前言：寻找写作灵感？中文期刊网用心挑选的轨道交通供电设备状态评估研究，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：轨道交通供电设备和系统网络存在非线性、强耦合、时变性、复杂性高等特点，对其状态的评估面临着巨大的挑战。介绍了轨道交通供电设备维修过程中逐渐暴露出的维修不足或维修过剩问题，以马尔科夫（Markov）链方法为理论基础，采用基于数据驱动的预测与健康管理技术框架，对多种设备的状态数据进行统计和分析，实现对轨道交通供电设备性能状态的评估。结果表明该模型优化了设备维护计划，降低了生产成本。
关键词：轨道交通;供电设备;健康管理;数据;驱动;马尔科夫链
轨道交通供电系统是保障轨道交通安全可靠运行的关键一环，一旦发生故障停止供电，列车会中断运行，需要较长的时间才能恢复正常运营。因此，实时监测轨道交通供电设备状态、及时发现设备异常、定量评估设备健康状态、预测设备的剩余使用寿命，并据此制定设备维修维护计划，具有重要的现实意义。轨道交通供电设备和系统网络存在非线性、强耦合、时变性、复杂性高等特点，对其状态的评估面临着巨大的挑战。预测与健康管理（PHM）技术经过工程实践，可以处理轨道交通供电系统的海量数据，有效评估从设备级到系统级的健康状态，在故障发生前提供预警信息并可制定较优的维护策略[1]。PHM可以提高设备安全可靠运行水平，降低维护保障费用。本文将设备寿命定义为随机退化过程首达失效阀值的时间[2]。设备状态评估主要指设备健康状态的评估，评估的指标主要是设备的剩余寿命、故障发生概率等。PHM预测设备状态的方法分为基于机理模型的方法、基于数据驱动的方法、机理模型和数据驱动融合的方法[3]。由于轨道交通供电设备是比较复杂的具有多变量、紧耦合、非线性的综合体，难以采用精确的数学模型（如机理模型的方法）来描述。经过研究和试验，在设备级采用数据驱动的方法来解决轨道交通供电设备健康状态评估问题；在系统级以数据驱动为主，兼用机理模型来辅助分析。其中，数据驱动的方法主要是统计数据驱动方法，以数理统计理论为基础，建立随机模型来表达设备退化过程中的不确定性现象。
1基于数据驱动的设备状态评估
PHM的核心是根据实时监测到的设备状态数据，通过分析给出设备的故障率（可靠性），预测设备的剩余寿命，并依据这些信息来进行决策，确定设备维护维修策略[4]。基于数据驱动的设备PHM工作流程见图1。基于数据驱动设备状态评估的关键问题是通过设备在线监测（传感器、接口等）、信息系统等其他方式获取设备状态数据。获得的数据越完整越精确，所预测设备的剩余寿命和故障发生概率就越准确。设备状态评估所采用的数据分为直接监测数据和间接监测数据两类。其中，直接监测数据是指可以直接反映设备状态（性能、参数等）的监测数据；间接监测数据是指可以间接或部分反映设备性能、状态的数据。直接监测数据和间接监测数据都可以采用马尔科夫链方法来建模分析。
2模型及算法
本文采用Markov链方法对所采集的数据进行建模分析。相较于其他的建模理论，Markov链最重要的特点是能够定量计算比较复杂系统的不确定过程，适合轨道交通供电系统这类具有多种设备退化模式的复杂系统进行健康状态评估。分析中假设设备可以修复，轨道交通供电系统可以层层分解为简单的一组串连设备或一组并联设备。系统的健康状态求解问题可以转化为串连系统和并联系统的健康状态求解问题。利用分析所得的数据构造马尔科夫状态转移矩阵，定义设备的剩余寿命为当前时刻一直到设备失效时刻的有效时间段，当某一状态达到所规定的失效阀值时，则表示设备失效。
3轨道交通供电设备状态评估应用
在上海轨道交通供电设备智能运维系统的建设中采用了以上的模型和算法，轨道交通1号线实施了供电设备状态的预测与健康管理。上海轨道交通供电智能运维系统（PIOMS）包括供电设备状态实时感知预警体系、设备全生命管理体系、生产业务全流程管控体系和专家分析体系。其中，供电设备状态评估过程包括数据采集及处理、异常分析、预测计算和制定维护策略等。数据采集部分除了包括直接监测数据（如能耗、电流、杂散电流、主变局放、接地、红外、温湿度、智能感知等）外，还集成了在线监测系统、一体化操作管理系统（CIOS）、SCADAX系统等。间接监测数据包括设备台账、资产管理系统（EAM）、故障报修平台、专家知识库等。所采集的数据经过一定的处理后，存储在数据中心的数据池，作为设备状态评估的计算基础。异常分析时首先对所收到的异常报警数据进行分析处理，其次对所采集的数据经行计算，对其中异常情况进行分析。所有异常分析结果直接传输到维修决策模块中，信息得到确认后将更新设备状态预测的计算模型参数。接触网悬挂状态监测见图2。设备状态预测是系统的核心，通过模型计算，预测供电设备的故障概率、剩余寿命等。在实际应用中以计算结果为基础，增加专家评分机制，不断训练学习，提高系统预测准确率，同时对可能出现的预测偏差进行分析和纠正。根据计算和分析结果，制定相应的维修维护计划。维护执行过程数据和维修结果及时准确传输到智能运维系统的数据池中。数据的完整性和准确性决定了设备状态评估结果的有效性。上海轨道交通供电智能运维系统采用模型算法和专家系统评分相结合的方式，对供电系统设备健康状态进行评估。1号线直流开关设备状态评估规则见表1。变电所在线智能监测见图3。经过系统模型计算结果与专家评估数据相比较，若设备状态级别一致，则继续执行维修策略；若不一致，以专家评估所给出的数据为依据进行维修工作，执行过程中验证模型计算结果和专家评估结果，并进行人工标注，通过不断训练，提高设备评估准确率。
4结语
上海轨道交通依托所建设的智能运维系统的设备状态评估（监测和预判）功能，实现了供电设备故障的动态管理和预测性维修，优化了维修方案；系统的运用也减少了一线巡检人员的工作量，优化了线路生产组织架构，降低了生产维修成本。
作者:严俊 单位:上海地铁维护保障有限公司
