Current situation and development trend of line selection method for single-phase grounding fault in mine power supply system
-
摘要:
矿井供电系统常采用中性点不接地方式或经消弧线圈接地方式，由于井下环境的特殊性和复杂性，其单相接地故障选线问题一直没有得到很好的解决。分析并比较了2种接地方式的优缺点和系统发生单相接地故障时的选线难点。介绍了矿井供电系统发生单相接地故障时的主动式选线法、被动式选线法（包括基于稳态信息选线法和基于暂态信息选线法）以及智能算法融合选线：主动式选线法主要通过检测注入信号判断故障线路；被动式选线法则基于故障发生后的稳态信息量和暂态信息量完成选线；智能算法融合选线能充分利用故障特征，发展前景广阔。针对目前故障选线方法未进行扰动识别、单一故障选线方法可靠性差、智能算法融合选线优势明显但未能得到很好应用等问题，提出了矿井供电系统故障选线方法的发展趋势。
Abstract:The mine power supply system usually adopts the neutral point ungrounded mode or the arc suppression coil grounded mode, due to the particularity and complexity of underground environment, the problem of single-phase grounding fault line selection has not been well solved. This paper analyzes and compares the advantages and disadvantages of the two grounding methods and the difficulty of line selection when single-phase grounding fault occurs in the system. This study introduces the active line selection method, passive line selection method (including the line selection method based on steady state information and the line selection method based on transient information) and the intelligent algorithm fusion line selection when the single phase grounding fault occurs in the mine power supply system. The active line selection method mainly detects the fault line by detecting the injected signal. The passive line selection rule is based on the steady state information and transient information after the fault occurs. Intelligent algorithm fusion line selection can make full use of fault characteristics and has a broad development prospect. In view of the problems such as no disturbance identification, poor reliability of single fault line selection method, obvious advantages of intelligent algorithm fusion line selection but not well applied, the development trend of fault line selection method of mine power supply system is proposed.
-
煤炭在我国能源利用体系中仍占据50%以上，2023年全国矿山安全生产工作会议表示我国煤矿行业总体死亡率仍然高于部分发达国家。煤矿重大事故统计数据显示，人因事故占事故总数90%以上[1]，当工人未能及时注意并正确理解安全标志的内容时，他们无法迅速采取保护措施避免事故[2]。安全标志是煤矿安全管理的重要方式[2]。井下环境复杂，矿工的行为受到心理和环境的支配[3]，煤矿综采工作面照明环境差是近年来事故多发的重要因素之一[4]。作业人员在井下作业时，认知能力受到环境因素的综合影响导致下降，使作业人员无法正常的工作。1979 年，喻柏林等[5]分析了照度变化对视觉辨认的影响，发现了照明“收效递减律”现象。照度影响人的反应时间、情绪和警觉性[4]。SMOLDERS等 [6]发现光照时长对认知绩效有重要影响，还发现在照明不良时，操作者视觉疲劳，降低操作可靠性；景国勋等[4]发现随着光照水平和操作难度的降低，被试注意力水平受到影响，视觉疲劳度迅速增加，反应急速减慢，反应时间与光照时间呈二次函数关系。视觉注意与危险识别和安全行为密切相关，提高工人视觉注意水平至关重要[7]。近年来，各学者使用眼动仪器对安全标识设计属性的研究多集中在有无信号词、位置特征、排列顺序[8]、视觉特征[9]（形状、颜色、背景对比色等）等属性特征方面，上述属性特征结合光照水平的研究目前大多集中在有无信号词[10-11]、视觉特征[12]对安全标志的有效性、显著性、视觉注意和理解等方面，安全标志设计属性主要包括视觉特征和认知特征，对于认知特征混合光照条件下对安全标志识别影响的研究有所欠缺，目前大多集中于可理解性的影响研究[2]，研究的安全标志认知特征是基于CHAN等[13]建立的安全标志认知模型，他们将认知特征分为熟悉度、具体性、简单性、富有意义度、语义接近度，熟悉性、简单性和富有意义度认知特征被选中研究。熟悉度的定义是根据遇到矿井安全标志频率来定义的；简单性的定义是如果煤矿安全标志包含大量细节或错综复杂，则视为复杂，如果包含少量元素或细节，则视为简单；富有意义度的定义是指你认为煤矿安全标志有多大意义。
1. 提出假设
安全标志从出现到信息释放，对应人信息处理过程的感觉、认识、再到行为响应，安全标志包含多种认知要素，在注意这些标要素传达的视觉信息时，会通过大脑视觉神经的加工形成相应的认知。所以基于特征整合理论和视觉信息加工理论结合认知信息加工理论中的信号探测理论（signal detection theories），运用实验法对矿工在光照和认知特征水平混合条件下对安全标志识别加工过程进行定量研究，通过内在加工过程对应的各项指标变化特征的影响，使用眼动技术研究视觉注意效果。基于以下假设构建理论模型：H1不同光照下被试者对高、低简单度的安全标志认知程度存在显著差异；H2不同光照下被试者对高、低熟悉度的安全标志认知程度存在显著差异；H3不同光照下被试者对高、低富有意义度的安全标志认知程度存在显著差异。
2. 试验设计及过程
2.1 实验目的和实验对象
1）实验目的。①探究不同熟悉程度和光线程度下的煤矿安全标志的眼动指标是否存在显著差异；②探究不同简单程度和光线程度下的煤矿安全标志的眼动指标是否存在显著差异；③探究不同富有意义度和光线程度下的煤矿安全标志的眼动指标是否存在显著差异。
2）实验对象。为保证实验数据合理性和样本统一性，实验被试选取了22名煤矿专业及相近专业的在校研究生作为实验被试者。基于煤炭企业行业的特殊性质，被试均为男性，平均年龄(25.2±1.10)岁，BMI (20.9±2.24) kg/m2。研究人员承诺，所有来自受试者的实验数据都将是隐私和匿名的，数据仅用于学术研究。他们被要求在眼动实验的前1 d好好休息，避免疲劳、压力和饮酒。参与者的视力或矫正视力是正常的，他们没有散光、斜视或色盲。
2.2 实验设备和实验材料
1）实验设备。Tobii Pro Nano60眼动仪，采样率60 Hz，准确度0.3°，精确度0.10°RMS，头动范围35 cm×30 cm；可以自动记录被试者在观察刺激材料时注视、眼跳、眨眼等指标的相关数据，数据传感到眼动数据采集系统上；眼动数据采集系统为ErgoLab 3.17版本。
2）实验材料。实验选取30张的煤矿安全标志作为实验刺激材料。选用GB2894—2008《安全标志及其使用导则》现行安全标志，通过李克特五级量表法选出30张煤矿安全标志，刺激材料共分为3组，分别为高、低熟悉度安全标志12张，高、低简单度煤矿安全标志10张、高、低富有意义度10张，每组安全标志包括禁止标志、警告标志、指令标志、提示标志至少1张，处理为同等大小及像素，已控制图片物理参数对被试认知效果的影响，满足实验要求，从而进行眼动实验。将刺激材料置于屏幕正中央，并分别调节屏幕亮度和室内亮度从而形成光线程度对比。
2.3 实验步骤
实验是在实验室环境下进行的。控制温度和噪声因素以最大限度减少影响。实验中只允许1名受试者进入，其他人禁止说话。实验步骤如下：
1）向被试宣读实验内容和注意事项，介绍实验材料和过程，解释认知特征。
2）参与者填写人口学特征量表，包括年龄、性别、专业、安全知识水平等信息。
3）研究人员调整被试与屏幕的距离为0.6 m处，所成视角为5°×5°，在被试机上采用5点校准法进行校准。
4）每位被试先进行测试实验，休息10 min后在高光线程度下分别测试3组实验，每组结束后休息2 min再测下1组。每组图片随机播放，先呈现1张正中央有“+”的空白图片2000 ms矫正视线，实验素材呈现时长3000 ms，后插入1000 ms空白屏；为避免上1张图片的影响，再呈现1张正中央有“+”的空白图片2000 ms，后呈现3000 ms的实验素材，以此循环直到该组试验结束。被试需要在实验过程中判断图片对应下方呈现的哪个意思，按下前面的序号。所有图片观察完成即本组实验结束。
5）被试做完高光照实验后休息5 min，再在低光照下进行相同的实验。
6）实验完成。
3. 结果与分析
研究分别从注视维度来分析对视觉行为的影响，选取AOI兴趣区3个注视维度指标首次注视时间、首次注视持续时间、注视次数。通过ErgoLab 3.17系统对采集到的数据进行基线与片段划分，在进行批量处理后导出数据，使用SPSS 22.0进行双因素方差分析。
3.1 熟悉程度与视觉注意关系的验证结果
对高、低光照和高、低熟悉度水平下的首次注视时间、首次注视持续时间、注视次数进行双因素方差分析，熟悉程度与视觉注意关系混合试验下AOI的双因素方差分析见表1。
表 1 熟悉程度与视觉注意关系混合试验下AOI的双因素方差分析Table 1. Two-factor ANOVA for AOI under mixed test of familiarity and visual attention指标 因子 低熟悉度 高熟悉度 总数 F P 低光照 0.853±0.604 0.816±0.335 0.835±0.471 1.828 0.177 高光照 0.665 ±0.544 0.623±0.328 0.644±0.436 2.404 0.122 首次注视时间 总数 0.759±0.574 0.719±0.332 — 4.212 0.041 F 46.956 49.494 96.436 — — P <0.001 <0.001 <0.001 0.019 0.890 低光照 0.276±0.378 0.262±0.290 0.269±0.334 2.736 0.099 高光照 0.218 ±0.289 0.211±0.221 0.214±0.255 0.821 0.366 首次注视持续时间 总数 0.247±0.334 0.236±0.256 — 3.258 0.072 F 47.558 38.103 85.400 — — P <0.001 <0.001 <0.001 0.262 0.609 低光照 2.340±1.095 1.431±0.966 1.886±1.031 56.330 <0.001 高光照 1.532 ±1.039 1.22±0.973 1.294±1.006 5.364 <0.001 注视次数 总数 1.936±1.061 1.244±0.969 — 65.265 <0.001 F 47.769 8.916 47.607 — — P <0.001 0.003 <0.001 6.428 0.012 由表1可知：
1）首次注视时间交互效应不显著（检验F=0.019, 概率P=0.890）；光照环境（F=96.436, P<0.001）和熟悉度水平（F=4.212, P=0.041）下的首次注视时间主效应均显著，且低水平下数据显著大于高水平下数据；高（F=49.494，P<0.001）、低（F=46.956，P<0.001）熟悉度下，低光照的数据显著大于高光照的；高（F=2.404，P=0.122）、低（F=1.828，P=0.177）光照下，低熟悉度的均值都大于高熟悉度的，但差异不显著。
2）首次注视持续时间的交互效应不显著（F=0.262，P=0.609）。光照环境的主效应显著（F=85.4，P<0.001），熟悉度的主效应不显著（F=3.258，P=0.072），高光照数据显著小于低光照，高（F=38.103，P<0.001）、低（F=47.558，P<0.001）熟悉度水平下，低光照数据显著大于高光照；高、低光照数据都随着熟悉度的升高而降低，但无显著性差异，且低熟悉度的首次注视持续时间平均值大于高熟悉度。
3）注视次数的交互效应显著（F1=6.428，P1=0.012；F2=47.607，P2<0.001；F3=65.265，P3<0.001）；F1、P1为交互效应系数；F2、P2为光照环境系数；F3、P3为熟悉度水平系数。高（F=5.364，P<0.001）、低（F=56.330，P<0.001）光照下，低熟悉度数据都显著大于高熟悉度；高（F=8.916，P=0.003）、低（F=47.769，P<0.001）熟悉度下，低光照环境的注视次数显著大于高光照环境的注视次数。
3.2 简单性水平与视觉注意关系的验证结果
对高、低光照和高、低简单性水平下的首次注视时间、首次注视持续时间、注视次数进行双因素方差分析，简单性水平与视觉注意关系混合试验下AOI的双因素方差分析见表2。
表 2 简单性水平与视觉注意关系混合试验下AOI的双因素方差分析Table 2. Two-factor ANOVA for AOI under mixed test of simplicity and visual attention指标 因子 低简单性 高简单性 总数 F P 低光照 1.015±0.430 0.988±0.434 1.001±0.432 1.262 0.262 高光照 0.943 ±0.446 0.933±0.357 0.938±0.407 0.200 0.655 首次注视时间 总数 0.979±0.438 0.960±0.396 — 1.371 0.217 F 9.023 5.322 13.430 — — P 0.003 0.021 <0.001 0.233 0.730 低光照 0.231±0.716 0.216±0.230 0.223±0.473 3.707 0.055 高光照 0.188 ±0.259 0.176±0.234 0.182±0.247 2.180 0.141 首次注视持续时间 总数 0.210±0.488 0.196±0.232 — 5.002 0.016 F 24.587 23.243 51.910 — — P <0.001 <0.001 <0.001 0.118 0.713 低光照 1.909±1.048 1.718±0.938 1.814±0.993 2.953 0.086 高光照 1.482 ±0.955 1.355±0.908 1.418±0.932 1.312 0.253 注视次数 总数 1.695±1.002 1.536±0.919 — 4.101 0.043 F 14.790 10.713 25.339 — — P <0.001 0.001 <0.001 0.164 0.686 由表2可知：
1）首次注视时间的交互效应不显著（F=0.233, P=0.730）；光照环境（F=13.43, P<0.001）主效应显著，简单性水平（F=1.371, P=0.217）主效应不显著，高（F=5.322，P=0.021 ）、低（F=9.023，P=0.003）简单性下，低光照数据显著大于高光照，且高、低光照的首次注视时间随简单性水平的升高降低，高（F=0.200，P=0.655）、低（F=1.262，P=0.262）光照下，低简单性的均值大于高简单性。
2）首次注视持续时间交互效应不显著（F=0.118, P=0.713）；光照环境（F=51.910, P<0.001）和简单性水平（F=5.002, P=0.016）主效应均显著，高（F=23.243，P<0.001）、低（F=24.587，P<0.001）简单性下，简单效应均显著，低光照数据均显著大于高光照，低简单性的数据显著大于高简单性，高（F=2.180，P=0.141）和低（F=3.707，P=0.055）光照环境，差异均不显著，但是低光照均值大于高光照。
3）注视次数交互效应不显著（F=0.164, P=0.686）；光照环境（F=25.339, P<0.001）和简单性（F=4.101, P=0.043）主效应显著，低光照的注视次数显著低于高光照的，低简单性数据显著高于高简单性；高（F=10.713，P<0.001）、低简单性（F=14.790，P=0.001）下，低光照数据显著低于高光照；高（F=1.312，P=0.253）、低（F=2.953，P=0.086）光照环境下，低简单性水平的注视次数平均值大于高简单性水平。
3.3 富有意义度与视觉注意关系的验证结果
对高、低光照和高、低富有意义度水平下的首次注视时间、首次注视持续时间、注视次数进行双因素方差分析。富有意义度与视觉注意关系混合试验下AOI的双因素方差分析见表3。
表 3 富有意义度与视觉注意关系混合试验下AOI的双因素方差分析Table 3. Two-factor ANOVA for AOI under mixed test of significance and visual attention指标 因子 低富有意义度 高富有意义度 总数 F P 低光照 1.123±0.430 1.103±0.434 1.113±0.432 0.885 0.347 高光照 1.008 ±0.446 0.980±0.357 0.994±0.402 1.527 0.186 首次注视时间 总数 1.066±0.438 1.041±0.396 — 2.314 0.110 F 25.542 31.931 45.633 — — P <0.001 <0.001 <0.001 0.073 0.787 低光照 0.315±0.378 0.205±0.286 0.260±0.332 142.114 <0.001 高光照 0.206 ±0.289 0.180±0.191 0.193±0.240 7.526 0.006 首次注视持续时间 总数 0.261±0.334 0.193±0.239 — 70.528 <0.001 F 130.170 6.820 103.528 — — P <0.001 0.009 <0.001 41.500 <0.001 低光照 1.8±0.842 1.591±0.981 1.695±0.548 3.787 0.052 高光照 1.482 ±0.935 1.355±0.843 1.418±0.472 1.403 0.237 注视次数 总数 1.641±0.889 1.473±0.912 — 4.190 0.026 F 8.210 4.240 14.130 — — P 0.003 0.027 <0.001 0.210 0.521 1)首次注视时间的交互效应不显著（F=0.073 , P=0.787）；光照环境（F=45.633, P<0.001）主效应显著，富有意义度水平的（F=2.14, P=0.110）主效应不显著，高（F=31.931，P<0.001）、低富有意义度水平（F=25.542，P<0.001）下，低光照显著高于高光照，高、低光照环境的时间随富有意义度升高而降低，无显著差异，且低富有意义度下的平均值高于高富有意义度下的。
2）首次注视持续时间的交互效应显著（F=41.500, P<0.001）；光照环境（F=70.528, P<0.001）和富有意义度（F=103.528, P<0.001）的主效应均显著，高（F=6.82，P=0.009）、低（F=130.17，P<0.001）富有意义度下，低光照时间都显著高于高光照；高（F=7.526，P=0.006）、低（F=142.114，P<0.001）光照环境，高富有意义度首次注视持续时间都显著低于低富有意义度。
3）注视次数的交互效应不显著（F=0.210, P=0.521）；光照环境（F=14.13, P<0.001）和富有意义度水平（F=4.19, P=0.026）主效应显著，高（F=4.240，P=0.027）、低（F=8.210，P=0.003）富有意义度，低光照显著高于高光照，低富有意义度显著高于高富有意义度；高（F=1.403，P=0.237）、低（F=3.787，P=0.052）光照下，注视次数随着富有意义度的降低而升高，差异都不显著。
4. 结 语
1）光照和熟悉度混合条件下，低光照和低熟悉度均会使矿工识别煤矿安全标志时认知负荷增加，不利于矿工快速识别并正确判断安全标志躲避危险。企业应注意增强井下照明环境，加强对矿工的安全培训，提高矿工对安全标志的熟悉程度。光照和简单性混合条件下，低光照环境下对各指标具有显著性影响，低简单性对各指标不具有显著性影响，简单性在一定能程度上影响被试认知负荷。
2）光照和富有意义度混合条件下，高富有意义度一定程度上降低首次注视的认知负荷，提高视觉注意效果。从危险识别的内在加工机制出发，富有意义度和光照混合对危险识别过程的前注意阶段产生显著影响，为光照和认知特征对安全标志识别的影响提供更加充分的证据，人机工程学家需要关注煤矿安全标志的图案设计，它应该与我们的日常生活有明显和直接的联系。
3）光照对低水平的认知特征影响更大，建议企业多关注工人由于光照带来的视觉疲劳增加的困扰，增强工人对安全标志防护的安全意识；定期检查光环境是否符合标准。企业有必要通过培训和危险演练增强矿工的风险意识，提高对矿井安全标志重要性的认识。
4）构建了安全标志识别内在加工机制模型，揭示了认知特征对安全标志识别的影响机制，客观呈现识别行为背后的眼动规律，为煤矿企业照度防治和矿山安全生产管理提供一定的科学依据；对煤矿安全标志的认知特征提出了改进措施，为降低煤矿工人的认知困难，提高工作场所的安全绩效提供了实践支持。
-
![]()
图 1 矿井供电系统单相接地故障选线方法
Figure 1. Line selection method for single-phase grounding fault of mine power supply system
![]()
图 2 小波包分解提取故障特征信号流程图
Figure 2. Flow chart of extracting fault characteristic signal by wavelet packet decomposition
表 1 2种接地方式的比较
Table 1 Comparison of the two grounding methods
中性点
接地方式单相接地
电流单相弧光
接地过电压供电
可靠性人身触电
危险性不接地 大 高 差 大 消弧线圈接地 小 低 好 小 
下载: 导出CSV
表 2 基于稳态信息选线方法比较
Table 2 Comparison of line selection methods based on steady-state information
基于稳态信息选线法 优点 缺点 零序电流幅值相位法 方法简单且易于实现 谐振接地系统不适用 零序功率法 不用进行线路比较，且不受接地方式影响 故障信号微弱，对互感器精度要求高 零序导纳法 受故障电阻影响小 受线圈补偿度影响大 谐波法 适用谐振接地系统 提取和检测较困难 负序电流法 不受系统接地方式的
影响采集困难，易受三相不平衡负荷影响
下载: 导出CSV
表 3 基于暂态信息选线方法比较
Table 3 Comparison of line selection methods based on transient information
基于暂态信息
选线法优点 缺点 首半波法 方法简单且易于实现 受故障初相角影响较大 暂态脉冲特征法 不受系统结构变化的影响 漏采时效果较差 行波法 无需利用接地电容电流 对采样频率要求高 S变换法 可实现瞬态误差信号处理，灵敏度高 抗干扰能力弱且基函数需人为选取 模态分解法 可对信号进行自适应分解 存在模态混叠等问题
下载: 导出CSV
-
[1] 王显政. 我国煤矿安全生产50年回顾与展望[J]. 煤矿安全,2020,51(10):1−4. WANG Xianzheng. Review and prospect of China coal mine safety production in the past fifty years[J]. Safety in Coal Mines, 2020, 51(10): 1−4.
[2] 武福生,卜滕滕,王璐. 煤矿安全智能化及其关键技术[J]. 工矿自动化,2021,47(9):108−112. WU Fusheng, BU Tengteng, WANG Lu. Coal mine safety intelligence and key technologies[J]. Industry and Mine Automation, 2021, 47(9): 108−112.
[3] 王云刚,崔春阳,张飞燕,等. 2011—2020年我国较大及以上煤矿事故统计分析及研究[J]. 安全与环境学报,2023,23(9):3269−3276. WANG Yungang, CUI Chunyang, ZHANG Feiyan, et al. Statistical analysis and research on major and above coal mine accidents in China from 2011 to 2020[J]. Journal of Safety and Environment, 2023, 23(9): 3269−3276.
[4] 中华人民共和国应急管理部, 国家矿山安全监察局. 煤矿安全规程[M]. 北京:应急管理部,2022:183. [5] 韩国国,史小军,王晖,等. 基于RCMDE和KFCM的煤矿电网故障选线方法[J]. 工矿自动化,2022,48(8):92−99. HAN Guoguo, SHI Xiaojun, WANG Hui, et al. Fault line selection method for coal mine power grid based on RCMDE and KFCM[J]. Industry and Mine Automation, 2022, 48(8): 92−99.
[6] NIU Lin, WU Guiqing, XU Zhangsheng. Single-phase fault line selection in distribution network based on signal injection method[C]//IEEE Energy Conversion Congress and Exposition - Asia. IEEE, 2021: 827−832.
[7] 刘英亮,龚俊祥,魏国栋,等. “S注入法”接地选线原理分析与改进[J]. 山东大学学报(工学版),2007,37(4):64−67. LIU Yingliang, GONG Junxiang, WEI Guodong, et al. Analysis and improvement of the ‘S injection’ fault feeder detection method[J]. Journal of Shandong University (Engineering Science), 2007, 37(4): 64−67.
[8] 宗伟林,许文强,原亚雷,等. 矿井配电网单相接地故障选线与定位新方法[J]. 工矿自动化,2016,42(11):45−50. ZONG Weilin, XU Wenqiang, YUAN Yalei, et al. A new type of single-phase grounding fault line selection and location method for mine distribution network[J]. Industry and Mine Automation, 2016, 42(11): 45−50.
[9] 周军,刘娜,李曙光. 基于等效半波注入法的小电流接地故障选线[J]. 电测与仪表,2020,57(4):55−60. ZHOU Jun, LIU Na, LI Shuguang. Small current grounding fault line selection based on equivalent half wave injection method[J]. Electrical Measurement & Instrumentation, 2020, 57(4): 55−60.
[10] 朱珂,王怡轩,倪建. 主动干扰技术在消弧线圈接地系统故障选线中的应用[J]. 电力自动化设备,2017,37(10):189−196. ZHU Ke, WANG Yixuan, NI Jian. Application of active disturbance technology in fault line selection of arc suppression coil grounding system[J]. Electric Power Automation Equipment, 2017, 37(10): 189−196.
[11] 区伟潮,廖峰,陈锦荣,等. 小电阻接地有源配电网比幅比相式接地保护[J]. 电力系统及其自动化学报,2023,35(6):124−131. OU Weichao, LIAO Feng, CHEN Jinrong, et al. Grounding fault protection based on amplitude and phase comparison for low-resistance grounding active distribution network[J]. Proceedings of the CSU-EPSA, 2023, 35(6): 124−131.
[12] JIANG X, JIANG N. Research and analysis of small current grounding line selection system[J]. Journal of Physics (Conference Series), 2022, 2320(1): 012003. doi: 10.1088/1742-6596/2320/1/012003
[13] BAI Hao. Single-phase grounding fault line selection method based on zero-sequence current increment[J]. Energy Reports, 2022, 8(S1): 305−312.
[14] 栾晓明,武守远,贾春娟,等. 基于改进零序导纳法的单相接地故障选线原理[J]. 电网技术,2022,46(1):353−360. LUAN Xiaoming, WU Shouyuan, JIA Chunjuan, et al. Fault line selection principle of single-phase-to-ground fault based on improved zero-sequence admittance[J]. Power System Technology, 2022, 46(1): 353−360.
[15] 韦莉珊,贾文超,焦彦军. 基于5次谐波与导纳不对称度的配电网单相接地选线方法[J]. 电力系统保护与控制,2019,48(15):77−83. WEI Lishan, JIA Wenchao, JIAO Yanjun. Single-phase fault line selection scheme of distribution system based on fifth harmonic and admittance asymmetry[J]. Power System Protection and Control, 2019, 48(15): 77−83.
[16] 孙其东,张开如,刘建,等. 基于五次谐波和小波重构能量的配电网单相接地故障的选线方法研究[J]. 电测与仪表,2016,53(16):1−4. doi: 10.3969/j.issn.1001-1390.2016.16.001 SUN Qidong, ZHANG Kairu, LIU Jian, et al. Research on single-phase fault earth fault line selection method for the distribution network based on fifth harmonics and wavelet reconstruction[J]. Electrical Measurement & Instrumentation, 2016, 53(16): 1−4. doi: 10.3969/j.issn.1001-1390.2016.16.001
[17] 王清亮,赵东强,邵磊,等. 适用于矿山电网的单相接地故障选线新方法[J]. 工矿自动化,2016,42(10):40−44. WANG Qingliang, ZHAO Dongqiang, SHAO Lei, et al. A novel line method of single phase grounding fault suitable for coal mine power network[J]. Industry and Mine Automation, 2016, 42(10): 40−44.
[18] 王晋宏. 煤矿谐振接地系统暂态脉冲特征研究[J]. 工矿自动化,2014,40(7):61−67. WANG Jinhong. Research of characteristics of transient pulse in coal mine resonant grounding system[J]. Industry and Mine Automation, 2014, 40(7): 61−67.
[19] 郭润寿,曹继元. 基于暂态特征参数的煤矿10 kV系统选择性漏电保护研究[J]. 煤矿安全,2022,53(11):141−147. GUO Runshou, CAO Jiyuan. Research on selective leakage protection of 10 kV system based on transient characteristic parameters in coal mine[J]. Safety in Coal Mines, 2022, 53(11): 141−147.
[20] 王雪菲,李京,陈平,等. 基于行波波形综合相似度比较的电缆故障选线[J]. 电力系统保护与控制,2022,50(1):51−59. WANG Xuefei, LI Jing, CHEN Ping, et al. Cable fault Line selection based on comprehensive similarity comparison of traveling wave waveforms[J]. Power System Protection and Control, 2022, 50(1): 51−59.
[21] 吴宇奇,李正天,林湘宁,等. 基于变电站高频滤波边界特性的配电网线模行波选线方法[J]. 电工技术学报,2024,39(7):2072−2088. WU Yuqi, LI Zhengtian, LIN Xiangning, et al. The fault line selection method using line mode traveling wave based on high-frequency filtering characteristics of the substation line boundary in the distribution network[J]. Transactions of China Electrotechnical Society, 2024, 39(7): 2072−2088.
[22] 邓志祥,潘建兵 黄灿英,等. 基于傅里叶变换与最大关联距离相结合的配电网故障选线新方法[J]. 电网与清洁能源,2022,38(4):95−103. DENG Zhixiang, PAN Jianbing, HUANG Canying, et al. A novel fault line selection method of distribution network based on FFT and maximum correlation distance[J]. Power System and Clean Energy, 2022, 38(4): 95−103.
[23] 罗超,耿蒲龙,曲兵妮,等. 基于小波包的矿井供电系统单相接地故障选线方法[J]. 工矿自动化,2018,44(2):68−74. LUO Chao, GENG Pulong, QU Bingni, et al. A line selection method for single phase ground fault in coal mine power supply system based on wavelet packet[J]. Industry and Mine Automation, 2018, 44(2): 68−74.
[24] 蔡军,周波,黄跃,等. 基于S变换时频特性的谐振接地系统故障选线新方法[J]. 电力科学与技术学报,2022,37(3):109−116. CAI Jun, ZHOU Bo, HUANG Yue, et al. A fault line selection method based on time-frequency characteristics in S-transform for resonant grounded systems[J]. Journal of Eiectric Power Science and Technology, 2022, 37(3): 109−116.
[25] 孙孔明,李玉敦,范荣奇,等. 基于VMD的小电流接地故障融合选线方法[J]. 工矿自动化,2023,49(3):115−123. SUN Kongming, LI Yudun, FAN Rongqi, et al. Fusion fault line selection method of small current grounding fault based on VMD[J]. Journal of Mine Automation, 2023, 49(3): 115−123.
[26] 毕胜,耿蒲龙,张建花,等. 基于CEEMD与自相关阈值去噪的单相接地故障选线方法研究[J]. 煤炭工程,2022,54(7):153−158. BI Sheng, GENG Pulong, ZHANG Jianhua, et al. Line selection method for single-phase ground fault based on CEEMD and autocorrelation threshold denoising[J]. Coal Engineering, 2022, 54(7): 153−158.
[27] 赵洁. 基于改进BP神经网络的小电流接地故障选线研究[D]. 徐州:中国矿业大学,2021. [28] GUO Moufa, ZENG Xiaodan, CHEN Duanyu, et al. Deep-learning-based earth fault detection using continuous wavelet transform and convolutional neural network in resonant grounding distribution systems[J]. IEEE Sensors Journal, 2018, 18(3): 1291−1300. doi: 10.1109/JSEN.2017.2776238
[29] 刘奇. 基于信息融合的煤矿漏电保护研究[D]. 西安:西安科技大学,2021. [30] 马春艳,龚瑛. 煤矿谐振接地故障模糊综合选线方法[J]. 工矿自动化,2015,41(11):81−84 MA Chunyan, GONG Ying. Fuzzy comprehensive line selection method for resonance grounding fault in coal mine[J]. Industry and Mine Automation, 2015, 41(11): 81−84.
[31] 肖宇. 基于模糊熵和离散Fréchet距离的小电流接地系统故障选线方法[J]. 电测与仪表,2024,61(3):102−112 XIAO Yu. Fault line selection method for small current grounding system based on fuzzy entropy and discrete Fréchet distance[J]. Electrical Measurement & Instrumentation, 2024, 61(3): 102−112.
[32] 李华,朱一民,马海军,等. 基于最小二乘支持向量机的小电流接地系统早期故障识别算法研究[J]. 电气工程学报,2019,18(3):297−306. LI Hua, ZHU Yimin, MA Haijun, et al. Least squares support vector machine based incipient fault identification in non-solidly grounding system[J]. Journal of Electrical Engineering, 2019, 18(3): 297−306.
[33] 刘炳南,耿蒲龙,田慕琴,等. 基于CEEMD与小波包的单相接地故障选线方法[J]. 煤炭工程,2020,52(10):121−124. LIU Bingnan, GENG Pulong, TIAN Muqin, et al. Line selection method for single phase ground fault based on CEEMD and wavelet packet[J]. Coal Engineering, 2020, 52(10): 121−124.
-
期刊类型引用(0)
其他类型引用(1)
计量
- 文章访问数: 30
- HTML全文浏览量: 2
- PDF下载量: 8
- 被引次数: 1
