基于小波包和CS-BP神经网络的矿用电力电缆故障诊断

郭秀才 刘冰冰 王力立

1(西安科技大学电气与控制工程学院 陕西 西安 710054) 2(西安科技大学通信与信息工程学院 陕西 西安 710054)

0 引 言

我国煤矿开采一般都存在用电负荷大、工作环境潮湿、井下存在瓦斯和煤尘等特点，电力电缆一旦发生故障将影响供电系统的稳定性、安全性，严重时可能会发生瓦斯爆炸等重大安全事故。我国煤矿井下供电系统普遍采用小电流接地系统，而实际情况表明，当系统发生单相故障后，三相线电压仍然保持对称，不会影响供电，可带故障持续运行两小时，但是当接地电流超过上限值时，非常容易产生间歇性电弧从而产生弧光过电压进而引起其他故障(如相间短路等)，使继电保护器动作导致大范围停电影响煤矿的正常生产工作。目前电缆故障诊断采用的方法有离线法和在线监测法，由于离线法需在停电的情况下监测，所以不适用煤矿电力电缆的故障诊断[2]。

国内外许多学者利用在线监测法，提取电缆故障暂态行波信号作为故障诊断的依据[3-7]。文献[8]提取故障零序电流信号，结合信息熵和小波包分解实现故障诊断。文献[9]提取电缆故障电压信号，利用小波分析和神经网络来实现电缆不同故障的诊断。运用BP神经网络进行故障诊断，存在速度慢、易陷入局部最优的缺点。任志玲等[10]将电缆故障暂态电压的小波包能量熵作为特征向量结合PSO-BP神经网络算法对矿下电缆进行故障诊断。粒子群算法优化BP神经网络(PSO-BP)不仅结构简单而且精度比较高，但是也会面临陷入局部最优的缺点；……