基于anfis的煤矿工作面杂散电流安全预警研究.pdf

声明声明下面论文由免费论文教育网 http//www.PaperE 用 户转载自互联网，版权归原作者所有，本文档仅供参考，严禁抄袭 免费免费论文论文教育教育网网 - 1 - 中国中国科技论文在线科技论文在线 基于ANFIS的煤矿工作面杂散电流安全预警 研究 唐杰杰* 作者简介唐杰杰（1985-），女，硕士，电力系统无功补偿. E-mail youexist （江苏徐州中国矿业大学信电学院，江苏 徐州 221008） 摘要通过对煤矿直流电机车运输系统进行分析，确定接触线泄漏电流、绝缘夹板电阻、工 作面与牵引变流所之间的距离、 接触线末端杂散电压等四个参数作为工作面杂散电流安全预 警的特征指标。在此基础上，构造了以 ANFIS 为核心的煤矿工作面杂散电流危险性等级的 安全预警模型，选取现场实测数据样本进行了安全预警模型的训练及预警，结果表明，该模 型能够完成工作面杂散电流的安全预警。文章还介绍了杂散电流监测及预警系统。 关键词电力系统；煤矿；杂散电流；安全预警；ANFIS 中图分类号T Research on Workface Stray Current Safety prediction Based on ANFIS TANG Jiejie School of ination and electrical engineering, CUMT, Jiangsu Xuzhou 221008 Abstract In this paper, by analyzing the carrying system of DC locomotive in coal mining, the thesis confirmed the four parameters as follows to be the characteristic inds of workface stray current safe early warning the leakage current of contacting line, resistance of insulating splint, the distance between workface and subtraction substation and the stray voltage of contacting line. After that, the thesis built safe prediction model of coal mining workface stray current danger grade with ANFIS as its core, choosing field measured data to do the training and prediction of safe prediction model. The results indicate that the model can be able to complete safeprediction of workface stray current. The thesis also introduced monitoring andprediction system of stray current. Key words Power system; coal mining; stray current; early warning; ANFIS 0 引言引言 煤矿直流牵引供电系统采用钢轨作为回流线， 由于绝缘水平一定， 总有一部分电流泄漏 进入大地或工作面，形成杂散电流。进入工作面的杂散电流可引起电雷管爆炸、瓦斯爆炸、 煤仓着火、人身触电、继电保护误动等危害。随着煤矿调度管理自动化水平的日益提高，迫 切需要提前预知工作面杂散电流水平并对其危险性进行判别， 在一定的时间安全预度范围内 给工作人员以警示，以便及时采取有效措施，将杂散电流危害控制在一定范围之内[1]。 一方面，影响工作面杂散电流水平的因素很多，对所有参数都进行可靠测量难以实现。 另一方面，工作面相关参数的测量会影响生产。因此，需要采取可行的方法对工作面杂散电 流进行安全预警。笔者建立了基于 ANFIS（自适应神经网络模糊推理系统，Adaptive Network-based Fuzzy Inference System，简称 ANFIS）的工作面杂散电流安全预警模型，根 据杂散电流的分布规律确定了影响工作面杂散电流水平的特征指标， 选取现场实测数据样本 进行了安全预警模型的训练及预警， 并开发了的杂散电流监测及预警系统。 上述工作使得煤 矿杂散电流的防治水平得到进一步提高。 - 2 - 中国中国科技论文在线科技论文在线 1 工作面杂散电流安全预警的特征指标工作面杂散电流安全预警的特征指标 煤矿直流牵引供电系统如图 1 所示。牵引变流所通过馈电线、接触线向电机车供电，机 车负荷电流经钢轨、回流线返回牵引变流所。由于绝缘水平一定，一部分电流（记为 IS）泄 漏进入巷道底板，经过管线返回牵引变流所；一部分电流（记为 IZ）经过绝缘夹板、管线等 介质进入工作面；还有一部分电流（记为 IX）经过接触线绝缘子、工作面金属假顶等介质进 入工作面。IS、IZ、IX即为杂散电流。进入工作面的那一部分杂散电流（IZ、IX）对安全生产 造成了严重的威胁[2]。 图1 井下直流电机车运输系统示意图 Fig.1 sketch diagram of underground DC locomotive carrying system 1牵引变流所；2馈电线；3接触线；4钢轨；5回流线；6电机车； 7管线；8绝缘夹板；9金属假顶；10采区煤仓；11接触线绝缘子 为了分析工作面杂散电流， 我们假设机车位于架线末端位置， 轨道纵向电阻沿线均匀分 布，轨道对地过渡电阻在轨道和管线间均匀分布，在忽略系统向外的泄漏电流的情况下，得 出系统的电阻分布网络如图 2 所示 （a） （b） 图 2 井下直流电机车运输系统钢轨对巷道底板的电阻分布网络 Fig.2 resistance distribution network of steel rail to haulage bottom of for underground DC locomotive carrying system I机车电流；Rr轨道纵向电阻；Rg轨地过渡电阻；L供电区间长度； M工作面与接触线末端之间距离；Rj管线电阻；Rjy绝缘夹板电阻 从图 2 所示的电阻分布网络可以看出[1]，牵引供电电压 V、轨道电阻率 Rr、轨地过渡电 阻值 Rg、绝缘夹板电阻值 Rjy、管线电阻率 Rj、供电区间长度 L、工作面与牵引变流所之 间的距离 M 等因素共同决定了工作面 M 位置杂散电流的大小。 对图 2 网络的所有节点建立 电流平衡方程，作进一步分析表明，工作面杂散电流随着工作面与架线末端之间距离 M 的 增大而线形减小[3]（曲线略）。该电流随着绝缘夹板电阻值的增大而递减，如图 3 所示。 - 3 - 中国中国科技论文在线科技论文在线 020406080100 0 0.5 1 1.5 2 2.5 绝缘夹板电阻值 工作面杂散电流 绝缘夹板电阻值 工作面杂散电流 图 3 绝缘夹板电阻值与工作面杂散电流关系曲线 Fig.3 Relationship curve between resistor value of insulating splint and stray current of workface 从图 2（b）可以看出，架线末端 L 处轨地电压对工作面电阻分布网络来说相当于电源， 该电压变化会引起工作面杂散电流大小的波动。进一步分析还表明，架线末端 L 处轨道对 地电压随供电区间长度 L、运输巷道和工作面内部轨道电阻率 Rr、轨地过渡电阻值 Rg、管 线电阻率 Rj 增加而相应变化。由于上述三个参数测量方法较为复杂，因此，通过测量轨道 对地电压来掌握上述三个参数的变化也是有效的方法。 进一步分析还表明，由泄漏电流 Ix 在工作面产生的杂散电流与 Ix 成比例关系，而该参 数可通过测量接触线绝缘子的泄漏电流获取。因此，综合来看，接触线泄漏电流值、绝缘夹 板电阻值、 工作面与牵引变流所之间的距离以及接触线末端杂散电压是所有工作面杂散电流 特征指标中容易被检测和处理的参量，也是效果非常明显的特征指标[4]。 2 基于基于 ANFIS 的工作面杂散电流安全预警系统的工作面杂散电流安全预警系统 2.1 系统结构系统结构 由于煤矿井下环境复杂， 比如巷道潮湿会造成轨道对地过渡电阻分布不均匀， 轨道接缝 过大会造成杂散电流增大， 因此， 建立工作面杂散电流与各个参数之间的解析关系并非易事。 ANFIS[2,3,4]可以用来构建基于人脑知识和输入输出数据对的映射，因此，可以用来学习当 前时刻各个参数和下一时刻工作面杂散电流之间的复杂映射关系， 从而实现工作面杂散电流 的安全预警。采用多输入－单输出 ANFIS 进行杂散电流安全预警，输入为接触线泄漏电流 值、绝缘夹板电阻值、工作面与牵引变流所之间的距离、接触线末端杂散电压等 4 个特征指 标构成的特征向量，输出为预警结果。考虑到杂散电流安全预警的实际情况，对 ANFIS 输 出结果进行模糊决策，以便对 ANFIS 评价结果进行进一步处理，使之接近于期望输出，便 于观察评价结果。具体计算公式为[5] 10 10 z J z ≥⎧ ⎨− ⎩ 1 其中，J为工作面杂散电流预警结果， 杂散电流不超标的期望输出为-1， 实际要求 ANFIS 输出范围为 Z0；杂散电流超标的超标期望输出为 1，实际要求 ANFIS 输出范围为 Z≥0。 基于 ANFIS 的工作面杂散电流安全预警系统结构如图 4 所示。 图 4 基于 ANFIS 的工作面杂散电流安全预警系统结构 Fig.4 workface stray current safety early warning system structure based on ANFIS - 4 - 中国中国科技论文在线科技论文在线 2.2 ANFIS 初始化初始化 用于训练和测试 ANFIS 的数据来自于现场测量，共 440 组。选择隶属度函数个数为 2， 类型为 Gauss 型，如式（2）所示。 2 2 2 ; , x c f xce σ σ −− 2 利用 genfis1 函数[5]生成的初始模糊推理系统，其输入隶属度函数和 If-then 规则分别如 图 5、6 所示。 0100020003000 0 0.5 1 接触线泄漏电流值 0246 x 10 4 0 0.5 1 绝缘夹板电阻值 1234 0 0.5 1 工作面与牵引变流所之间的距离 0102030 0 0.5 1 接触线末端杂散电压 图5 初始ANFIS的输入隶属度函数 Fig.5 membership functions of initialize fuzzy inference system 图6 初始ANFIS的IF-THEN规则 Fig.6 If–then rules before training. 2.3 优化优化 ANFIS ANFIS 利用反向传播混合最小二乘法对初始模糊推理系统进行参数优化得到具有合适 规则数目和较高辨识精度的 T-S 模糊模型。图 7、图 8 分别给出了 50 次迭代训练后的隶属 度函数以及 If-then 规则。通过比较可以发现，经过学习过程，隶属度函数个数和形状得到 了修改，规则参数也得到了优化[6]。 0100020003000 0 0.5 1 接触线泄漏电流值 0246 x 10 4 0 0.5 1 绝缘夹板电阻值 1234 0 0.5 1 工作面与牵引变流所之间的距离 0102030 0 0.5 1 接触线末端杂散电压 图 7 优化 ANFIS 的输入隶属度函数 Fig.7 membership function for optimizing ANFIS - 5 - 中国中国科技论文在线科技论文在线 图 8 优化 ANFIS 的 IF-THEN 规则 Fig.8 IF-THEN for optimizing ANFIS 2.4 预警结果讨论预警结果讨论 仿真表明，ANFIS 具有 16 条规则，55 个节点，80 个线性参数，16 个非线性参数。超 标 110 组测试数据中， 84 组预警结果正确； 不超标 110 组测试数据中， 103 组预警结果正确， 评价准确率为 85.00。ANFIS 的输入特征值选取了四个便于测量（监测）的参数。因此， 为了进一步提高安全预警的准确率，可以适当增加特征值的个数。这也同时说明，轨道电阻 率、轨地过渡电阻值、管线电阻率等三个参数的实时在线测量非常必要。这个问题的研究正 在进行中。 3 煤矿杂散电流监测及预警系统煤矿杂散电流监测及预警系统 为了实现杂散电流实时在线安全预警，笔者开发了煤矿杂散电流安全监测及预警系统 [6]。该系统由杂散电流监测装置与监测中心上位机构成，借用煤矿安全监测监控系统的监测 分站及通信通道进行通信，如图 9 所示。 图 9 煤矿杂散电流安全监测及预警系统 Fig.9 Safety monitoring and prediction system of stray current in coal mining 安装在工作面所在巷道入口的监测装置可以完成绝缘夹板电阻值和接触线末端杂散电 压等两个参数的监测， 安装在整流硐室的监测装置可以完成接触线泄漏电流值的监测。 监测 装置完成相关参数的就地采集及处理功能并将监测数据通过附近的监测分站上传至监测中 心上位机。 安装于上位机的杂散电流监测软件向监测装置发送控制命令和状态查询指令， 获 取监测数据，完成杂散电流监测数据的收集、显示、报警等功能，同时将数据存储于数据库 中。 杂散电流安全预警软件实时调用数据库中的数据， 根据既定算法完成杂散电流的安全预 警。 4 结论结论 煤矿杂散电流安全预警软件基于 Labview 软件开发， 包括训练和评价两个部分。 神经网 络训练部分根据设置的文件路径自动调用相应文件夹中的数据文件， 根据设置的训练数据组 - 6 - 中国中国科技论文在线科技论文在线 数及测试数据组数调用基于 MatLab 的 ANFIS 安全预警文件进行训练， 并显示训练进度及准 确率。 杂散电流安全预警部分利用已经训练成功的神经网络， 根据输入电路参数信息及建立 的各类型电路放电模型进行电路本安性能评价，并显示评价结果。 [参考文献参考文献] References [1] 马草原．煤矿井下杂散电流及其防治研究，中国矿业大学硕士学位论文，2006 [2] Wang L, Mendel. Fuzzy basis function, approximation, orthogonal least squares learning [J]. IEEE Trans. on Neural Network, 1992, 35 807－814. [3] A. Rizzi, F. M. Frattale Mascioli and G. Martinelli. Automatic Training of ANFIS Networks[G]// IEEE International Fuzzy Systems Conference Proceedings.Seoul Korea1999. [4] Mohd Fauzi bin Othman ,Thomas Moh Shan Yau.Neuro Fuzzy Classification and Detection Technique for Bioinatics Problems[G]. //Proceedings of the First Asia International Conference on Modelling Simulation AMS07 [5] 吴晓莉等．MATLAB 辅助模糊系统设计[M]，西安，西安电子科技大学出版社，2008 [6] 王崇林，马草原等．煤矿杂散电流自动监测系统的设计与开发，煤炭科学技术，2007，（5）54-57；