来源：期刊VIP网 时间：
作者：王清亮;李泓朴;李书超;王伟峰;
单位：西安科技大学电气与控制工程学院;西安科技大学西安市电气设备状态监测与供电安全重点实验室;西安科技大学安全科学与工程学院;
摘要：针对现有方法无法有效提取煤矿电缆短路故障深层特征而导致故障识别准确率和类型判定精度低的问题，提出了一种基于IDT-SAE-ELM的短路故障识别方法。首先采用IDT技术对传统SAE模型进行改进，以提高其高效捕获故障样本深层特征的能力；然后利用Adam算法优化IDT-SAE模型参数，实现了从原始电流信号自动获取短路故障特征量；最后利用ELM模型替代Softmax构造故障分类器，以提高SAE模型对特征差异性小的故障类型辨识能力，实现对煤矿电缆短路故障的识别与类型的智能判定。以煤矿电网实际参数进行短路故障仿真，分别利用Loss曲线与T-分布随机近邻嵌入算法可视化分析所提方法的抗过拟合能力与短路故障深层特征挖掘能力，采用准确率和精度对所提方法进行评价，结果表明：所提方法相较于传统SAE具有更好的故障特征提取能力和抗过拟合能力；所提方法对电缆短路故障的识别准确率稳定在99%左右，相较于RF、BPNN、ELM等人工智能方法，准确率分别提高了7.47%、5.82%、5.42%;在严重噪声干扰下，所提方法短路故障识别准确率始终保持在98.75%以上，有效提高了煤矿电缆短路故障识别准确率和类型判定精度，能够为越级跳闸原因判别、短路事故的分析与处理提供重要依据。
关键词：煤矿;;短路故障;;堆栈自编码器;;极限学习机;;Dropout集成技术
基金资助：国家自然科学基金项目(52074213)
