智能城軌設備維修管理及告警系統研究與設計

俞 銘，劉 琴，葛 淼

（國電南京自動化股份有限公司，江蘇 南京 211100）

0 引言

2020年3月12日，中國城市軌道交通協會發布了《中國城市軌道交通智慧城軌發展綱要》，為我國今后一個時期城市軌道交通提升城軌設備維護智能化程度、提升運維效率指明了方向。隨著我國高速鐵路、城市軌道交通運營規模的迅速擴大和“一帶一路”戰略的實施，整個行業對于保障運營安全、提高服務質量及降低運營成本顯現出巨大的剛性需求，軌道交通運維業務日益成為全行業關注的焦點［1］。軌道交通供電設備種類繁多，運維復雜，高、中、低壓各等級設備眾多，交流、直流混合，運行負荷波動大，同時這些設備常年運行于以高溫、高濕為代表的惡劣環境。隨著線網規模不斷擴大，線路和車站的不斷增加，設備數量成倍地增加；另一方面，隨著設備的長時間運轉，逐漸老化，運維檢修壓力增大，性能和狀態都大不如前，這些因素都給運維管理帶來了很大挑戰［2］。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，地鐵行業常用的管理方式存在不足。因此，按照規范的運維工作標準來確保相關設備設施正常、高效地運行，是軌道交通安全、穩定、高效經濟運營的決定性因素。

1 系統架構設計

智能城軌設備維修管理及告警系統用B/S結構，采用TCP/IP協議。系統設備管理在中心部署數據存儲及維管服務，由各站根據各自的授權完成設備信息的在線監測、設備管理和維護。在實際研發過程中，將該系統與綜合監控進行解耦，既保證數據有效交互時的安全性，又不局限于綜合監控的數據，從而使接入更靈活。系統通過交換機與地鐵主干網交換機相連，通過通信專業提供的專業傳輸通道，獲取控制中心、各個車站相關機電設備系統的故障及狀態信息，再發送至中心維管系統服務器，服務器將獲取的數據進行處理，同時將報警信息發送至各維管工作站。車站維管工作站根據授權完成自身設備信息的管理和維護，各車站配置一臺維管服務器用于完成本車站的設備在線監測數據的管理。本設計適用于將維管系統看作較為核心的業務系統，并由中心集中管理各車站分治管理。系統中各站的設備管理及維護由各站獨立完成，每個站根據授權只負責維護自己的設備信息，管理范圍明確，中心負責權限授權并可管理維護整個線路的所有設備信息。本系統從軟件架構上分為5個層次：設備感知層、接入層、平臺層、服務層和展示層。(1）設備感知層：各子系統擁有的原始設備數據，是本系統的數據源頭，主要包括通信傳輸、PIS、PA、CCTV、UPS電源、AFC、電梯、照明、屏蔽門等系統及設備；(2）接入層：通過數據采集、協議轉換、數據隔離等功能實現與相關系統的數據通信。(3）平臺層：對業務數據進行數據建模，為服務層提供各類技術支撐。(4）服務層：服務層根據業務規則，實現應用系統與業務數據的交互及協作聯動后臺服務。(5）展示層：維修管理系統高級功能，包括設備故障監測、臺賬與健康度展示、故障預測、駕駛艙、專家知識庫。

2 業務設計

2.1 在線監測

系統具備強大的跨平臺能力，提供基本數據采集、站內在線監測全景數據存儲、歷史數據瀏覽、告警功能、各在線監測功能故障信息的分級告警提示功能。系統首先能及時準確﹑持續不斷地收集現場故障信息；其次，對收集的產品故障信息進行統計分析，找出故障原因并制定糾正措施；最后，保證糾正措施的實施，并對實施效果進行跟蹤及驗證［3］。系統具有圖形化在線監測分析功能，包括：數據趨勢分析、多閾值告警分析、數據關聯性分析等。數據展示［4］：一次接線圖、報表、曲線等。專用分析功能：色譜數據分析工具，大衛三角形分析、立方體圖示法分析及比值法分析結果顯示。

2.2 故障預警

根據電力設備的運行參數，故障特點，建立電力設備的故障預測模型，依據實時在線監測數據對電力設備可能產生的故障進行預測，便于指導運維人員提前掌握電力設備的運行狀態，并制定經濟合理的設備檢修計劃。模型報警規則可以任意組合設定，增強運維判斷條件和規則，防止測點意外跳變引起誤報警。同時，也可以在報警規則里增加專家的知識，進一步優化模型的運維功能。系統具有故障模型的編輯與管理功能，可以結合歷史運行數據對故障預警模型進行再訓練，提高算法的預測精度。

2.3 流程自動化

系統中的關鍵操作、消息通知、流程管理抽象為維管事務數據模型，任務流引擎將一組維管事務數據模型組織起來，以完成某個有序的過程。維管事務數據模型定義了任務的觸發順序和觸發條件，任務流引擎可以保證每個維管事務數據模型可以由一個或多個軟件相關系統完成，也可以由一個或一組人完成，還可以由一個或多個人與軟件系統協作完成。極大地提升了系統運行的高流暢性和多元性，可滿足不同用戶的定制需求。

2.4 健康度評估

系統具備設備狀態評估功能，依據專業、設備等特性建立供電專業設備狀態評估模型，主要從設施設備故障發生次數、平均無故障運行時間、故障發生率等重點指標及故障類型等維度進行分析，完成基礎性數據收集及運行質量的科學評價，以此真實反映設施設備運行狀況。具備設備故障預判功能，支持以“環比”“同比”方式，實現同類數據不同相進行對比、同類數據不同站進行對比、同類數據不同時刻進行對比，對超過平均限值、歷史最高值的情況進行設備預判。

2.5 設備臺賬

系統提供設備臺賬信息的錄入、更新、查詢和統計功能。設備臺賬包括設備基本信息、技術參數信息、備品備件信息等，應記錄設備類別、設備名稱、規格型號、設備編號、使用日期、所屬站點、安放位置、使用狀態、生產廠家、軟件升級記錄、設備定值單、各元器件更換記錄等信息(臺賬信息根據設備類型不同有所區別）。設備臺賬內容包含但不限于：(1）應支持建立完善的設備信息管理庫。設備履歷信息，包括設備名稱、分類、壽命、設備編碼、設備調度編號、設備所屬位置、所屬部門、設備銘牌信息、資產系統編碼、上電時間、啟用時間、技術參數、元器件、圖片信息、歷史故障(故障現象、故障原因及通用處置措施）等。設備銘牌信息、上電時間、啟用時間、技術參數需系統建成后由人工一次性維護。(2）設備動態信息，包括質保期、運行數據、試驗數據、保護整定值、檢修歷史信息、故障應急處置情況等。試驗數據由試驗人員在平臺手動填寫試驗報告數據，同時在平臺進行掃描版試驗報告存檔；質保期以接管時間為起點進行計算，出質保時間根據實際時間人工維護；元器件、備件信息，包含名稱、供應商、型號、元器件編碼。臺賬內容，包括設備履歷臺帳、線路計量儀器臺帳、安全工具臺帳、運行類表記、變電運行巡視分析報告結果、變電檢修試驗報告；存儲形式以電子版數據臺賬、掃描版蓋章臺賬存儲。

2.6 知識庫管理

從設備運行底層數據出發提取單個設備和設備類型的靜態畫像、分析動態運行參數，對設備的海量運行數據進行收集、去噪、融合、分析抽取出設備運行狀態與數據之間的相關性構建設備指紋，將多環節數據深度融合，最終生成智能檢修策略，形成設備健康主動智慧防御機制，實現對設備運行狀態的智能感知、智慧分析、智能診斷；解決傳統運維對故障預見性不足，只能采用計劃性維修或事后維修模式，維修工作缺少針對性，工作量大、效率低、成本高、發現問題周期長，暴露問題不足，造成大量的人力物力的浪費的問題；提升運維效率和軌道交通運行的安全性。系統可根據專家知識庫制定不同故障的維修規程，可以對維修規程和維修注意事項管理和維護。維修規程是針對設備維管工作進行標準化；維修規程關聯具體設備的具體故障，當故障發生時可自動或手動彈出，指導維修工作人員進行設備維修。

3 難點攻克分析

3.1 采用LSTM和EDA的軌交設備劣化拐點分析方法

設備維修對于保證城市軌道交通系統的正常工作和安全運行具有重要意義。目前軌道系統中最常用的設備檢查策略主要是故障維修和定期檢修。若設備突發故障，且故障響應延遲，造成維修不及時，最嚴重的可能是影響整條線路的正常運營。如何根據監測設備運行狀態和故障數據，分析潛在的故障隱患和預警，及時排查和預防，降低維修成本，實現設備無停機運行，是安全運營保障系統面臨的主要問題。

針對上述問題，系統提出了基于LSTM和EDA的軌交設備劣化拐點分析方法，該方法先對設備監測數據進行探索性數據分析(EDA），完善數據缺失值和異常值，修正數據；并基于隨機森林對設備數據進行特征選擇和簡化；再將設備數據轉化成由樣本、時間步、特征組成的三維數據，構建LSTM預測模型，進行設備故障分析與預測。該方法可行性強，利用故障案例庫中的歷史數據和實時監測數據，進行設備故障預測分析，預測設備發生故障的時期，及早對相關設備進行預防性維修，為科學的維修管理提供依據，大大提高了設備的可靠性，同時也降低了設備的管理成本，避免設備故障造成運營損失。

3.2 基于事件觸發機制的軌道交通機電設備異常監測技術

軌道交通領域的設備類型、品牌繁多，而不同類型的設備又具有不同的信息元。監測數據及報警信息時，無法統一完整地給出所有設備類型和故障告警閾值的集合，如何根據監測設備運行狀態和實時數據，實時顯示故障隱患和預警，及時排查和預防，降低維修成本，是安全運營保障系統面臨的主要問題。系統基于面向對象的設計方式，設計了一整套包含設備、設備類型、事件、事件觸發條件、邏輯關系運算、條件輸入輸出對象，通過對象之間的關聯和監聽對象屬性變化，實現多類型設備多類型故障的在線監測功能。本方法允許用戶定義事件的觸發條件和各觸發條件之間的邏輯運算關系，然后再將事件與設備類型相關聯，最后根據設備類型創建具體設備。程序監聽到具體設備對象屬性變化后，判斷該設備類型相關聯的事件觸發條件是否滿足，依據判斷的結果推送故障信息。從而實現多類型設備多類型故障的在線監測功能。

(1）將事件的觸發條件抽象為獨立的單元，每一個觸發條件具有一個輸入和輸出。觸發條件的輸入可以是系統內部數據，也可以是外部接口傳輸的數據，需要填入該條件引用的數據；觸發條件的輸出是程序根據輸入值、表達式右值、表達式判斷出的結果，其結果只有兩種情況滿足1或不滿足0。

(2）將事件與觸發條件相關聯。事件與觸發條件的關系是1∶N，一個或者多個觸發條件之間的邏輯關系共同定義了一個事件，觸發條件之間的邏輯關系滿足時事件觸發，從而靈活配置出各種復雜的事件。

(3）將設備類型與事件相關聯。設備類型與事件之間的關系是1∶N，一種設備類型可以關聯多種事件。

(4）設備是設備類型的具體實例。某一設備任意事件觸發后，都將在被推送到在線監測中用于提示用戶設備發生故障。

(5）程序監聽到具體設備對象屬性變化后，判斷該設備類型相關聯的事件觸發條件是否滿足，依據判斷的結果推送故障信息。

4 結語

系統為了解決軌道交通智能運維的問題，將傳統的周期性計劃轉變為基于測試分析的狀態和基于評估先驗的預知，將傳統以人工為主的運維管理轉變為自動化、信息化的智能監測維護方式。采用深度學習、人工智能技術，實現了設備故障預測和設備健康評估，解決了傳統運維對故障預見性不足的問題；通過大數據分析技術、建立專家知識庫和設備數字中臺等手段，實現了對設備全生命周期的監視與管理，解決了海量設備帶來的大量有價值數據未被采集和有效利用、不能有效指導設備檢修、統計數據難分析的困局；通過工作流引擎實現了高效的工單管理和維修流程管控，解決了傳統派工流程不規范、溯源和結果審查困難、維修進度難以跟蹤的弊病。