。分析了训练样本数量以及高频电磁噪声对模型识别准确率的影响。测试结果表明,该方法能够有效识别矿用栓接电缆接头的电连接松动故障。     

基于信号分析技术和人工智能算法的电力线路故障定位研究

针对基于行波分析的故障定位方法存在的部署成本高,且在串补电路中精度不足的问题,提出一种基于信号处理技术和人工智能算法相结合的低成本故障定位方法。使用双曲S变换对故障电流进行时频转换以提取故障特征,使用能量谱分析技术对故障特征进行降维处理,并将所得到的故障特征输入反向传递人工神经网络（BP-ANN）模型,实现对电力线路故障距离的识别。仿真实验表明,在不同故障类型、不同过渡电阻的条件下,该方法均能够实现准确的故障定位。     

基于DSP的矿井低压电网快速断电安全技术的研究

低压电缆电气故障产生的电弧、电火花是造成煤矿瓦斯爆炸事故的主要点火源。为保证低压电缆在受到外部机械损伤造成电气故障时不至于释放出足以引燃引爆瓦斯的能量,本文提出了以IGBT为主元件的快速断电中性点固态断路器拓扑结构,并针对矿井低压系统的特点提出基于模式识别法的选择性超快速单相接地保护算法以及基于电流变化率的超快速短路保护算法,从软硬件两方面提高开关的断电速度,缩短电弧、电火花持续时间。实验表明,基于该拓扑结构的快速断电SSCB配合单相接地保护和短路保护,能够实现全断电时间不大于3ms的目标。     

基于SOPC技术的矿用电缆故障检测装置的设计

针对现有电缆故障检测仪器体积大、便携性差、不适合在矿山作业环境中使用的问题,采用时域反射技术和等效采样原理,结合SOPC技术,根据其具备的软硬件系统可编程的特点,设计并实现了一种电缆故障检测设备。试验结果表明,该设备不仅可对电缆短路、断路故障准确定位,同时还具有体积小、便携性高、成本低、易操作等特点。     

基于SVM增量学习算法的煤矿高压断路器故障模式识别方法

高压断路器故障模式的准确识别是矿井电网智能化发展过程中的重要支撑环节。针对高压断路器故障数据不易获取且故障样本较少的问题,提出了一种支持向量机与增量学习算法相结合的故障识别方法,确定了以断路器控制回路电流信号、电压信号以及分合闸振动信号为状态监测量,模拟了弹簧松动、铁芯卡涩、供电异常与线圈老化4种常见故障,提取了故障特征量并建立了故障数据样本与增量学习数据样本,采用支持向量机增量学习算法训练得到了故障识别模型,并利用新增数据样本对其进行了验证。结果表明:支持向量机增量学习算法可准确识别上述4种常见故障,并可以通过对新增样本的不断学习进一步提高识别精度。     

煤矿井下柔性直流输电系统短路故障识别研究

当前的煤矿井下柔性直流输电系统短路故障识别方法没有提取供电系统的电力信号特征,导致故障识别精度较低与故障识别性能较差。为了解决这一问题,提出煤矿井下柔性直流输电系统短路故障识别方法。首先,利用经验小波变换提取煤矿井下柔性直流输电系统短路故障特征量;其次,根据故障特征量提取结果构建电力相关矩阵,进而获取电力运行状态;最后,融合电力相关数据得出电力短路故障发生的概率,即为短路故障识别结果,实现煤矿井下柔性直流输电系统短路故障识别。实验结果表明,所提方法的故障识别精度高和故障识别性能好,可以在实际中进一步推广。     

基于ALNAFSA优化BP神经网络的行星齿轮箱故障诊断

以行星齿轮箱为研究对象,提出了一种新型故障诊断方法。介绍了一种改进的自适应局部邻域人工鱼群算法(ALNAFSA),用该算法优化BP神经网络,避免了BP出现局部极值。对行星齿轮箱进行了实验,提取出5种工况的样本熵并构成特征向量,将其输入到ALNAFSA-BP模型中进行分类识别。与BP神经网络模型进行比较,结果表明,ALNAFSA-BP神经网络故障诊断准确率显著提高,达到95%。     

内嵌式异步起动永磁同步电动机短路故障下失磁状况分析

以2.2 k W 380 V内嵌式永磁同步电动机为研究对象,利用有限元数值分析软件Ansoft建立电机的二维有限元全模型,结合Maxwell circuit搭建电机的外电路,用压控开关实现电机在运行过程中突然发生的绕组相短路和匝间短路故障;导入宏文件提取永磁体各点在不同短路状态下的最小磁密值,生成磁密云图;以永磁体各点在短路过程中出现的最小磁密值是否低于相应温度下退磁曲线的膝点磁密值为判断依据,分析得到电机在不同短路故障下永磁体的失磁情况,分析结果为永磁电机退磁故障研究提供理论基础。     

基于FTU的配电网故障快速定位的研究

针对目前配电网广泛采用故障定位方法存在实时性不够、精度欠缺的局限,提出了一种矩阵法和行波法相结合的故障快速定位的思路。该方法利用FTU采集的配电网故障电流数据和对故障行波传播时间的测量,结合矩阵法和行波法实现平均误差约0.358%的故障位置确定。仿真分析表明,该方法具有定位精确高、实时性好的特点,能够在故障初期实现对故障位置的准确判定。     

煤炭运输设备故障自动识别系统研究

为了提高煤炭运输设备故障自动识别系统的智能化程度,利用传感器感知信息技术,对煤炭运输设备故障自动识别系统进行研究。采用传感器建立信号采集数学模型,感知设备运行信息,并消除运行信息中的干扰信号;采用抗干扰能力强的排列熵空间重构信号,提取煤炭运输设备故障信号特征;将设备故障信号特征作为SVM特征空间上的训练数据集,计算最优分类函数划分设备故障信号特征类别,根据划分的信号特征类别,自动识别输送机设备故障,确定煤炭运输设备技术参数和故障信号。测试结果表明,此次研究的故障自动识别方法提取的故障信号排列熵特征值具有明显的区分度,故障平均识别精度高达96.86%。