李飛飛

（山西潞安集團蒲縣伊田煤業(yè)有限公司， 山西 臨汾 041000）

引言

隨著我國經(jīng)濟的高質量發(fā)展，國內各行各業(yè)對于電力能源的需求日益增大，傳統(tǒng)的煤炭化石能源仍然是發(fā)電的主要原料，因此，煤礦需求量仍然很大。煤礦開采首先要建立龐大的煤礦供電系統(tǒng)，為煤礦井下采掘設備、巷道開鑿設備以及巷道的照明燈等提供電能。煤礦井下的電網(wǎng)系統(tǒng)非常復雜，煤礦供電系統(tǒng)一般采用分層結構，線路連接繁瑣、交錯，為了確保煤礦井下電路系統(tǒng)的安全，有多種接地方式，給煤礦井下供電系統(tǒng)的維護和故障檢修帶來困難。此外，煤礦井下環(huán)境比較惡劣，時常伴隨著瓦斯、一氧化碳和二氧化碳等有毒有害氣體。當供電系統(tǒng)出現(xiàn)故障不能得到及時的診斷檢修時，非常容易引起煤礦爆炸，造成人員傷亡[1-2]。為此，本文通過對煤礦井下供電系統(tǒng)故障診斷技術進行分析，比較各種故障診斷分析的優(yōu)缺點，提出了基于神經(jīng)網(wǎng)絡的煤礦供電系統(tǒng)故障診斷技術，可以有效提高煤礦供電系統(tǒng)故障診斷效率，提高煤礦井下故障識別精度，確保煤礦開采安全、高效。

1 煤礦供電系統(tǒng)故障診斷技術分析

煤礦井下供電系統(tǒng)故障類型主要有電源供電系統(tǒng)故障、電路傳輸系統(tǒng)故障和設備接線故障等。受環(huán)境因素影響引起的故障比較多，主要是由于煤礦井下環(huán)境與地面環(huán)境不同，不同采煤區(qū)空氣中的濕度不同，對于線路的連接以及絕緣要求比較高。另外，煤礦井下設備比較多，大功率耗電設備如采煤機、掘進機、帶式輸送機等機械設備的使用，加大了供電系統(tǒng)負載，并在電路系統(tǒng)中產(chǎn)生一定的電流諧波。諧波電流是由于非線性元件和負載所引起，也是目前煤礦供電系統(tǒng)常見的一種故障表現(xiàn)形式，諧波電流會對煤礦供電系統(tǒng)的安全造成很大的影響，如果不能及時發(fā)現(xiàn)故障點，會影響到其他設備，如設備過熱、設備供電不足等問題。因此，在煤礦供電系統(tǒng)故障診斷技術中，要能夠識別電路系統(tǒng)中各項參數(shù)的變化，對電路系統(tǒng)進行實時監(jiān)控和預警。

目前，國內的煤礦供電系統(tǒng)故障診斷方法主要有：模糊故障診斷方法和專家系統(tǒng)故障診斷方法[3-5]。

1）模糊故障診斷方法，如圖1 所示。由于煤礦供電系統(tǒng)比較復雜，故障類型比較多，供電系統(tǒng)故障表現(xiàn)出的參數(shù)以及環(huán)境變化有所不同，需要建立故障和結果一一對應關系，否則將會導致結果的誤判。所以采用模糊理論進行故障診斷需要保證對每一個故障的外部表現(xiàn)形式和所有設備的參數(shù)信息建立聯(lián)系，結構比較復雜，搭建模糊控制網(wǎng)絡最終得到的結果誤差比較大。

圖1 模糊故障診斷方法

2）專家系統(tǒng)故障診斷方法，如下頁圖2 所示。專家系統(tǒng)對電網(wǎng)進行故障分析時，要通過繼電器保護開關的動作進行實時監(jiān)測數(shù)據(jù)。專家診斷系統(tǒng)主要包括人機交互界面、推理機、解釋器以及數(shù)據(jù)獲取等部分，由于煤礦電網(wǎng)系統(tǒng)比較復雜，構建龐大的知識庫比較困難，而且故障表現(xiàn)與設備問題對應關系不太好掌握，采用專家?guī)爝M行故障診斷需要耗費的成本比較高。

圖2 專家系統(tǒng)故障診斷方法

通過以上對國內現(xiàn)有的煤礦供電系統(tǒng)故障診斷方法進行分析，以上方法并不能很好地對煤礦供電系統(tǒng)故障進行診斷。隨著人工智能技術的不斷發(fā)展，并廣泛應用于各行各業(yè)，通過利用人工神經(jīng)網(wǎng)絡算法，可以實現(xiàn)對煤礦供電系統(tǒng)故障進行高精度檢測，成本相對比較低，診斷故障的能力更強。

2 基于神經(jīng)網(wǎng)絡的煤礦供電系統(tǒng)故障診斷技術

神經(jīng)網(wǎng)絡是人工智能技術的代名詞，能夠通過模仿人類大腦神經(jīng)系統(tǒng)的結構和功能，對某些輸入信號進行分析和判斷。人工神經(jīng)網(wǎng)絡的基本處理單元包括輸入單元、輸出單元和隱藏單元等三種類型，輸入單元實現(xiàn)外部信號和數(shù)據(jù)的輸入，輸出單元是將系統(tǒng)處理后的結果對外輸出[6]。在煤礦供電系統(tǒng)中，人工神經(jīng)網(wǎng)絡是將電網(wǎng)系統(tǒng)中表現(xiàn)出的故障信息，通過人工神經(jīng)網(wǎng)絡對輸入的大量樣本數(shù)據(jù)進行對比分析，從而判斷采集到的故障信號的主要原因，并且對所有的原因進行概率化，從中找出最可能的故障類型。采用人工神經(jīng)網(wǎng)絡可以避免人工重復進行判斷，最大程度節(jié)省處理故障的時間?；谏窠?jīng)網(wǎng)絡的煤礦供電系統(tǒng)故障診斷原理圖，如圖3 所示。

通過搭建故障樹模型，并且對FTA 進行定性和定量分析，從中提取出故障診斷規(guī)則，構建出模糊神經(jīng)網(wǎng)絡模型的初步模型，并且對模型進行不斷訓練，通過對模型進行優(yōu)化設計，使模型更加符合實際情況。當有外部信號源輸入時，可利用模型進行判斷和處理，并輸出診斷系統(tǒng)確定的最終結果。

3 故障診斷系統(tǒng)抗干擾性能分析

利用神經(jīng)網(wǎng)絡算法實現(xiàn)煤礦供電系統(tǒng)故障診斷，通過搭建神經(jīng)網(wǎng)絡故障診斷模型，將外部實測數(shù)據(jù)輸入模型進行分析。在實際進行故障診斷過程中，往往會出現(xiàn)很多的外部干擾，比如在煤礦供電系統(tǒng)中，電路系統(tǒng)的諧振信號、某臺設備的電壓波動以及電路系統(tǒng)中突然的頻率降低等都會對故障診斷產(chǎn)生一定的干擾。因此，采用特定的流程和過程，去除電路系統(tǒng)中的干擾信號，保證故障診斷的抗干擾能力，才能夠有效確保煤礦供電系統(tǒng)故障診斷的精度和準確度。

為此，本文提出了一種分層過濾的信號處理思想，將獲取到的信號進行分層次初步過濾，第一層去除周期窄帶干擾信號，第二層去除抑制白噪聲，第三層去除脈動干擾，將連續(xù)性的和周期性比較高的干擾進行濾波，盡可能多地采集電路系統(tǒng)中脈沖信號。分層過濾抗干擾模型原理圖，如圖4 所示。

圖4 分層抗干擾模型原理圖

通過對搭建好的神經(jīng)網(wǎng)絡煤礦供電系統(tǒng)故障診斷系統(tǒng)進行信號的初步過濾，可以準確提取到輸入信號中的故障源信息，有利于神經(jīng)網(wǎng)絡模型的準確判斷和分析，提高故障診斷的精度和故障診斷模型的抗干擾性能。

4 結語

目前煤礦供電系統(tǒng)結構比較復雜，驅動設備較多，加上長期處于多塵、潮濕的環(huán)境中，煤礦供電系統(tǒng)故障診斷相對比較困難。國內現(xiàn)有的供電系統(tǒng)故障診斷不適合煤礦井下復雜的環(huán)境，為此提出一種在人工智能背景下，基于神經(jīng)網(wǎng)絡的煤礦供電系統(tǒng)故障診斷技術，利用神經(jīng)網(wǎng)絡構建起來的故障診斷模型，可以實現(xiàn)對煤礦供電系統(tǒng)故障的準確識別，有效降低了故障診斷成本。