基于云平臺的城市軌道交通能源管理系統

肖 珊 吳 華

(1.中鐵二院工程集團有限責任公司，610031，成都；2.貴陽市城市軌道交通集團有限公司，550081，貴陽 ∥ 第一作者，高級工程師)

目前，各地城市軌道交通的線網級能源管理平臺(以下簡為“線網平臺”)，大多在已建線路級能源管理系統的基礎上搭建，可匯總各線路的能源管理數據，以能耗和能效的統計分析為主要功能；其與線路能源管理系統在業務功能方面有一定程度的重合，相應也有重復建設的部分。一般來說，由不同的承包商承建的各線能源管理系統，其硬件與軟件各不相同，在表計設置、能源軟件界面、系統功能及能耗報表等各方面都存在較大的差異[1]，故在此基礎上建立的線網平臺較難運營維護。為此，本文基于云平臺技術提出新的解決思路。

中國城市軌道交通協會發布的《智慧城市軌道交通信息技術架構及網絡安全規范》提出：軌道交通業務管理模式應由傳統的線網中心、線路中心、車站三級管理，向中心、車站二級扁平化管理轉變。為此，本文通過研究云計算技術與能源管理系統的特點，提出了基于云平臺的能源管理系統解決方案，為線網能源管理系統的搭建提供了思路。

1 線網能源管理系統的結構

1.1 云計算及云平臺

云計算是以虛擬化技術為基礎，以網絡為載體的超級計算，其通過基礎架構、平臺或軟件等服務形式，整合了大規模可擴展的計算、存儲、數據、應用等分布式計算資源來進行協同工作[2]。

云計算的服務模式有IaaS(基礎設施即服務)、PaaS(平臺即服務)及SaaS(軟件即服務)。其中，IaaS模式主要提供計算、存儲、網絡及安全等基本的IT(互聯網技術)服務；PaaS模式主要提供應用運行和開發環境、應用開發組件等；SaaS模式提供解決實際業務的企業應用，并從應用服務過程中理解需求，不斷完善應用解決方案。

針對城市軌道交通特點及安全性需要，各城市大多采用IaaS模式建立線網級的專有城市軌道交通云平臺，以實現多線路、多業務資源共享，按需分配資源服務。PaaS模式提供了針對業務的定制化研發中間件工具，故通過PaaS模式可以更好地搭建上層的SaaS模式應用。根據業務應用的特點，SaaS模式可以個性化、靈活地利用PaaS平臺開發多元化應用服務[3]。云計算技術的使用實現了城市軌道交通運營生產、運營管理、企業管理、建設管理、資源管理等5大領域業務的平臺資源按需分配，以及業務數據信息的實時共享。線網能源管理系統作為線網云平臺的一部分，可直接利用相同的IaaS模式，通過虛擬化技術進行平臺建設。

1.2 線網能源管理系統的硬件架構

基于云平臺的線網能源管理系統(以下簡為“云平臺能源管理系統”)硬件架構可劃分為線網層及車站層兩部分，如圖1所示。

圖1 云平臺能源管理系統的硬件架構

在車站層部分，智能電表、智能水表等能耗采集裝置負責具體能耗數據的采集、存儲和上傳，綜合監控系統和通風空調系統的數據采集裝置負責客流數據、車站環境傳感器數據及通風空調系統設備運行數據的采集、存儲及上傳，協議轉換器負責將車站所有的數據打包傳遞給能源管理系統的線網級服務器。

云平臺能源管理系統在硬件架構中取消了傳統的線路級能源管理層級(即線路層)。傳統線路層包括線路能源服務器、數據服務器及線路級數據采集設備等。云平臺能源管理系統的線網層利用虛擬化的數據服務器、Web服務器和接口服務器，統一顯示線網中不同線路、車站的能耗情況，并進行能耗、能效分析，進而生成線網級分析報告和報表，實現對整個線網用能的全面監管。

對于線路的能源管理業務，云平臺能源管理系統利用能源管理系統B/S(瀏覽器/服務器)架構特點，在線路各個車站增加能源管理云桌面，通過用戶角色權限管理和不同的查詢頁面，顯示查詢每個線路或者不同車站的能耗數據。

云平臺能源管理系統采用線網-車站二層管理結構，取消了傳統的線路層服務，使能源數據直接接入線網級數據庫。大數據技術為這種大量數據的匯總和處理提供了可能。此外，云平臺保證了線網級能源管理系統能根據接入線路的容量需求來對能源進行彈性配置。云平臺能源管理系統更好地利用了云計算的優勢，實現了集約化建設和運營，降低了能源管理系統的建設成本。

1.3 線網能源管理系統的軟件架構

云平臺能源管理系統的軟件包括從現場能耗計量部分到頂層業務應用部分，可分為感知層、基礎設施層、平臺層和應用層(見圖2)。其中，現場的智能電表、智能水表、環境傳感器等屬于感知層，負責數據的采集、存儲和上傳。在傳統服務器和云計算的架構中，感知層的組成及作用基本一致。

圖2 云平臺能源管理系統的軟件架構

基礎設施層、平臺層和應用層分別采用不同云計算服務模式的架構組成。

基礎設施層采用IaaS模式，提供基于云平臺的云計算、分布式云存儲、大數據計算等基礎性服務。

平臺層采用PaaS服務模式所對應的中臺服務概念進行構建。平臺層包括基礎中臺、數據中臺、技術中臺及業務中臺。這些中臺分類是基于綜合監控、安防及能源管理等不同業務中的通用型業務模塊和功能模塊來劃分的。基礎中臺為云平臺能源管理系統的底層基礎開發框架和服務運管管理框架，提供支撐平臺的基礎運行環境，對身份認證、同步服務及數據交換接口服務等進行統一管理，通過開放、共享和標準化使不同軌道交通業務應用可以在同一個平臺上進行開發或者搭建。數據中臺包含了能源管理系統所應用的數據采集和數據存儲(如數據總線處理、Hadoop大數據存儲等)，通過數據服務來實現對數據的封裝和開放，從而快速、靈活地滿足上層應用的要求[4]。技術中臺主要指應用于云平臺能源管理系統的算法技術，如回歸算法、聚類分析算法、機器學習算法等。業務中臺為針對云平臺能源管理系統的業務，利用技術中臺的算法所開發的、SaaS模式所需的定制業務平臺內容。業務中臺包括能耗累積量存儲等實時數據存儲業務、基于神經網絡DNN技術的負荷預測業務、利用聚類分析算法形成的車站聚類業務等。

應用層是平臺架構的最上層，采用SaaS模式，為云平臺能源管理系統的業務應用，主要包含能耗概覽、能耗實時監測、能耗分析、能耗指標分析、能耗平衡分析、能耗相關性分析、電能質量監測分析、能耗報告、報警及事件管理、用能異常診斷以及節能優化控制等業務。

2 SaaS應用

由IaaS和PaaS模式進行開發、封裝的，基于能源管理業務的SaaS應用軟件稱為能源管理系統的SaaS應用。不同于傳統軟件的全集成的架構方式，每個SaaS應用專門處理1個單獨的業務，可作為1個單獨的模塊來設置其與外部數據的接口，以獲取云平臺提供的共享數據，經過業務處理后的數據也會存儲到云平臺中。SaaS應用不僅可應用于云平臺能源管理系統內部，也可用于整個云平臺上的其他業務中。在云平臺能源管理系統中，主要有能耗指標分析SaaS應用、車站耗能聚類分析SaaS應用及節能優化控制SaaS應用。

2.1 能耗指標分析SaaS應用

城市軌道交通的能耗指標主要為線網、車輛段與綜合基地、線路、車站、控制中心等處建筑物及設備設施的能耗指標。這些能耗指標反映了各處建筑物、設施和設備的能效評價指標與指標體系。地鐵車站能耗分類如圖3所示。

地鐵車站能耗指標作為衡量地鐵能耗指標的參考數據，采用基于客流量的人均能耗。

人均能耗=能耗值/客流量

(1)

圖3 地鐵車站能耗分類

各座車站的客流量不同，車站建筑面積也存在差異。為了更好地反映車站建筑面積的差異，在人均能耗計算中引入了配置指標和能效指標。配置指標指人均建筑面積，其反映車站建設的利用率，如式(2)所示。能效指標指單位面積的耗能情況，反映車站設備的利用率情況，如式(3)所示。

根據配置指標和能效指標的意義，可以將人均能耗指標進行分解，如式(4)所示。通過分解后的能耗指標，可從設備、車站環境、客流多個維度來確定地鐵各個系統能耗的情況。

(4)

在能耗指標分析中，車站客流量等數據來自AFC(自動售檢票)系統的數據。相應的輸出指標結果可在云平臺能源管理系統中使用，不僅可用于全線網車站間能耗指標的比對，評價和考核車站能耗，還可以通過數據共享應用于線網的統計分析等業務，作為線網車站評價和評估的一部分。

2.2 車站聚類分析SaaS應用

聚類分析的工作原理是使計算機模仿人的活動，對數據按照某種規則進行分類。聚類識別分析往往用于解釋數據中隱含的、某種表面看不出來的規律和趨勢[5]。

由于車站的結構和形式、所處位置、占地面積、是否為換乘站等因素直接決定了車站能耗的大小，所以運用聚類分析的方法將用能規律相同的車站按同類劃分，進而對比分析不同類別車站之間的用能差別,是一種既簡潔又全面的方法。

本文以貴陽地鐵2號線的云平臺能源管理系統為例，對2號線各車站能耗的逐時數據聚類分析過程進行闡述。首先，從云平臺共享數據中獲取發車對數、車站維護結構、客流量等所需信息，并找出用能特點相同的車站；然后，對平均化后的車站逐日能耗數據進行初步處理，完成車站分類；接著，縱觀各類車站全年逐月的能耗數據，進行車站能耗數據分布分類；隨后，根據地理位置、車站形式及客流量等因素,對各類車站及其能耗的實測數據進行分析，測算不同車站類型的逐月能耗預測數據；最后，根據實測數據得到未來一年的逐月能耗變化情況，進而得知全年變化趨勢。這些聚類分析數據能為地鐵后期運營提供理論依據，并能在運營中合理地選擇發車對數和車站用能控制工藝，在保證安全運行及舒適度的情況下減小能耗。

2.3 節能優化控制SaaS應用

云平臺能源管理系統中的節能優化控制SaaS應用主要是對地鐵通風空調系統進行節能控制。地鐵車站空間大，不僅有多個出入口，還有列車運行隧道。通風空調提供的多余冷量會通過出入口和運行隧道排出，無法通過在站廳站臺堆積來進行降溫，因而車站的冷量輸出變化大，而站廳站臺溫度卻變化緩慢。這是一個典型的“大慣性”系統。通過預測車站的冷負荷需求，可提前控制通風空調系統的冷負荷輸出，既能克服“大慣性”系統的滯后性，又能保證車站環境調控的及時性。

為了準確進行負荷預測，節能優化控制SaaS應用采用了技術中臺的深度神經網絡技術及機器學習算法等，根據影響冷負荷需求的因素(如室外溫濕度、車站客流、通風空調設備固有參數、車站固定維護接口數據等)進行負荷預測計算。根據負荷預測值，節能優化控制SaaS應用通過對通風空調系統的“風水聯調”優化控制，在滿足車站溫濕度環境下，實現對通風空調系統的最優控制。

目前，主流的空調節能優化控制都在車站級進行。而在云平臺能源管理系統中，節能優化控制SaaS應用可以作為線網級應用，從而能利用線網能源大數據的優勢，采集更多的數據樣本用于節能優化控制應用的自學習，提高負荷預測精度。此外，節能優化控制SaaS應用的最終目標是按需調節車站內環境溫度，即按照車站智能環境動態調控應用的要求進行溫濕度控制調節，為乘客提供舒適的環境。

3 結語

云平臺能源管理系統采用線網-車站二層管理模式，有效地結合了云計算及大數據等技術，能夠實現能源管理的高效和彈性部署，可降低線網和線路服務器等的硬件部署成本和維護成本，是線網能源管理系統的發展方向之一。

能源管理是未來在云平臺上打造的“城軌云腦”主要業務領域之一。通過開放的智慧城市軌道交通SaaS生態，將實現資源、數據及算法的開放與共享，助推大數據及人工智能技術在能源管理方面的進一步應用。