基于大數據的軌道交通供電設備運維管理系統的設計與實現

林勇，徐欽偉，譚冠崗，吳子杰

（1.廣州地鐵集團公司，廣東 廣州 510330；2.華南理工大學電力學院，廣東 廣州 510640）

0 引言

軌道交通是當前城市經濟發展的重要基礎設施之一，因其在解決大城市交通擁堵、提高環境質量、調整城市區域結構和產業布局以及拉動城市社會經濟持續發展和合理布局的突出作用，在新時期得到了巨大的發展。而軌道交通作為一個設備資產密集型行業，其巨大的規模對應的是海量的設備，如何更科學高效確保這些設備正常可靠的運行，對軌道交通安全、高效運營具有重大意義。

目前，針對如此巨量的設備，受制于以往的信息化程度和技術局限，地鐵行業內常用的管理方式存在以下不足：① 對故障預見性不足，往往只能采用計劃性維修或事后維修模式，通常導致維修工作缺少針對性，效率較低；② 海量設備帶來的大量有價值數據未被采集和有效利用，潛力巨大的數據在眼前，卻得不到應有價值的發揮。此外，線網的擴大帶來設備管理工作量大幅度提升，人工等成本上升也帶來設備管理的成本不斷攀升。這些因素都亟待建立一個更科學高效的設備及數據管理系統。

為了解決以上問題，如設備的實際情況“不可視”問題（狀態變化趨勢未及時反映，無法預見故障，識別故障）、針對性高效維修問題（何時該修、哪里該修、哪個隱患最緊急無法確定）、管理成本問題（普遍例行式的檢查、維修，帶來人力、設備資源浪費）和數據浪費問題（規模擴大和信息化帶來的大量數據未被采集利用），提高設備運維管理工作的效率，有效集成管理和分析利用軌道交通的大數據，實現設備運維管理工作信息化、可視化、智能化，設計并實現了基于大數據的城市軌道交通供電設備運維管理系統[1-3]。系統以設備狀態數據平臺為核心，采用“在線+帶電+實時”狀態量采集方式，并利用海量數據，多方式、多維度對供電系統設備的可靠性狀態進行分析和研究，不僅可對供變電系統設備進行實時運行狀態的評估，亦可實現供電設備服役壽命和故障率的預測[4]。在保證城市軌道交通供電系統可靠運行的基礎上，系統可以對不同狀態的供電設備提出適用于其實際運行狀態的維修策略，能有效的優化城市軌道交通供電系統設備的維修管理工作，減少其維護和檢修成本，改善目前的計劃檢修模式，進而促進城市地鐵供變電系統全生命周期成本的大幅降低。

1 城市軌道交通供電系統

城市軌道交通供電系統是由電力系統經高壓輸電網、主變電所降壓、配電網絡和牽引變電所降壓、換流（轉換為直流電）等環節，向城市軌道快速交通線路運行的動車組輸送電力的全部供電系統。以圖1所示軌道交通牽引變電站設備系統圖為例，城軌供電系統的主要設備有110 kV/35 kV/0.4 kV/1500 V電纜，110 kV/35（10） kV/400 V斷路器（開關柜、配電柜），1500 V直流開關柜，110 kV油式變壓器，整流變壓器，整流器等電力電子裝置，接觸網等設備。大部分牽引變電站都是類似的系統架構和設備組成。

圖1 軌道交通牽引變電站設備系統Fig.1 The metro power supply system

基于大數據的城市軌道交通供電設備運維管理系統的目的就是針對大量的上述設備進行科學高效的管理，有效的利用其數量的優勢，形成大數據系統，提供更精確、可靠的運維服務。

2 大數據系統設計

基于大數據的城市軌道交通供電設備運維管理系統分為在線數據采集、數據集成管理和數據分析利用三個部分，如圖2所示。系統通過帶電監測、在線監測和離線監測等手段采集軌道交通供電設備的全面數據，結合已有的變電所PSCADA、LMIS和其他數據系統，形成實時數據庫和離線數據庫，共同構成供電設備的全生命周期數據。對這些數據形成的大數據進行分析利用，通過實時報警和趨勢分析進行故障實時預警，通過狀態評估系統預估設備壽命、故障率并進行故障統計和維修指導，結合BIM（Building Information Management）系統進行可視的模擬維修指導，并進一步通過內網、外網或移動終端進行遠程服務，實時的為現場運維監控人員提供科學的參考[5]。

圖2 大數據系統架構圖Fig.2 The structure of the big data system

2.1 在線數據采集系統

合理、有效的在線設備狀態信息監測系統是及時發現和評估設備運行問題的重要前提。城市軌道交通供電設備復雜，高、中、低壓各等級設備眾多，交流、直流混合，運行負荷波動大，常運行于以高濕為代表的惡劣環境，且有牽引整流產生的諧波，此外，還包含直流牽引系統特殊設備，針對這些問題，需對不同設備的原理量身定做相應的在線監測裝置。

針對不同類別軌道交通供電設備的原理，設計并定制了如下在線監測裝置：

（1） 110 kV油變監測：油色譜監測（變壓器在線油色譜分析裝置，9種成分：甲烷、乙烷、乙炔、乙烯、氫氣、氧氣、氮氣、一氧化碳、二氧化碳）；鐵芯（含夾件）電流（采用變壓器鐵芯及夾件安裝電流傳感器）；微水（集成中在線油色譜分析裝置中的微水傳感器）；局放（采用高頻HF傳感器來監測局放信號）等。

（2） 110 kV GIS監測：SF6氣體監測（采用微水密度傳感器、帶溫度測量的智能壓力變送器監測SF6氣體微水、溫度、壓力）；斷路器機械特性監測（監測分合閘線圈二次回路電流）；避雷器泄漏電流、放電次數（采用避雷器監測傳感器監測避雷器接地線中總泄露電流大小）；局放監測（采用高頻HF、超高頻UHF、超聲波AE傳感器來監測局放信號）；110KV 互感器局放（采用高頻HF、超高頻UHF傳感器來監測互感器局放信號）；環境溫濕度（室內環境溫濕度監測）等。

（3）中低壓交直流開關監測：斷路器（33 kV C-GIS、DC1500 V直流開關柜）機械特性監測（監測分合閘線圈二次回路電流）；局放（33 kV C-GIS、AC 380 V開關柜）（地電波TEV傳感器來監測局放信號）；SF6氣體壓力監測（33 kV C-GIS）；溫度監測（DC1500 V直流開關柜、AC380 V開關柜）（光纖溫度監測）；直流設備（DC1500 V直流開關柜）框架絕緣監測（采用在直流設備框架單點接地線穿心安裝電流傳感器來監測泄漏電流）；環境溫濕度等。

（4）干式變壓器監測：局放監測；空載電流監測（輸入側加高精度CT測量空載電流）；環境溫濕度；振動監測（運行聲音監測）等。

（5）整流柜監測：溫度監測（對橋臂、電纜接頭進行溫度監測）。

（6）電纜監測：局放監測；溫度監測（采用光纖實時監測電纜溫度，電纜全線每隔一段距離布置一個測溫點）。

（7）接觸網監測：溫度監測（采用光纖對絕緣子發熱情況實時監測，間接反映絕緣子泄漏電流）；接觸網絕緣監測（通過直流饋線空載時的泄漏電流監測，反映饋線電纜和接觸網的絕緣情況）。

以上監測裝置可實時全面的采集軌道交通供電系統設備的狀態信息，為及時發現設備運行中的異常情況和評估設備運行狀態提供了有力支撐。

2.2 數據集成管理系統

在軌道交通供電系統的實際運行過程中，不僅可產生海量的在線的設備狀態信息數據，也會產生眾多的變電所運行數據（PSCADA），設備出廠、維修記錄數據（LIMIS）和一些特殊的偶然的事件數據。有效的集成管理這些海量數據是運用大數據進行故障預測、狀態評估，提升軌道交通供電設備運維管理水平的重要前提。因此，建立B-SCADA實時數據庫系統對供電系統數據進行管理[6-7]。

B-SCADA實時數據庫系統（以下簡稱B-SCADA）是以實時數據庫為核心的企業數據信息應用和分析解決方案，B-SCADA可以提供數據采集、實時數據服務，并支持海量歷史數據存儲和檢索，生產現場圖形組態和WEB方式發布圖形系統。

企業可以通過系統提供的數據訪問接口和API對數據進行調用和深入的分析挖掘。

系統采用類似旋轉門的分段壓縮方式，壓縮精度可配置。高效的歷史數據索引和使用LZO實時壓縮TCP數據報文，使得B-SCADA實時庫是目前最快的實時庫。在100 M網絡上，標簽服務秒可提供28萬個標簽屬性記錄服務，數據服務每秒可提供100萬條歷史數據記錄服務。內置歷史緩存和歷史預讀為多客戶并發歷史服務提供優異的檢索和查詢統計性能。

B-SCADA實時庫具有極高的數據可靠性。它支持實時庫的冗余、實時備份、數據災難恢復功能。

整個系統可分為數據采集、實時數據庫、數據應用三部分：

（1）數據采集

B-SCADA中的數據采集驅動rdbdac，支持下傳控制命令。將從現場網絡采集的數據寫入實時數據庫。為了后續便于擴充特殊協議的設備，系統采用了動態加載驅動的方式。與2.1所述的在線數據采集系統相銜接。

（2）實時數據庫

實時數據庫負責數據實時和歷史服務。采用基于TCP協議的應用層協議，使用類似旋轉門的分段壓縮和LZO實時壓縮傳輸，極大的節約網絡流量資源。索引機制和PI實時庫類似，檢索效率和歷史數據的規模基本無關。

（3）數據應用

數據應用主要是本系統提供的圖形組態軟件。包括組態軟件pvedit（Process View Edit），運 行 客 戶 端 pvrun（Process View Run） 和WEB圖形運行客戶端pviectrl（Process View IE Control）。其中組態軟件基于圖形動作觸發機制，支持腳本、標準控件、OCX控件、PV插件、實時/歷史趨勢曲線、棒圖、餅圖、XY_PLOT曲線。也可采用腳本或者使用PV插件擴充復雜的專用數據分析界面。通過這些軟件功能，將針對實時數據庫的數據挖掘和分析研究結果進行展示，使得信息可視化，更直接的被感知利用。

B-SCADA系統的具體架構如圖3所示。現場采集的數據通過MODBUS等設備經過現場網絡傳至現場數據服務器進行處理，結合實時庫、備份庫，通過圖形客戶端、IE客戶端、第三方應用等方式，為現場或遠程運維人員提供服務支持。

圖3 B-SCADA系統架構圖Fig.3 The structure of B-SCADA

結合數據采集和數據集成部分，最終形成的軌道交通供電設備數據管理系統的數據流向圖如圖4所示。一個變電站內的全部在線或離線運行狀態數據（如斷路器示波系統、油氣監測系統、光纖測溫系統、LIMS系統等），經由不同的途徑（如API、Modbus、IEC104、UDP等）寫入在線或離線數據庫，最終將所有車站的狀態信息數據庫進行集成，形成城市軌道交通供電設備狀態信息的大數據庫，以便于后續的數據研究利用。

圖4 供電系統數據流向圖Fig.4 The flow diagram of power system data

2.3 數據綜合分析系統

為了使經由各種途徑搜集而來的數據，更好的服務于地鐵供電系統管理工作，需依據設備機理模型、統計模型及數據驅動模型對城市軌道交通供電系統搜集的海量數據進行研究分析，使得設備的狀態信息數據真正的“可感”、“可視”、“可用”，從而實現精準的故障預警、故障定位功能，進一步指導設備基于可靠性的維修工作，并亦通過壽命預測和故障率推算為設備的資產管理工作提供參考[8-11]。

數據綜合分析系統的基本功能如下：

（1）實時故障預警

當牽引供電設備正常工作時，安裝在設備上的監測裝置所測量的指標應處于一個合理的范圍區間。因此，可以對大部分監測裝置取得的數據設立一個科學的閥值，當監測裝置取得的數據超過閥值時，系統進行在線實時預警。

（2）多維信息狀態診斷

針對某些重要設備如變壓器、GIS，在其上通過多種不同方式布設了眾多的指標監測裝置，這些指標信息共同反應了設備的實時運行狀態。采用多指標綜合評估、專家系統、人工神經網絡等方式，全面利用這些指標，可對重要設備的實時運行狀態進行更準確的判斷，指導現在及將來一段時間內的運維檢修決策[12-15]。

此外，系統可以通過基于大數據驅動的機器學習模型，分析學習現場的海量多維監測數據，更快速精準的發現異常的實時數據，更有效的指引工作人員進行發現和巡視現場設備的異常狀態。

（3）壽命預估

通過大數據系統，可以完整的積累一個設備從投運到現在的全部運行狀態數據，通過這些數據可以進行更準確的壽命老化/損耗分析，從而可以更精確的推算設備的預期服役壽命及故障率，指導設備的采購及退役管理等資產管理工作。

（4）BIM系統

通過BIM（Building Information Management）對供電設備進行建模，將供電設備整體分解為各個零部件，并通過動態展示，指導現場工作人員的維修。

3 系統實施

系統在廣州地鐵嘉禾望崗牽引供電所得到了實施。全所對局放監測系統、光纖測溫系統、油氣監測系統、室內溫濕度監測系統、直流母排漏電電流監測、主所PSCADA系統、牽引所PSCADA系統進行數據集成，共采集7701個數據點，模擬量4004個，開關量3697個，并統合了LIMS設備維修系統、設備出廠資料、例行診斷性實驗等數據。系統現場實際情況如圖5所示。各系統的畫面可在同一監控室進行監控。

圖5 系統現場圖Fig.5 The figure at the crime scene

各子系統的詳細界面如圖6所示。圖（a）為系統管理層界面，當某一站的某個設備發生異常時，監控人員會在從此地鐵線路管理界面得到提示，并可以逐步從某一地鐵線路、地鐵站、地鐵。圖（b）為狀態評估界面，利用各種方式采集的數據經過模型計算后得到的可靠性結果會在此展示。圖（c）為在線監測系統界面，可通過此了解到各在線監測裝置的實時具體數據。圖（d）為BIM界面，可進行具體設備拆解，并對故障點快速定位。

圖6 各子系統界面Fig.6 Subsystem interface

為了使得新一代的地鐵變電所運行管理系統更加的完善和智能，系統計劃后續在實現一次設備狀態監測和狀態修的基礎上，拓展二次設備的狀態監測，接入設備維修管理系統、能源管理系統，預留與機電設備監測接口，使得對變電設備的信息搜集更全面，并依據深度學習、強化學習等大數據處理方法，使得系統可以隨著數據的積累自發的優化完善。

4 結語

隨著在線監測技術、信息化技術和大數據技術的日益發展，如何使這些技術更有效的為地鐵公司服務是一個受到高度重視的問題。地鐵設備大數據運維管理系統的應用，能有效利用這些技術在線實時的監測軌道交通供電設備的狀態，實現精準的異常預警和故障預測，有效的提升了地鐵交通系統供電設備的管理水平，使得現場設備的運行維護更加實時、準確，眾多設備的資產管理更加的經濟高效。

[1] 劉世棟, 李炳林, 王瑤. 智能電力IMS網絡架構及實現技術研究[J]. 電力信息與通信技術, 2015, 13(11): 25-30.LIU Shi-dong, LI Bing-lin, WANG Yao. Research on architecture and implementation of intelligent power IMS network[J]. The Journal of Electric Power Information and Communication Technology, 2015, 13(11): 25-30.

[2] 黎建輝, 沈志宏, 孟小峰. 科學大數據管理: 概念、技術與系統[J]. 計算機研究與發展, 2017, 54(2): 235-247.LI Jian-hui, SHEN Zhi-bong, MENG Xiao-feng. Scientific Big Data Management: Concepts, Technologies and System[J]. Journal of Computer Research and Development, 2017, 54(2): 235-247.

[3] 錢彬, 林燕. 地鐵設備維修管理系統及其運營管理功能[J]. 精密制造與自動化, 2012(2): 38-40．QIAN Bin, LIN Yan. Maintenance management system of subway equipment and its operation and management function[J]. Precise Manufacturing & Automation, 2012(2):38-40．

[4] NORMAN D A. The Design of Everyday Things[J]. Design of Everyday Things, 1988, 26(4): 166.

[5] 向宇. 設備備件管理及預防性維護管理系統設計與實現[D]. 西安: 電子科技大學, 2015.XIANG Yu. Design and realization of spare parts management[D]. Xi An: University of Electronic Science and Technology of China, 2015.

[6] 周杰. 基于CAN總線煤礦帶式輸送機運行狀態監控系統設計[J]. 新型工業化, 2017, 7(6): 57-61.ZHOU Jie. Design Monitoring System of Coal Mine Belt Conveyor Operation State Based on CAN Bus [J]. The Journal of New Industrialization,2017, 7(6): 57-61.

[7] 鄒誼, 湯漢伊, 李銳, 等. 基于IMS行政交換網的國家電網財務數據集中管理系統的設計與實現[J]. 新型工業化, 2017, 7(4): 49-54.ZOU Yi , TANG Han-yi , LI Rui , et al. Design and Implementation of Financial Data Management System Based on IMS in Administrative Exchange Network[J]. The Journal of Electric Power Information and Communication Technology,2017, 7(4): 49-54.

[8] 李清鋒, 孔明茹, 黃英來. 基于高可用云計算的中國智慧林業大數據系統探究[J]. 世界林業研究, 2017(6): 63-68.LI Qing-feng, KONG Ming-ru, HUANG Ying-lai. Research on System for China’s Intelligent Forestry with Big Data Based on High Availability Cloud Computing[J]. World Forestry Research, 2017(6): 63-68.

[9] WANG Y P, GE J H, SHAO J P, et al. Research for Data Exchange Technology of Heterogeneous Database Based on XML[J]. Key Engineering Materials, 2009(392-394): 903-907.

[10] SCHEURWEGS E, LUYCKX K, LUYTEN L, et al. Data integration of structured and unstructured sources for assigning clinical codes to patient stays[J]. Journal of the American Medical Informatics Association Jamia, 2016, 23(e1): e11-e19.

[11] CHO S E, PRAK H W. Government organizations’ innovative use of the internet: the case of the twitter activity of South Korea′s Ministry for Food ,Agriculture,Forestry and Fisheries[J]. Scientometrics, 2011, 90(1): 9-23.

[12] 張晗, 常安, 王奇, 等. 基于多源信息的變壓器狀態評價方案研究與應用[J]. 高壓電器, 2016(2): 19-27.ZHANG Han, CHANG An, WANG Qi, et al. Research and Application of Transformer Condition Evaluation Model Based on Multi-source Information[J]. High Voltage Apparatus, 2016(2): 19-27.

[13] 李宇, 張國鋼, 耿英三. 基于模糊理論的高壓斷路器狀態評估研究[J]. 高壓電器, 2007, 43(4): 274-277.LI Yu, ZHANG Guo-gang, GEN Ying-san. The Condition Assessment Method for HV Circuit Breakers Based on Fuzzy Theory[J]. High Voltage Apparatus, 2007, 43(4): 274-277.

[14] 黃山山, 祝唯, 王亞東, 等. 基于負載率和健康狀態的高壓XLPE電纜可靠性評估模型[J]. 電測與儀表, 2017, 54(24): 42-49.HUANG Shan-shan, ZHU Wei, WANG Ya-dong, et al. Development of high voltage XLPE cable reliability assessment model based on load rate and health status.[J]. Electrical Measurement&Instrumentation, 2017, 54(24): 42-49.

[15] 林勇,徐欽煒,張俊強,等. 基于ECP的軌道交通直流牽引供電系統開關狀態評價算法[J]. 電力系統保護與控制, 2018, V46(5): 16-24.LIN Yong, XU Qinwei, ZHANG Junqiang, et al. Status evaluation algorithm of DC traction power supply system switchgear based on ECP for rail transit[J]. Power System Protection and Control, 2018, V46(5): 16-24.