基于云網邊端協同的鐵路無人值守牽引變電所運維方案研究

王 通

（華為技術有限公司 中國政企數字政府交通系統部，北京 100077）

隨著電氣化鐵路的快速建設，牽引變電所數量相應增加，所需值班人員的數量及工作強度與要求也隨之提升。且牽引變電所位置相對分散，較為偏僻，易存在安全隱患。中國國家鐵路集團有限公司（簡稱：國鐵集團）于2020年7月發布的《新時代交通強國鐵路先行規劃綱要》（簡稱：規劃綱要）中指出，安全關鍵及高危工種崗位探索應用自動化、機械化、智能化技術，在有人值守崗位推行無人值守、遠程監控，降低勞動強度，減少勞動用工，防范安全風險[1]。同期，國鐵集團先后下發多個文件[2-3]明確無人值守牽引變電所設計標準與工作模式，各鐵路局集團公司也加大了對現有牽引變電所的無人化改造力度。構建標準、規范、安全、易維護的無人值守牽引變電所，對提高鐵路現代化管理水平，推動鐵路高質量發展具有重要意義。

當前，鐵路無人值守牽引變電所利用輔助監控系統，可在線實時監測監控牽引變電所設備運行情況和整體環境，及時發現并控制異常情況。現有方案多已實現利用圖像視頻識別技術判斷現場狀態，并通過輔助監控系統與相關系統聯動，來滿足巡視和安全需求[4-5]。由于設施設備眾多且環境復雜多變，現有的無人值守牽引變電所的運行維護（簡稱：運維）效果還需進一步改善。如何消除日常管理盲區，提供更加智能化的運維方案，是亟待解決的問題。

云網邊端協同作為當前先進的架構理念，已在越來越多的行業中落地，其可通過與先進信息化技術的深度融合，構建開放的立體感知、多域協同、精確判斷和持續進化的智能系統。國家鐵路局在《“十四五”鐵路科技創新規劃》中將云網邊端協同作為前沿技術與鐵路領域深度融合的內容之一進行推動[6]。上述規劃文件都為云網邊端協同與鐵路信息化建設的結合指明了方向。

1 無人值守牽引變電所現有問題分析

1.1 視頻監控設備性能與運維效果不足

鐵路無人值守牽引變電所部署的視頻監控設備涉及室內、室外等多種功能、多種款型的設備，且部署數量大。當前在設備選擇上，仍以傳統的視頻監控產品為主，在事前預警、事中處理、事后取證上還存在不足。例如，由于清晰度不足，變電所出現保護裝置告警時，運維人員只能看到保護面板有指示燈點亮，不能確認所代表的具體含義；斷路器分合閘指示燈發生變化時，無法通過視頻進行確認[7]。同時，大量部署的視頻監控設備使得運維工作量和檢測難度增大，造成故障處理不及時，導致視頻監控的效果未及預期。

1.2 圖像智能分析算法的可用性不足

現有的智能識別算法還無法較好地解決對現場獲取圖像視頻的誤報、漏報情況，尤其是在雨、雪、霧、霾等惡劣天氣下，仍需供電段調度人員通過輔助監控系統提供的“遙視”進行人工干預。牽引變電所需監控的設備設施較多，監控設備提供商往往僅針對單一設備單獨開發智能分析算法，且對實際運行過程中產生的誤報、漏報等價值樣本沒有較好的積累措施，未能形成惠及鐵路牽引變電所需監控的全部設備的智能化分析能力。另外，各牽引變電所進行算法更新時往往需要單獨操作，缺乏統一處理措施。上述情況導致輔助監控系統與其他系統間的聯動機制雖已建立，但由于方案智能化能力不足，并未達到預期的效果。

1.3 網絡通道帶寬難以滿足數據傳輸需求

輔助監控系統通過數據通信網并利用鐵路傳輸系統向線路區間的牽引變電所延伸，相鄰牽引變電所之間的牽引所亭均采用以太共享環網方式，通過傳輸網絡接入臨近車站或通信站，各站點接入帶寬多為20 Mbps，各車站、通信站、供電段、鐵路局集團公司間信息交互利用承載6C業務的虛擬專用網（VPN，Virtual Private Network）信道，供電段和鐵路局集團公司接入數據通信網的帶寬多為100 Mbps。數據傳輸通道上資源的不足已成為牽引變電所運維智能化提升的瓶頸之一，鐵路專用通信網絡也需支持更加豐富、靈活的終端接入方式。

1.4 采集數據缺乏有效價值挖掘

通過部署攝像機、巡檢機器人、傳感器、動環測控裝置等方式可在一定程度上獲取大量的牽引變電所現場數據，但所采集的數據只用于業務處理，并未進行深入分析和價值挖掘。 需進一步采用泛在感知、智能監測、增強現實、智能視頻、事故預測及智聯網等技術，實現預測性運維、主動性安全防控和智能化經營管理[8-9]。

2 云網邊端協同架構應用

2.1 云網邊端協同概述

隨著計算、存儲和網絡技術的持續演進，面向客戶和業務的個性化需求，需靈活高效地支持計算、存儲和帶寬等資源在各類終端形態、組網模式下，在云網邊端的有效分布和智能協同。云網邊端協同主要通過網絡在云、邊、端的高效分布和智能協同，實現計算和存儲等資源利用的效率和效益最大化，有效平衡整體的性能和成本[10]。

2.2 無人值守牽引變電所運維方案設計

2.2.1 架構設計

基于云網邊端協同的鐵路無人值守牽引變電所運維方案整體架構，如圖1所示。

圖1 基于云網邊端協同架構的無人值守牽引變電所運維方案整體架構

（1）端

在牽引變電所部署視頻監控攝像機、巡檢機器人、環境或設備的傳感器、報警器等感知終端，采集牽引變電所的實時運行狀態，形成全方位的智能終端感知體系，為整個方案提供數據來源。

（2）邊

通過部署在邊緣計算服務器上的邊緣節點管理程序及相應的邊緣應用，增強云端交互，通過下沉云側算力，大幅節省云側資源和信息化建設成本，并通過縮短傳輸路徑進一步提升計算速度和響應速率，為端側感知數據提供實時分析和處理能力。

（3）網

通過基于5G的下一代鐵路移動通信（5G-R）、數據通信網、分組增強型光傳送網（OTN，Optical Transport Network）、吉比特無源光網絡（GPON，Gigabit-Capable PON）及相應業務承載網等多種鐵路專用通信網絡為端、邊、云提供廣覆蓋、高可靠、低時延的傳輸通道，加速數據流轉。

（4）云

云是整個方案架構的“大腦”和決策系統，是海量數據的匯聚點，不僅提供計算、存儲、網絡等基礎設施資源，同時提供數據使能、應用使能和人工智能（AI，Artificial Intelligence）使能等服務，構建集數據匯聚、智能分析、場景應用于一體的“數據+AI”的一體化信息集成平臺，讓數據和AI能力持續積累，不斷學習和改進，幫助鐵路局集團公司及站段快速構建牽引變電所的數據資產，打破數據孤島，實現數據匯集，并通過將AI引入業務系統，輔助牽引變電所的智能化運維。

（5）智能應用

智能應用是整個方案的價值呈現，基于云所提供的基礎使能能力，提升數據采集與監視控制（SCADA ，Supervisory Control And Data Acquisition）系統、輔助監控、視頻監控等無人值守牽引變電所所需業務系統的智能化程度，持續匹配智能化運維需求，實現牽引變電所運維提質、降本、增效。

2.2.2 數據流向分析

云網邊端協同實現數據、應用、算法、管理等方面的多維協同，提供分布式算力，匹配不同業務場景對算力、交互時延的需求。基于云網邊端協同的無人值守牽引變電所數據流向，如圖2所示。

圖2 基于云邊協同的無人值守牽引變電所數據流向分析

部署在無人值守牽引變電所的攝像機、傳感器等設備實時記錄變電所設備設施及環境運行狀態，部署在牽引變電所的邊緣計算設備從端側獲取數據進行智能識別，并進行本地存儲。識別后存在異常的結構化數據可利用鐵路專用通信網絡提交至一體化信息集成平臺，由鐵路局集團公司/供電段調度中心的供電調度進行響應和處理。其中，在運維過程中發現的漏報、誤報數據可由AI訓練開發平臺進行模型訓練并下發至邊緣智能平臺，提升對現場數據處理的精度，可利用長期積累的運維大數據對設備運行過程中的異常進行判斷，并提供智能化的處理措施。

3 場景實現分析

3.1 前端智能提升環境適應性

無人值守牽引變電所涉及眾多具體場景的監控需求，例如，視頻監控需對牽引變壓器油位刻度、戶外高壓斷路器的分/合指示牌、隔離開關運行狀態、戶內高壓開關柜分合指示牌、開關柜指示燈、避雷器動作計數器、氣壓表等各類儀表讀數進行識別；巡檢設備需判斷被檢設備外觀是否完好，有無傾斜、破損、膨脹、變形、漏油、冒煙、起火等情況。

隨著前端設備芯片計算能力的日趨提升，對視頻監控的智能分析已前移，視頻前端設備的圖像處理能力、人工智能程度不斷提升，推動了前端設備從“單維數據采集”到“多維數據感知”的轉變。

（1）前端分析可最大化利用攝像機智能算力效能，算力性價比相對純后端模式提升30%～60%，減輕邊緣節點的算力壓力。

（2）前端智能部署可對海量數據進行初步的智能化篩選，把價值數據提取后送到后端，進行判斷和綜合分析處理，有利于保障業務的實時性，提升系統的響應效率。

（3）前端智能設備通過輕量化容器技術構建面向多算法的集成框架，讓各算法獨立運行，實現算法的快速加載與在線迭代，提供面向行業應用場景的智能能力選擇，同時，前端智能算法還可根據現場環境變化實時調節攝像機圖像信號處理（ISP，Image Signal Processing）參數，增強圖像質量，適應牽引變電所復雜的工作環境。

視頻監控的前端智能在鐵路領域已得到逐步推廣，例如，基于“雷視擬合”算法的周界入侵報警系統[11]通過端側和邊側智能實現對軌旁數據的實時感知和分析，實現智能從中心向端側和邊側的延伸。

3.2 邊云協同滿足算法可用性

牽引變電所監測檢測場景眾多，無人值守的工作模式要求智能分析算法能夠提供更加精準的識別能力，適應各類惡劣天氣，滿足“零漏報”和“低誤報”的運維要求，避免因關鍵異常信息的漏報、誤報導致現場安全事故的發生。

智能分析算法的應用需要海量樣本的支持，在無人值守牽引變電所的運維過程中發現的漏報或誤報數據，尤其是小概率數據樣本，對提升算法能力至關重要，對鐵路類似型號設施設備的應用場景也極有價值。部署在云側的AI訓練及邊緣推理與開發平臺通過對價值樣本的訓練可持續提升既有算法的可用性，并通過該過程的持續迭代，形成統一的知識圖譜，惠及鐵路牽引變電所的無人值守運維場景，如圖3所示。

圖3 邊云協同滿足算法可用性示意

3.3 高速傳輸信道保障暢通性

基于云網邊端協同的無人值守牽引變電所方案對云、邊、端的數據傳輸均有實時、可靠、安全的傳輸要求。因此通信網絡不僅要提升帶寬，也要更新通信網絡技術。國鐵集團已啟動5G-R專網及相應承載網、數據通信網等相關技術規范的制定與更新工作。其中，5G-R專網將會成為鐵路無線通信的發展方向，其廣應用、大連接、多切片的網絡特征，符合無人值守牽引變電所的站場覆蓋需求，為云網邊端協同連接提供更加安全、可靠、高速、暢通的傳輸信道。

3.4 “數據+AI”平臺挖掘數據的價值性

云網邊端的協同需構建“數據+AI”的開放計算平臺，統一提供高算力。國鐵集團主數據中心已建成并投入使用，一體化信息集成平臺完成一期工程建設，鐵路大數據和AI應用水平得到顯著提高。

無人值守牽引變電所運維方案依托于部署在云側的大數據和智能算法，通過對牽引變壓器、斷路器、開關柜、隔離開關、避雷器等供電設備的在線監測數據、離線檢測數據及保護動作信息、斷路器分合狀態進行分析，提供對現場設備的健康評估，判斷故障類型、位置、時間、原因等，并分析設備狀態變化趨勢，及時發現故障隱患，識別可能的故障類型及嚴重程度，綜合判斷故障發展變化趨勢，及時進行預警，確保現場設備設施保持最佳使用狀態，實現對運維方式的持續優化。

4 結束語

基于云網邊端協同的鐵路無人值守牽引變電所運維方案可較好地滿足無人值守牽引變電所的智能化運維要求，切實保障電氣化鐵路的安全穩定運行，具備可實施性。可以預見，云網邊端協同架構可與包括鐵路無人值守牽引變電所在內的更多專業化需求相結合，實現從技術到數據、從數據到應用的多域協同，最大程度釋放數據價值，賦能鐵路及相關產業，推動在模式、業態、產品、服務等方面的聯動創新，滿足智能鐵路建設要求。