煤矿井下柔性直流输电系统短路故障识别研究

徐 磊，周昊程，卢逢婷

(江苏电力信息技术有限公司，江苏 南京 210024)

由于煤矿作业在地下进行[1-2]，在作业过程中必须有电力的支持，而供电安全[3-4]是整个煤矿井下工作的重要保障，煤矿供电与电力公司的常规供电有所不同，煤矿供电的电网分支数量过多，且各支路的线缆较短，而地下的恶劣环境会加速电缆的破坏，从而导致供电系统出现短路或漏电的情况，电力故障不仅影响煤矿的正常作业，也会导致井下排水以及通风系统异常，容易出现水灾以及瓦斯泄漏等事件，严重威胁工作人员的安全。煤矿井下多使用柔性直流输电系统，这种系统的关键元件是电压源换流器，在此基础上引入PWM技术[5-6]生成一种全新的直流输电系统，这种系统具有电压稳定以及电流快速控制的优点，是目前煤矿井下最常用的电力系统，而在柔性直流输电系统的保护下也不可避免地出现电力系统故障，因此还需要对该系统的故障进行识别。

一部分研究人员首先基于直流电故障的物理模型对电流特征量进行分析，进而完成相关数据的预处理，并得出单间隔相电流的特征量，以此加强电力故障识别的准确性，利用神经网络实现柔性直流输电系统短路故障识别[7]。还有一部分研究人员通过分析煤矿井下发生故障时出现的电压自由振荡分量频率变化的关键原因以及相位特征，从而得出电力波动的原因。利用傅氏算法计算得出故障与实际电力之间的差异，并在电压相量下通过极化电压得出发生故障时的相位，实现柔性直流输电系统短路故障识别[8]。

以上2种方法没有提取供电系统中的信号特征，导致在实际运算量巨大，进而降低计算精度，加大故障识别误差，存在故障识别精度低和故障识别性能差的问题。为了解决上述方法中存在的问题，提出一种新的煤矿井下柔性直流输电系统短路故障识别研究方法。

1 故障特征量提取

煤矿井下柔性直流输电发生故障会对井下工作人员的人身安全造成严重威胁[9-10]，为了确保煤矿井下的供电系统安全，需要对煤矿的电力系统进行实时监控[11]以及故障信号识别[12]，为加强故障识别效率可首先对电力信号故障特征量进行提取。此次研究采用经验小波变换(EWT)[13-14]。这种方法能够将信号频谱进行自适应分类，从而将暂态信号分解为多个模态分量，以此提升故障特征量提取精度与效率。

对电力信号频谱进行自适应分类处理，以此确定M个区间。将0跟π剔除，那么就还存在M-1个边界。定义ωn代表的是相应边界，同时相应的频带用Λn表示。将处于相邻状态的极大值其中存在的最小值当作边界，同时根据大小情况完成排列，如果极大值的数量是N，那么当M小于N时，需要将前M-1个极大值留下来，但是当M大于N的情况下，需要将所有的极大值都进行保存，同时还需要选择最后一个数值之后的N-M个数进行补齐，以此完成暂态信号分解。

根据EWT分解结果，电流信号i(t)被分解为k个EMF分量ci(t)，i=1，2，3，…，k以及1个残余分量ck+1(t)[15-16]。为了确保电流信号的能量分布状况能清楚表现，利用能量权重跟熵的原理。能量权重是各分量的能量跟电流信号能量之间的比值λi，具体计算公式如下：

(1)

式中，H为数据窗长度。

能量熵J计算公式如下所示。

(2)

在能量熵基础原理的指导下，提出在识别故障电流能量熵的基础上，提取分析直流故障电压信号，引入直流正负极电压系数进行故障极识别。正负极电压系数计算公式如式(3)和式(4)所示：

(3)

(4)

式中，K1、K2分别为正、负极直流电压系数；UP为正极直流电压采样值；N1为正极电压采样点数；UN为负极直流电压采样值；N2为负极电压采样点数。

经过上述分析，通过本算法对电力信号进行一系列的分解，最终获得能量熵[17-18]，并将计算得到的能量熵当作特征矢量构成的一部分，在分析故障线路电流的同时，通过提取和分析直流电压值，实现故障特征量提取。

2 输电系统短路故障识别

对煤矿井下供电系统的故障识别就是对系统供电故障进行诊断[19]，可将电力故障识别分为以下3步。①根据故障特征量构建断路器以及线路保护的拓扑关联矩阵。②根据断路器的实际状态以及历史电力状态得出线路运行情况。③将都有关联矩阵的数据进行融合，其结果就是短路故障的最终概率，即完成电力短路故障识别。

假设煤矿井下柔性直流输电系统的网络阶数为5×7，其网络拓扑关联矩阵为S，进而生成断路器的拓扑关联矩阵，其表达式为：

(5)

其中母线以及线路保护拓扑关联矩阵表达式分别为：

(6)

将所有关联矩阵中的电力故障数据进行融合，融合的结果即为柔性直流输电系统短路故障的识别结果。在实际融合过程中可添加AHP权重分析法加强识别性能，降低误报或漏报的概率，极大程度提高短路故障的识别能力和准确性。

将母线和线路中的信息进行融合[20]后得出的元件发生故障的概率分别为：

(7)

根据式(7)即可得出故障发生的概率，进而完成煤矿井下柔性直流输电系统短路故障识别。

3 实验结果与分析

为了验证煤矿井下柔性直流输电系统短路故障识别研究方法的整体有效性，进行了实验测试，如图1所示。

图1 现场调查Fig.1 Field investigation

3.1 故障识别精度

在对煤矿井下柔性直流输电系统的各个元件进行短路故障识别时必须要保证识别的精度，在识别过程中，当元件发生故障其故障变量会发生变化，其中故障变量允许波动范围为0～0.14。

对煤矿井下供电系统故障元件进行识别，首先得出其真实的故障变量，并与本文方法得出的故障变量进行对比，得出与真实结果最接近的即为最优故障识别方法，实验结果如图2—图3所示。

图2 供电系统实际故障情况Fig.2 Actual failure of the power supply system

图3 供电系统在所提方法下的故障识别情况Fig.3 Failure identification of power supply system under the proposed method

根据实验结果可知，所提方法和实际故障的变量以及发生时间均一致，验证了所提方法是最优短路故障识别方法。这是因为所提方法在对短路故障识别前提取供电系统信号的特征，以此降低识别的计算量，从而加强识别精度。

3.2 故障识别性能

对电力系统的短路故障识别实际上是针对可能发生故障的元件的一种概率计算，发生故障概率的结果直接决定故障识别的性能，为进一步验证所提方法的有效性，随机选取5组带有短路故障的电力系统，利用本文方法计算故障发生的概率，并与实际值进行对比，其结果如图4所示。

图4 故障发生概率对比Fig.4 Failure probability comparison

将实验结果进行对比后发现，所提方法得出的结果与实际值基本保持一致，从而验证出所提方法的可信度最高，识别性能最强。

4 结语

由于煤矿作业中供电系统是不可或缺的一项，为了加强煤矿作业的安全，提出煤矿井下柔性直流输电系统短路故障识别方法，该方法首先对供电系统电力信号故障特征量进行提取，其次根据特征对电力的故障进行识别，实现煤矿井下柔性直流输电系统短路故障识别，解决了故障识别精度低和故障识别性能差的问题，进而保证煤矿井下作业安全。