基于小波包和CS-BP神经网络的矿用电力电缆故障诊断

针对矿用电力电缆故障类型诊断实时性和准确性不足等问题,提出一种基于小波包信息熵和布谷鸟搜索优化BP神经网络的方法对矿用电力电缆进行故障诊断。通过PSCAD对电缆故障进行仿真,将故障电压信号进行三层小波包分解和重构,再提取小波包信息熵构造特征向量。训练CS-BP神经网络使其输入特征向量后能够有效检测并输出电力电缆的故障类型,以实现对电力电缆的故障诊断。实验结果表明,该方法可以有效地诊断电力电缆的故障类型,并且优于同参数下的BP神经网络和PSO-BP神经网络模型。

基于SWT-TEO的矿用电力电缆故障定位方法

当同步挤压小波变换(SWT)寻找模极大值法应用在矿井电力系统线路故障点定位时可能存在伪极值,导致定位可靠性差、精度低。提出了一种基于SWT和Teager能量算子(TEO)相结合的矿用电力电缆故障定位的方法。首先对故障行波信号进行SWT变换,获取SWT处理后的高频分量,然后计算其TEO瞬时能量谱,将TEO瞬时能量谱峰值所对应的时刻代入不受波速影响的双端行波测距算法中,以获取故障点的位置。MATLAB仿真结果验证了该方法的可靠性。

VMD和小波阈值重构的电力电缆局部放电信号去噪法

矿用电力电缆的绝缘在劣化初期会产生局部放电信号,因此通过测量局放信号能够判断电缆的绝缘状态。然而由于局放信号微弱,受干扰信号影响严重,导致其提取难度大,从而降低了根据局放量判断设备绝缘劣化的准确性。提出以一种基于变分模态分解和小波阈值重构的矿用电力电缆局部放电信号去噪方法,将局放信号从干扰中提取。利用变分模态分解法首先将含噪的局放信号分为多个本征模态分量,其次采用小波阈值法对每个本征模态分量进行处理,最后将处理后的信号进行重构,得到去噪后的局放信号。对实验室6 kV电力电缆施加2.5 kV直流电压获得的局放电压信号进行去噪处理,与已有的去噪方法对比去噪效果。经对比分析,该方法的去噪效果优于现有的其他方法,尤其是对于信噪比极低的信号,采用该方法后,重构信号的信噪比、相关系数、均方根误差、噪声抑制比均得到了显著提升。

基于附加直流电源矿用电缆绝缘监视保护的研究

依据目前我国煤矿使用的电力电缆的结构形式,分析了煤矿电力电缆绝缘监视的原理,采用附加直流电源的方法,实现煤矿电缆绝缘监视保护。

加长型热缩电缆接头制作工艺

介绍井下矿用电力电缆发生故障时,如何使用加长型热缩电缆接头,对其制作工艺的可行性进行讨论,并论述了实际的制作工艺和注意事项。