基于多尺度量子熵算法的煤矿供电线路故障辨识

针对煤矿电力系统中供电线路故障频繁、短路危害大、故障辨识不高等问题,提出一种基于故障暂态电压信号的多尺度量子熵(MQE)并结合递归神经网络的故障识别方法。首先提取发生故障线路中的各相电压故障分量的MQE值,将MQE值分成训练集和测试集,训练集的故障特征量MQE输入到深度学习中的递归神经网络模型中进行训练,利用测试集数据对模型进行验证,并通过实际线路故障验证所提出的方法,识别具体线路的短路故障类型。结果表明,所提算法可以准确地识别出供电线路发生的故障类型,可实际应用于煤矿的线路故障辨识;与其他线路故障模型相比,在测试样本足够多情况下,所提的算法准确率可近似达到100%,辨识效果具有优越性。