一种煤矿制造技术

本发明专利技术提出了一种煤矿

【技术实现步骤摘要】
一种煤矿/地铁运输直流牵引负回流系统杂散电流泄漏区域识别方法


[0001]本专利技术涉及一种杂散电流泄漏区域识别方法，尤其是一种矿辅助运输直流牵引负回流系统杂散电流泄漏区域识别方法
。

技术介绍

[0002]煤矿辅助运输系统是井下生产的重要环节，在煤矿井下直流架线电机车的运输系统中，钢轨除担任电机车运动导向和支撑功能外，还具备牵引电流回流通路的作用
。
地铁直流牵引系统中，牵引电流经由接触网流入地铁机车，同样采用钢轨作为牵引电流回流通路
。
在煤矿
/
地铁运输系统运行过程中，会有部分牵引电流泄漏至周围大地
、
岩石，经由其他通路返回至牵引变流所，这部分电流形成了煤矿井下杂散电流
。
杂散电流能够导致雷管先期引爆，给井下爆破工作造成较大的安全威胁，同时还会引起瓦斯爆炸，导致金属架构产生电化学腐蚀，影响井下建筑结构
、
地铁周围埋地金属结构安全等危害
。
[0003]由于井下运输巷道及地铁盾构隧道内的特殊工况条件，目前针对煤矿
/
地铁杂散电流尚无有效的防治方法，常规地铁杂散电流防治方法难以在煤矿井下进行应用
。
因此，准确探知运输巷道
/
盾构隧道牵引区间内杂散电流泄漏区域非常有必要
。
目前，杂散电流泄漏定位与识别仍存在着自动化
、
智能化较差，现有监测数据利用不足等缺点
。
鉴于此，本专利技术提出了一种煤矿
/
地铁运输直流牵引负回流系统杂散电流泄漏区域识别方法，基于现有煤矿
/
地铁运输系统监测数据，借助智能学习算法，提出杂散电流泄漏风险概率拟合方法，实现煤矿
/
地铁杂散电流泄漏区域在牵引区间内的准确定位，为后续针对性的防护措施提供有效技术支撑和数据参考
。

技术实现思路

[0004]本专利技术的目的是提供一种煤矿
/
地铁运输直流牵引负回流系统杂散电流泄漏区域识别方法，通过现有煤矿辅助运输系统不同监测点的监测数据，结合智能学习方法，提出杂散电流泄漏风险概率拟合方法，实现运输巷道牵引区间内监测点附近杂散电流泄漏区域的准确定位
。
为了达到上述目的，本专利技术所采用的技术方案为：
[0005]一种煤矿
/
地铁运输直流牵引负回流系统杂散电流泄漏区域识别方法，包括以下步骤：
[0006](1)
在煤矿
/
地铁运输牵引区间内等距布设参比电极传感器
、
轨电位监测传感器，即分别设置
N
个监测点，每隔
5s
同步读取监测点的钢轨电位
E
rail
、
运输巷道主体结构本体电位
E0和极化电位
E。
[0007](2)
根据每
30min
内钢轨电位
E
rail
、
巷道
/
隧道壁面极化电位
E
和巷道
/
隧道壁面本体电位
E0的测量结果，分别计算巷道
/
隧道壁面极化电位正向偏移最大值
E
max+
、
巷道
/
隧道壁面极化电位负向偏移最大值
E
max
‑
、
巷道
/
隧道壁面极化电位正向偏移平均值巷道
/
隧
道壁面极化电位负向平均值巷道
/
隧道壁面极化电位偏移均方差
Δ
E
MSE
、
监测点钢轨电位最大值
E
railmax
和最小值
E
railmin
以及钢轨电位正向平均值和负向平均值钢轨电位均方差
E
railMSE
，计算方法分别如下：
[0008][0009][0010][0011][0012][0013][0014]Δ
E
MSE
＝
MSE(E
‑
E0)
[0015][0016](3)
将极化电位正向偏移最大值
E
max+
、
极化电位负向偏移最大值
E
max
‑
、
极化电位正向偏移平均值极化电位负向平均值监测点钢轨电位最大值
E
railmax
和最小值
E
railmin
以及钢轨电位正向平均值和负向平均值以及本体电位
E0九个变量作为输入变量，将杂散电流泄漏风险等级
R
做为输出变量，并定义杂散电流泄漏风险等级
R
分为五十个等级，风险从小到大依次为：
R1，
R2，
R3，
……
，
R
i
，
……
，
R
50
。
根据输入变量构建无监督学习的预测数据集
。
[0017](4)
基于
SOM
的无监督智能聚类算法，将预测数据集代入
QPSO
‑
SOM
内进行训练学习，直至算法收敛后可完成训练学习
。
[0018](5)
将牵引区间内全部监测点的监测结果代入训练后的
QPSO
‑
SOM
模型中，计算全部监测点的杂散电流泄漏风险等级，基于杂散电流泄漏风险等级聚类结果，计算单一监测点
j
在不同泄漏风险等级
R
j
下的杂散电流泄漏概率
P
j
，计算方法如下：
[0019][0020]其中，
N
Rj
为单一监测点
j
聚类结果为泄漏风险等级
R
j
的数量，
N
total
为单一监测点聚类结果的总数量
。
[0021](6)
根据全部监测点的杂散电流泄漏概率计算结果
{P
11
，
P
21
，
P
31
，
……
，
P
501
}
，
{P
12
，
P
22
，
P
32
，
……
，
P
502
}
，
……
，
{P
1N
，
P
2N
，
P
3N
，
……
，...

【技术保护点】

【技术特征摘要】
1.
一种煤矿
/
地铁运输直流牵引负回流系统杂散电流泄漏区域识别方法，其特征在于，包括以下步骤：
(1)
在煤矿
/
地铁运输牵引区间内等距布设参比电极传感器
、
轨电位监测传感器，即分别设置
N
个监测点，每隔
5s
同步读取监测点的钢轨电位
E
rail
、
运输巷道主体结构本体电位
E0和极化电位
E
；
(2)
根据每
30min
内钢轨电位
E
rail
、
巷道
/
隧道壁面极化电位
E
和巷道
/
隧道壁面本体电位
E0的时序测量信号，分别计算巷道
/
隧道壁面极化电位正向偏移最大值
E
max+
、
巷道
/
隧道壁面极化电位负向偏移最大值
E
max
‑
、
巷道
/
隧道壁面极化电位正向偏移平均值巷道
/
隧道壁面极化电位负向平均值巷道
/
隧道壁面极化电位偏移均方差
Δ
E
MSE
、
监测点钢轨电位最大值
E
railmax
和最小值
E
railmin
以及钢轨电位正向平均值和负向平均值钢轨电位均方差
E
railMSE
，计算方法分别如下：，计算方法分别如下：，计算方法分别如下：，计算方法分别如下：，计算方法分别如下：，计算方法分别如下：，计算方法分别如下：，计算方法分别如下：
(3)
将极化电位正向偏移最大值
E
max+
、
极化电位负向偏移最大值
E
max
‑
、
极化电位正向偏移平均值极化电位负向平均值监测点钢轨电位最大值
E
railmax
和最小值
E
railmin
以及钢轨电位正向平均值和负向平均值以及本体电位
E0共九个变量作为输入变量，将杂散电流泄漏风险等级
R
作为输出变量，并定义杂散电流泄漏风险等级
R
分为五十个等级，风险从小到大依次为：
R1，
R2，
R3，
……
，
R
i
，
……
，
R
50
；根据输入变量构建无监督学习的预测数据集...

【专利技术属性】
技术研发人员：王承涛，许少毅，李威，王禹桥，杨雪锋，范孟豹，邢方方，申冠一，管明浩，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：