本文是电力论文，本文主要工作有以下几点：（1）在理论上总结了矿用电力电缆故障发生的原因及分类情况，研究煤矿供电系统的组成与特点，根据这些特点利用PSCAD建立模型，分别对单相接地短路、两相短路、两相接地短路以及三相短路的电压和电流进行仿真操作，得到实时波形图，同时也验证了仿真的正确性。（2）研究矿用电力电缆的短路故障原理，根据煤矿供电系统的组成与特点，利用PSCAD建立仿真模型使其最大限度的与实际工况相符合，分别对单相接地短路、两相短路、两相接地短路以及三相短路的电压和电流进行仿真操作，得到短路电流和电压波形图。仿真得到的结果与理论值相似度较高，表明了该模型的可行性，为矿用电力电缆故障诊断提供了原始故障数据.目前，许多国内外学者将人工智能方法运用到电力电缆故障诊断中并取得了不错的效果，本文以此为基础，首先对矿用电力电缆故障特征进行分析，明确了其故障类型和故障成因；其次选择适当的故障信号处理方法对煤矿电力电缆线路故障信号进行特征提取；最后选择有效的智能算法建立故障诊断模型对矿用电力电缆故障类型进行诊断。这将在一定程度上保证煤矿电力系统运行的稳定性，也能为新兴的煤矿电力监控系统故障诊断方向提供新思路，并且在系统的故障检测方面能够实现为调度部门提供优质服务的目的，在保证煤矿工作人员的生命安全和煤矿安全生产方面也具有深远的意义。
......
1绪论
在早期，由于缺少可靠的故障诊断手段，往往采用人工的方法逐一排查故障线路，这种方法虽然具有一定的可靠性，但是停电时间长，停电区域大，增加运维成本，还会使一些敏感的电气设备工作异常，带来一定的经济损失。本文各章节安排如下：第一章：绪论。在大量查阅参考文献的基础上，对本课题的研究背景及研究的必要性进行阐述，并对矿用电力电缆故障诊断的国内外研究现状以及目前存在的主要问题进行分析，最后对本论文的主要内容和章节安排进行介绍。第二章：矿用电力电缆故障特征分析。首先对矿用电力电缆的故障分类和原因进行研究，确定了要研究的故障类型。针对煤矿供电系统的组成及特点，在考虑实际情况的前提下，在PSCAD中搭建仿真模型。以矿用电力电缆短路故障为研究对象，对不同短路故障下的电压和电流信号进行仿真和特征分析，并验证了仿真的正确性。第三章：矿用电力电缆故障特征提取。首先对小波分析的基本理论进行研究，然后利用小波包变换对矿用电力电缆故障信号进行分解与重构，最后对各频段重构系数结合信息熵理论计算每个频段的小波包能量熵值，构造出表征矿用电力电缆不同故障的特征向量。第四章：基于IPSO-BP的矿用电力电缆故障类型诊断。本章首先介绍了神经网络的基本理论，分析其局限性，并针对这些局限性总结了一些BP神经网络常用的优化方法。本文采用粒子群优化算法对BP神经网络的初始权值和阈值进行优化，并通过四个标准测试函数对粒子群算法进行了收敛性测试，验证了改进后粒子群算法的有效性。
.........
2矿用电力电缆故障特征分析
2.1矿用电力电缆故障原因及分类
对于煤矿电力系统故障来说，电力电缆线路故障占多数，据统计短路故障在所有电缆故障中所占比重最大，大约为80%。电力电缆一相与另一相连接或者其中一相与大地相连的状态称为短路故障，主要包括：单相接地短路、两相接地短路、两相相间短路、三相短路故障。因此研究矿用电力电缆短路故障诊断是十分必要的。煤矿10kV供电网络一般都采用三芯电缆，即由A相、B相、C相三相线路组成。除了三相短路故障属于对称性短路故障外，其余都是不对称短路故障。根据运行经验，总结得出了各种短路故障发生的概率，其中单相接地短路故障发生的机率最大，占总的65%左右；三相短路故障发生的机率最小，占5%左右，但是其危害最大[27]。常见的短路故障类型如表2-2所示。在不考虑混合性故障发生的情况下，可能会出现10种故障类型：A_G、B_G、C_G分别为A相、B相和C相接地故障；AB、AC、BC分别代表AB两相、AC两相和BC两相相间短路故障最后建立IPSO-BP模型实现对矿用电力电缆故障诊断。第五章：矿用电力电缆故障诊断仿真实验。本章首先对矿用电力电缆仿真环境进行设置，包括模型的搭建、故障数据模拟、实验步骤等。然后按照实验步骤对矿用电力电缆进行故障特征提取和故障诊断。最后通过对诊断结果分析得出，改进的粒子群优化BP神经网络后在算法稳定性、正确率和快速性上都有优势。对本文的主要内容进行总结，分析了本文的不足之处，对需要进一步研究的内容进行展望。
2.2矿用电力电缆短路故障分析
目前关于电力系统常用的故障仿真软件主要有PSCAD/EMTDC、MATLAB、ATP-EMTP等。PSCAD不仅在时域分析求解过程中能得到非常精确的结果，而且拥有非常丰富的元件库，满足大部分用户的需求，在仿真的过程中也可以根据实际需求改变实验参数，能够直观地看到各种测量的曲线图，从而达到理想的实验效果。像其它仿真工具一样，PSCAD还允许用户以自定义的方式重新定义一个模块，极大地提高了仿真程序的实用性。PSCAD模型库中有三种电缆的等效模型可供选择，分别是：π型等值电路、Bergeron模型和频率相关模型。除此之外，PSCAD软件针对电缆线路还专门提供了故障模块和时控故障逻辑模块[32-35]，为矿用电力电缆故障诊断提供了有利的条件。因此，本文选择PSCAD软件作为矿用电力电缆故障仿真的主要仿真平台。整个仿真过程大致如下，首先新建一个项目文件，用户可以在PSCAD图形界面上通过调用模型库中电气元件进行模型的搭建，根据实际情况对每个电气元件进行参数设置，在需要观测变量处添加电表和输出观测点，以便于进行仿真结果的查看和分析。然后根据实际需求设置故障类型、仿真步长、仿真时长等参数，通过Fortran编译器编译程序，编译无误后即可进行实验仿真，通过示波器可以观察到电力系统参数随时间变化的规律。
矿用电力电缆故障分类图
3矿用电力电缆故障特征提取...........................................................................................21
3.1小波分析基本理论....................................................................................................21
3.2矿用电力电缆故障信号的小波包变换....................................................................24
3.3矿用电力电缆故障信号特征提取............................................................................29
3.4本章小结....................................................................................................................31
4基于IPSO-BP的矿用电力电缆故障类型诊断...............................................................32
4.1BP神经网络...............................................................................................................32
4.2粒子群算法优化BP神经网络.................................................................................41
4.3矿用电力电缆故障类型诊断....................................................................................51
5矿用电力电缆故障诊断仿真实验...................................................................................55
5.1仿真环境设置............................................................................................................55
5.2矿用电力电缆故障特征向量构造............................................................................57
........
5矿用电力电缆故障诊断仿真实验
5.1仿真环境设置
本次实验的目的是为了检验基于IPSO-BP神经网络的矿用电力电缆故障诊断的效果，为该诊断方法提供实验依据。本文的仿真模型使用PSCAD软件搭建，将故障数据以*.out文件的形式导出，然后在MatlabR2016b中进行算法验证。在研究矿用电力电缆故障诊断时，不可能在短时间内搜集到实际情况中矿用电力电缆的原始故障数据，并且煤矿电力电缆线路发生严重的短路故障时极易对电气设备造成永久性的损伤，甚至会引发爆炸等危险事故，所以本文采用故障模拟的方式去构建故障数据库。而PSCAD软件是一款电磁暂态仿真软件，在电力系统仿真领域取得了不错的效果，它利用各种元件构建成仿真系统，可以通过故障设置模块对各种故障进行设置。本文采用这种方法对矿用电力电缆线路的短路故障进行模拟仿真，从而构造出单相接地短路故障、两相相间短路故障、两相接地短路故障和三相短路故障这四种故障。具体的故障类型设置如图5.1所示。并且通过第二章理论分析，研究了矿用电力电缆产生故障时的特征，在PSCAD软件中进行模型的搭建，验证了模型搭建的正确性。当前，我国煤矿正在大力推广数字化矿山和矿井综合自动化系统建设，根据国家《智慧矿山信息系统通用技术规范》中的要求，煤矿电力系统应合理的选用新技术，来满足故障诊断等方面的性能需求[9-11]，因此需要对矿用电力电缆运行过程中出现的故障进行研究。
短路故障类型示意图
5.2矿用电力电缆故障特征向量构造
为了确保神经网络的分类精度，在构造样本集时也应全面衡量其利弊。本文遵循以下几个原则来构造矿用电力电缆故障诊断所需的样本集。（1）保证实验样本数据的正确性。实际仿真过程中，系统从仿真开始到稳定运行有一个过程，大概需要0.05s的时间。如果我们在这个过程中采集信号，会导致我们采集到错误的数据样本，而错误的数据样本则会导致故障诊断的精度降低。为了排除在这个过程中实验数据对实验的影响，本文在系统稳定运行后设置故障点进行实验，只保留在系统稳定运行后的实验数据，这样就大大减少了仿真实验启动过程对实验数据的影响。（2）保证样本类型的多样性。样本多样性指的是：样本所包含的的故障类型要全面。因为样本种类过少会影响神经网络的故障识别能力，所以要尽可能多的包含矿用电力电缆线路的各种故障类型。本文针对矿用电力电缆线路的短路故障，如单相接地短路故障、相间短路故障、两相接地短路故障、三相短路故障这几种故障类型以及正常状态信号的采集。（3）保证合适的样本数量大小。根据前人研究表明，神经网络的分类精度与样本数据量的大小有很大的关系，足够的样本数据量会在一定程度上提高分类精度。但是过多的数据量会导致神经网络的学习与训练速度不尽人意；而过少的数据量会导致网络训练不够充分从而降低神经网络的分类精度，进而会错误判断矿用电力电缆线路故障类型。本文实验的采样频率是2kHz，在每种故障类型下设置不同的故障相、不同的故障距离，总共选取了800组数据样本，其中80%用作训练样本，20%用作测试样本。部分训练样本集如表5.3所示。
.......
6总结与展望
对矿用电力电缆进行故障诊断研究是为了保证煤矿井下作业的安全性和供电的可靠性。（3）确定了基于小波包能量熵的矿用电力电缆故障特征向量的构造方法，构建了表征故障特征的参数向量，可以有效地处理矿用电力电缆的时变非平稳信号。通过对比发现，矿用电力电缆在不同故障状态下提取出来的特征熵值的大小和分布是不同的，从而说明用小波包能量熵提取的特征向量去表征矿用电力电缆的短路故障类型是可行的。（4）深入学习了BP神经网络相关理论基础知识，总结了单一BP神经网络的局限性，并将群智能优化算法中的粒子群算法与BP神经网络相结合克服了这一弊端。同时，采用随机惯性权重和异步调整学习因子的策略对粒子群优化算法的参数进行优化。最后选用四个测试函数测试IPSO算法的收敛性。通过对比实验得出结论：IPSO算法相比于标准粒子群算法在收敛速度上有一定的提高，在精度上也得到了改善。（5）把IPSO算法应用到BP神经网络权值和阈值的优化上，并以优化过的BP神经网络为基础建立矿用电力电缆故障诊断模型。通过矿用电力电缆故障诊断仿真实验，表明基于IPSO-BP的故障诊断模型提高了算法的稳定性、正确率和快速性，验证了IPSO-BP算法用于矿用电力电缆故障类型判别时可行的，并且其综合性能有所提高。
参考文献（略）
