多故障環境下的鐵路通信中斷饋線自動化處理技術

楊玉修

（中鐵第一勘察設計院集團有限公司，西安 710043）

引言

我國鐵路交通和城市軌道在近幾十年來得到快速發展，其自動化發展水平已經世界領先[1]。在鐵路交通智能化發展過程中中，鐵路通信已經成為信息傳輸和信息處理的重要樞紐，但是因為鐵路通信線路雜亂繁多，具有一定的復雜性，容易出現通信中斷的現象，導致線路發生饋線中斷故障[2]，為了使鐵路通信設備能夠在鐵路運行的過程中可以正常工作，需要對多故障復雜環境下的鐵路通信中斷饋線進行有效處理。關于這個問題，相關學者也提出了一些行之有效的方法。

李一雷[3]等人提出船舶通信定位信號短時中斷插值預測模型構建方法，該方法首先對通信信號的中斷插值預測缺點進行描述，分析出通信信號發生短時中斷故障是隨機的，通過對通信信號中斷故障數據進行采集，將其看作成一種時間序列數據，利用粒子群算法優化支持向量機對這些數據進行建模，完成對通信中斷故障的預測，該方法沒有對通信中斷信號進行故障檢測，導致沒有獲取出現故障的主要因素，存在鐵路通信中斷饋線接線準確率低的問題。

孫亞非[4]等人提出基于感知學習算法的地鐵通信故障研究方法，該方法利用感知學習算法解析了列車中的大數據，通過AP時間狀態曲線圖對列車中的運行狀態進行統計，同時以可視化形式展現出來，并將地鐵公司提供的真實數據對通信故障預測方法進行驗證，最終實現對地鐵通信故障的研究，該方法沒有采用DSSA方法對鐵路通信中斷進行故障檢測，導致對多個鐵路通信中斷饋線出現故障的原因不夠明確，存在電磁干擾預測準確率低的問題。

左光[5]等人提出類X-37B升力體再入飛行通信特性中斷研究方法，該方法將飛行器再入到通信飛行測量數據中，并對通信特性和通信方法進行校驗，對飛行器開展了等離子體鞘套數值仿真，從中分析出通信電磁波衰減特性，采用高頻段電磁波Ka波段通信方式對通信中斷現象進行解決，實現鐵路通信的處理，該方法沒有檢測鐵路通信多個中斷故障，存在鐵路通信故障漏報率多的問題。

以上方法在多故障環境下，存在諸多問題。為了解決上述方法中存在的問題，提出多個故障環境下的鐵路通信中斷饋線自動化處理技術方法。

1 鐵路通信中斷饋線建模與故障檢測

1.1 鐵路通信中斷饋線能量泄露特征分析

從電力能量角度上看，鐵路通信主要通過配電系統對電能進行分配和傳輸[6]，其中包括電源、斷路器、母線、饋線等重要設備，除此之外還需要多個傳感器對鐵路通信中的電流電壓監測。

根據分配的電能傳輸，獲取與電能傳輸相同的網絡：

1）設置G為鐵路通信的配電網絡，該網絡通過若干個傳感器組成一個區域，這個區域也是鐵路通信能量網絡中的任意節點，傳感器就是鐵路通信能量網絡中節點的邊，其中節點與節點間相互輸送的能量就是邊的權值。若確定了能量流動的方向，也就確定了邊的方向，這樣就可以獲取G所對應的鐵路通信能量網絡G*。

有限非空節點集合V和邊集合E組建成能量網絡G*，即有項加權圖，其中G*=（V，E）。若V={v1，v2，…，vn}是節點的集合，那么vi，vj∈E時，就是有項加權圖G*中有序對（i，j）的邊，定義為eij。

此時節點vi輸送能量到節點vj，那么它的方程定義為：。式中，描述的是傳輸的能量，在t時刻節點i和節點j輸送電能的過程中產生的功率就用表示。d為傳感器的采樣周期，主要用來確定t0到t1的時間長度。

式中：

鐵路通信配電網及其能量網絡主要由一個單電源和若干段饋線構成[7]，使用兩個傳感器對鐵路通信配電網進行分割，劃分成3個區域，并與能量網絡中的3個節點相互對應，如圖1所示。

鐵路通信網絡AG的矩陣表達式為：

通過步驟（1），可以把鐵路通信能量網絡中的節點作為傳感器劃分的區域。在鐵路通信能量網絡中的任意節點就是ivV? ∈ ，它的輸入總能量在特定的時間內就是，而就是它的輸出能量。按照能量守恒定律，，以此減少電能在傳輸過程中產生的損耗，但是差值不能超過損耗的上界，即：

式中，在節點iv中能量的損失上界用iε來描述。

根據上述規則，各個節點在圖1中的節點能量平衡方程就是：

圖1 鐵路通信簡易能量網絡和電源配電網

2）在鐵路通信能量網絡中，還存有從其它地方來源的能量，也就是節點能量注入；同時也有其余能量輸出，被稱作節點能量泄露。

通常來說，鐵路通信電源中對地短路或相間短路也會對節點造成影響，出現能量泄露的情況，也就是能量在傳輸過程中沒有正常的輸送路徑[8]。

1.2 多故障環境下鐵路通信中斷故障檢測

在得到泄露特征的基礎上，采用DSSA方法對鐵路通信網絡進行故障檢測[9]。DSSA方法具有在線監控階段和離線建模階段兩部分。

1）離線建模階段

①X∈Rn×m的訓練集中，各個故障樣本xi都可以在X內找到k個近鄰。

③在距離空間中，id是樣本，w描述的是窗口寬度，i描述的是樣本序號，那么一階統計量均值(μi)為：

二階統計量方差(vi)定義為：

高階統計量偏斜度skewnessi定義為：

高階統計量峰度kurtosisi用方程定義為：

采用移動窗口技術對式（6）、式（7）、式（8）、式（9）進行不同階次的各個窗口子集統計量計算。

④si=[μiviskewnessikurtosisi]統計量樣本空間可以在距離空間中取得樣本id的主要表達形式is，完成距離空間D∈Rn×k到統計量樣本空間S∈Rn-w+1×4k的轉換。

⑤統計量樣本空間可以采用PCA分析方法解析，主要提取空間內的主成分，從而獲取復合矩陣[10]。

2）在線監控階段

①為newx新樣本在故障訓練集X中找尋k個近鄰。

②樣本xnew在=dik-djk和di=進行計算，從而獲取距離空間內的表達式newd。

③第一個窗口中缺失的故障數據子集需要通過wl-個正常樣本填補，利用移動窗口技術對新樣本進行運算，并獲得監控統計量值news。

④計算news，對比統計量2T和SPE的控制限，判斷整個過程中是否有故障發生。

⑤假如沒有故障發生，就需要把移動窗口前移一個樣本，進行下一次監控；假如存在故障，就會自動發出警報。

2 鐵路通信中斷饋線自動化處理

2.1 故障定位

1）鐵路通信中斷故障定位

當鐵路通信線路出現故障時，若故障電流被檢測到，就發送“1”作為信號，若沒有檢測到故障電流，可以發送“0”信號，由鐵路通信主站對這些信號進行接收，并離散接收的信號，所以需要判斷出現故障的區間，對其進行定位。

采用改進的二進制灰狼優化算法對鐵路通信中斷饋線進行故障定位，在該算法中，維數就是饋線的總數目、個體位置就是饋線目前的狀態，也就是“0”或“1”。通過反復迭代，使用適應度函數評價灰狼個體位置的好壞，達到及時對灰狼的全局最優位置和個體位置進行更新的目的。在算法中，狼群的最優位置就是鐵路通信饋線的實際狀態，因此獲取最優位置后，就可以對故障位置進行判斷。

2）適應度函數

鐵路通信中斷饋線的實際狀態信息與實際上傳的故障信息誤差小，因此適應度函數如下定義：

式中：

N—故障指示器的數量；

SB—設備狀態，通過“1”表示發生故障，“0”表示設備狀態正常；

Ij—第j個故障指示器中的故障電流信息；

μ—故障診斷權重系數，即μ∈ [ 0 ,1]，要想適應度函數的解準確性高，適應度函數值就要小。

3）鐵路通信中斷饋線自動化處理流程

①設置G為狼群維數，并在鐵路通信饋線中對狼群的維數進行確定，此時N為狼群個體數，它的最大迭代數由T表示。

②對種群進行初始化，并對N個G維的狼群進行隨機生產，即X1,X2,… ,XG，同時用“0”和“1”對灰狼的個體進行組成。

③通過式（11）計算灰狼個體的適應度值，取得最小適應度函數，并對其進行排序，對最優適應度值及其對應位置進行實時記錄。

④灰狼最優個體位置由Xα、Xβ和Xδ進行記錄。

⑤當t≤T時，(t=1,2,… ,n)，

式中：

P—擾動概率；

T—最大迭代次數；

G—維度。

計算后若隨機數3rP≥ ，那么灰狼個體位置可以根據方程X(t+ 1) = (ω1X1+ω2X2+ω3X3)/3計算，

式中：

ω—ω狼；

X1、X2、X3—灰狼個體的位置；

若3rP＜ ，可以通過式子（12）對灰狼個體位置進行更新。

式中：

f(M(t+ 1))—第t+1代對個體M進行擾動；

f(X(t+ 1))—灰狼個體X的目標函數值。

⑥對參數收斂因子A、擺動因子常數C進行更新。

⑦當達到最大迭代次數T時，該算法結束，并獲取全局最優位置。

通過對鐵路通信故障位置進行定位，從中獲取饋線目前的狀態，確定了鐵路通信中斷饋線適應度函數，采用改進的二進制灰狼算法對鐵路中斷饋線進行處理，并記錄適應度函數的最優位置，完成對鐵路通信中段饋線的故障處理，實現鐵路通信中斷饋線自動化處理。

此時它的算法流程如圖2所示。

圖2 鐵路通信中段饋線處理流程圖

3 實驗與分析

為了驗證多個故障環境下的鐵路通信中斷饋線自動化處理技術方法的整體有效性，需要對多個故障環境下的鐵路通信中斷饋線進行測試。

采用多個故障環境下的鐵路通信中斷饋線自動化技術方法（方法1）、電網運維大數據背景下的繼電保護通信系統故障定位方法（方法2）和基于感知學習算法的地鐵通信故障研究方法（方法3）進行有效測試。

對鐵路通信中斷饋線進行處理后，需要對線路末端進行接線，采用三個方法分別對接線的結果進行對比測試，接線的準確率越高說明鐵路通信饋線處理的越好，具體測試如圖3所示。

分析圖3中的數據可知，分別對方法1、方法2和方法3進行5次接線測試，并將接線的結果進行對比，方法1在第一次測試時，它的準確率就要高于方法2和方法3，在接下來的測試中方法1接線的波動軌跡也呈直線上升，可見方法1的接線準確率要優于方法2和方法3。

圖3 鐵路通信饋線接線準確率測試

綜上所述，方法1的接線準確率最高，是因為方法1采用DSSA方法對鐵路通信進行故障檢測，從中獲取了故障因素，提升了饋線接線的精準度，達到接線準確率高的效果。

鐵路通信饋線在運行過程中會受到電磁干擾，采用方法1、方法2和方法3檢測電磁干擾值，并將檢測值與實際值對比，如表1所示。

本實驗共進行10次測試，根據表1中的數據發現，方法1在噪聲干擾下，測量結果與實際結果最接近，表明方法1的電磁干擾值要優于方法2和方法3。方法2在測量期間，電磁干擾值不夠穩定，并且在三個方法中與實際結果的誤差最大，說明方法2的電磁干擾檢測效果差。

表1 實際電磁干擾值與測量電磁干擾值對比測試

通過方法1、方法2和方法3對鐵路通信故障漏報檢測情況進行測試，測試結果如圖4所示。

圖4中，共進行10次檢測，方法1在測試過程中故障漏報率要低于方法2和方法3，方法3的軌跡波動在檢測過程中持平穩上升狀態，而方法2的波動速度過快，并且在第6次測試時故障漏報率超過方法3，說明方法2的故障漏報率要高于方法1和方法3。

圖4 不同方法的故障漏報率測試

下面根據鐵路通信故障漏報檢測的基礎上，對鐵路通信饋線接線誤報個數進行測試，具體測試結果如圖5所示。

由圖5可知，共對鐵路通信中斷饋線進行50次檢測，發現方法1不論經過多少次檢測實驗，誤報個數始終在1次，而方法2和方法3在檢測次數逐漸升高后，誤報個數也隨之上升，但是方法3要高于方法1和方法2。綜上所述，方法1的鐵路通信中斷饋線誤報個數要低于方法2和方法3。

圖5 鐵路通信中斷饋線誤報個數

4 結束語

由于鐵路環境中通信饋線居多，導致鐵路容易出現通信中斷的現象，為了使鐵路通信能夠正常使用，需要處理多個故障環境下的鐵路通信中斷的問題，為此提出多個故障環境下的鐵路通信中斷饋線自動化處理技術方法。經研究發現，傳統的鐵路通信中斷饋線存在接線準確率差、電磁干擾值檢測準確率低、故障漏報率多、鐵路通信饋線接線誤報個數多的問題。根據上述問題，提出多個故障環境下的鐵路通信中斷饋線自動化處理技術方法，首先對鐵路通信中斷饋線進行建模，建模后進行故障檢測，從中得到故障因素，并對饋線進行處理，進而實現饋線自動化處理，提升了該方法的有效性，為以后的鐵路通信設備提供了重要的基礎。