利用大數據進行接觸網供電故障分析的思路

摘 要： 隨著地鐵運營里程增加，導致接觸網發生供電故障的原因越來越多。通過對接觸網供電故障的調查分析，發現不同的故障原因之間具有區別于其他原因的特征，利用大數據建立接觸網供電故障分析方法，對當前故障進行相似度對比，得出可能故障的概率，為運營人員故障處理提供參考，從而加速故障的排查，減少對地鐵運營的影響。

關鍵詞： 地鐵;接觸網;大數據;故障

隨著城市軌道交通線路增多、既有線路設備老化、地面高架里程增加，接觸網供電故障也隨之增多，本文通過對接觸網供電故障的原因及其特征進行分析，運用大數據對比方法對所內設備故障、接觸網本體短路、非供電設備故障進行區分。

1 故障數據統計

對35起接觸網供電故障的發生位置、故障原因、故障數量、故障占比、專業占比進行梳理統計，如表1所示：

從表1可以看出造成接觸網供電故障的原因比較復雜，但按發生位置可分為接觸網本體、變電所內、非供電設備3類，其中接觸網本體占比為31%，變電所內占37%，非供電設備占31%。由于對接觸網本體故障、變電所內設備故障和非供電設備故障的處理方法不同，且對行車及供電調度的影響程度也不一樣（通常接觸網本體故障對運營影響最大，變電所內設備故障和非供電設備故障影響次之）。因此，通過對接觸網供電故障進行識別，可有針對性地采取應急措施，減小接觸網供電故障對運營造成的影響。

2 數據特征采集

根據文獻[1]證實了運用SCADA監測，通過關鍵運行特征變化來實現區域穩定判別和預測是可行的。本文所引用的特征數據全部通過SCADA監控系統進行采集，通過采集接觸網供電故障發生時的保護、OVPD及重合閘的動作情況，分析歸納故障發生在不同位置時的特征規律。接觸網供電故障數據特征采集情況如表2所示：

3 建模思路

選擇保護動作情況作為數據特征參數是因為保護動作與故障的關聯性強，通常構成雙邊供電的接觸網兩側保護同時動作時（除被聯跳），由于兩個變電所兩臺不同的保護裝置同時發生故障的可能性很低，所以這時可以確定發生了短路故障。但對單邊供電或發生一側保護動作另一側被聯調的情況則不能判斷是發生了真實的故障還是保護誤動作。

根據文獻[2]確定鋼軌電位與雜散電流呈現一定的關聯性，當發生短路故障時，隨著電流大增，雜散電流也將增加，此時會造成鋼軌電位的升高，為了保證人身及設備的安全OVPD將動作合閘。因此，可以利用OVPD的動作情況來判斷保護動作時是否真的有大電流通過，從而判斷是真實故障還是保護誤動。

通過自動重合閘的動作情況可以判斷故障的嚴重程度，是瞬時故障還是永久性故障。如果自動重合閘不成功，電調結合倒閘操作及電客車升降弓，逐步對變電所上網電纜、接觸網、電客車進行試送電，可以判斷出故障位于變電所內、接觸網、電客車三者中的哪一部分。

4 運用模型對數據進行分析

根據建模思路分別統計對比接觸網本體故障、變電所內故障、非供電設備故障時保護、OVPD及重合閘的動作數據（不計故障前OVPD已在合位的數據），如表3所示：

通過對比分析發現當保護（除框架保護）與OVPD同時 動作的情況下接觸網本體故障占66%，非供電設備故障占34%，所內設備故障占比為0;當只發生框架保護或大電流脫扣或被臨所聯跳或無任何動作報文的情況下開關跳閘，則所內故障占比達100%，接觸網本體故障和非供電設備故障的占比為0;當開關刀閘均在合位出現無網壓的情況，接觸網本體（上網開關未 閉合）占比達100%，所內故障和非供電設備故障的占比為0;? 熱過負荷保護動作的情況下接觸網本體故障和所內故障占比分別為50%，非供電設備故障的占比為0;當保護動作而OVPD未動作的情況下接觸網本體故障占比9%，所內故障占比27%，非供電設備故障的占比64%。不同保護和OVPD動作情況下的故障位置占比如表4所示：

5 結論及討論

利用大數據對比分析的方法進行接觸網供電故障判斷的思路是可行的，隨著數據積累量的提升，不同故障的特征將更加明確。OVPD動作情況對分析模型的建立起到關鍵性的作用，如果故障前OVPD就在合閘狀態則無法區分保護誤動和真實故障。數據模型的準確性對錄入數據的準確性要求較高。分析結果均為概率性事件，所以為了防止接觸網故障小概率事件的發生，在故障發生后應及時對接觸網、受電弓、區間限界情況進行檢查，運營結束后對接觸網進行全面排查，消除安全隱患。

參考文獻：

[1]管霖，王同文，唐宗順.電網安全監測的智能化關鍵特征識別及穩定分區算法[J].電力系統自動化，2006，30（21）：22-27.

[2]宋奇吼，楊飏，童巖峰，潘世航.南京地鐵1號線軌電位異常的抑制方法[J].城市軌道交通研究，2018，21（4）：114-118.

作者簡介： 黃濤（1982—），男，漢族，本科，工程師，研究方向：軌道交通供電系統運維管理。