CN113466597A - 一种轨道交通供电系统设备状态智能检测方法 - Google Patents
一种轨道交通供电系统设备状态智能检测方法 Download PDFInfo
- Publication number
- CN113466597A CN113466597A CN202110812242.0A CN202110812242A CN113466597A CN 113466597 A CN113466597 A CN 113466597A CN 202110812242 A CN202110812242 A CN 202110812242A CN 113466597 A CN113466597 A CN 113466597A
- Authority
- CN
- China
- Prior art keywords
- power supply
- supply system
- state
- rail transit
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/008—Testing of electric installations on transport means on air- or spacecraft, railway rolling stock or sea-going vessels
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及轨道交通供电系统监测相关领域，具体为一种轨道交通供电系统设备状态智能检测方法，本发明基于相关地铁公司的历史数据，以构建城市轨道交通供电系统故障监测和健康管理(PHM)体系方法，以保障供电系统安全、评估供电系统状态、实现预测维护为总目标，开展对供电系统外部环境系统与电气设备内部系统二类不同系统多参数信息数据的实时状态监测；建立多信息参数关键系统动态实时故障诊断、可靠性评估和安全预警平台；形成集快速诊断、有效预警、综合管理于一体的供电系统PHM管理方法，从而提高轨道车辆系统运营安全、降低维修和保养成本、提高运行效率。
Description
技术领域
本发明涉及轨道交通供电系统监测相关领域，具体为一种轨道交通供电系统设备状态智能检测方法。
背景技术
城市轨道车辆的发展给检修带来的压力日益增大。传统的检修模式在城市轨道交通建设初期尚能维持，但随着网络规模的扩大、电气设备的老化、人工成本的增长、乘客对于服务水平需求的不断提高，保证系统可靠运行的困难和挑战越来越大，目前的检修模式无法形成可持续发展的态势。因此，如何缩短供电系统的故障停电时间，保障供电系统良好的工作状态，减轻一线运营维护人员的检修工作量，减少甚至避免故障的发生，对保证轨道车辆的正常运行具有重要意义。目前，主要的维修方式是实行故障维修和计划维修的保养策略，这种方式为保证轨道系统的可靠运行，日常维护工作非常繁重，且效率不高，急需一种新型智能化基于数据处理和应用的维修模式来替代原有的工作模式。
故障预测和健康管理技术在国内外一些领域都得到了成功应用，是提高轨道车辆系统运营安全，降低维修和保养成本，节省人力的有效途径。虽然，目前国内在智能变电所技术、6C技术、接触网监测技术等方面已经开展了多项研究，但是还没有对智能供电系统的平台技术进行整体的规划和研究，因此，开展智能供电系统故障预测和健康管理的研究具有较强的理论和实际意义。为此，构建一套完整的监测和分析系统，实时对关键设备运行状态和健康状态进行监测十分有必要。
发明内容
本发明的目的在于提供一种轨道交通供电系统设备状态智能检测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种轨道交通供电系统设备状态智能检测方法，包括如下具体步骤：
步骤S1、将轨道交通供电系统设备进行功能区别划分为多个层次的设施设备，并对每个设施设备关键参数进行记录；
步骤S2、选取步骤S1中在轨道交通供电系统使用量比较大的设施设备作为切入点，对选取的设施设备进行多维度参数的大数据分析和分类评估；
步骤S3、根据地铁公司的历史数据，再将步骤S2中设施设备的各参数对整个轨道交通供电系统设备性能的影响大小建立不同权重关系，确定不同装置的可靠性阀值，利用根据机器学习和大数据技术，并结合基于模型的可靠性分析技术，分析来提取表征系统性能的特征参数，建立系统的故障和状态评判模型；
步骤S4、将步骤S2中选取的设施设备进行可靠性的分析，获得状态值，通过PHM的层次分析法和模糊分析法，综合多个电压电流谐波数据，获得设施设备的状态曲线，判断出设施设备的状态变化；
步骤S5、将步骤S4中设施设备的状态曲线与步骤S3中系统的故障和状态评判模型相结合，统计概率分布、均值和方差等数据特征量，评估数据采集的可靠性和可用性后，对设施设备进行维护状态的判断并制定智能维保规程。
优选的，所述步骤S1中将轨道交通供电系统设备的多层次分为系统层、子系统层、元件层和指标层。
优选的，所述步骤S2中的多维度参数包含历史数据、试验测量值、指标范围、设计寿命、实际运营时长、历史故障趋势、维保情况、核心部件故障更换和环境因素。
优选的，根据所述步骤S3的系统的故障和状态评判模型，提出传感器布置策略和方案，实现网络化、多节点、高密度实时信号采集；并通过融合供电系统外部环境系统与电气设备内部系统参数组成的多传感器数据，通过对大量监测数据快速处理，实时获取供电系统状态信息。
与现有技术相比，本发明的有益效果是：本发明基于相关地铁公司的历史数据，以构建城市轨道交通供电系统故障监测和健康管理(PHM)体系方法，以保障供电系统安全、评估供电系统状态、实现预测维护为总目标，开展对供电系统外部环境系统与电气设备内部系统二类不同系统多参数信息数据的实时状态监测；建立多信息参数关键系统动态实时故障诊断、可靠性评估和安全预警平台；形成集快速诊断、有效预警、综合管理于一体的供电系统PHM管理方法，从而提高轨道车辆系统运营安全、降低维修和保养成本、提高运行效率。
附图说明
图1为本发明的技术路线示意图；
图2为本发明的轨道交通供电系统示意图；
图3为本发明的直流开关多维度评估示意图；
图4为本发明的直流开关接触电阻值实际变化曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-4，本发明提供一种技术方案：一种轨道交通供电系统设备状态智能检测方法，包括如下具体步骤：
步骤S1、将轨道交通供电系统设备进行功能区别划分为多个层次的设施设备，并对每个设施设备关键参数进行记录；
例如以牵引供电系统为例，逐层进行细分，如图2所示。
步骤S2、选取步骤S1中在轨道交通供电系统使用量比较大的设施设备作为切入点，对选取的设施设备进行多维度参数的大数据分析和分类评估；
其中，将轨道交通供电系统分为变电供电专业和接触网专业，分别从两个专业选择有代表性的，使用量比较大的设施设备作为切入点。变电供电专业选择直流开关作为研究的切入点，接触网专业则以触网定位器作为研究的切入点。
以上海轨道交通一号线的直流开关为例，如图3，是从多维度，包括历史数据、试验测量值、指标范围、设计寿命、实际运营时长、历史故障趋势、维保情况、核心部件故障更换和环境因素等维度进行大数据分析，分类评估。
同样以一号线的直流开关为例，选择直流开关NC21的接触电阻做分类评估，如图4是该直流开关接触电阻历史值的状况记录。
步骤S3、根据地铁公司的历史数据，再将步骤S2中设施设备的各参数对整个轨道交通供电系统设备性能的影响大小建立不同权重关系，确定不同装置的可靠性阀值，利用根据机器学习和大数据技术，并结合基于模型的可靠性分析技术，分析来提取表征系统性能的特征参数，建立系统的故障和状态评判模型；
步骤S4、将步骤S2中选取的设施设备进行可靠性的分析，获得状态值，通过PHM的层次分析法和模糊分析法，综合多个电压电流谐波数据，获得设施设备的状态曲线，判断出设施设备的状态变化；
步骤S5、将步骤S4中设施设备的状态曲线与步骤S3中系统的故障和状态评判模型相结合，统计概率分布、均值和方差等数据特征量，评估数据采集的可靠性和可用性后，对设施设备进行维护状态的判断并制定智能维保规程。
进一步的，所述步骤S1中将轨道交通供电系统设备的多层次分为系统层、子系统层、元件层和指标层。
进一步的，所述步骤S2中的多维度参数包含历史数据、试验测量值、指标范围、设计寿命、实际运营时长、历史故障趋势、维保情况、核心部件故障更换和环境因素
进一步的，根据所述步骤S3的系统的故障和状态评判模型，提出传感器布置策略和方案，实现网络化、多节点、高密度实时信号采集；并通过融合供电系统外部环境系统与电气设备内部系统参数组成的多传感器数据，通过对大量监测数据快速处理，实时获取供电系统状态信息。
本发明基于相关地铁公司的历史数据，以构建城市轨道交通供电系统故障监测和健康管理(PHM)体系方法，以保障供电系统安全、评估供电系统状态、实现预测维护为总目标，开展对供电系统外部环境系统与电气设备内部系统二类不同系统多参数信息数据的实时状态监测；建立多信息参数关键系统动态实时故障诊断、可靠性评估和安全预警平台；形成集快速诊断、有效预警、综合管理于一体的供电系统PHM管理方法，从而提高轨道车辆系统运营安全、降低维修和保养成本、提高运行效率。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种轨道交通供电系统设备状态智能检测方法，其特征在于：包括如下具体步骤：
步骤S1、将轨道交通供电系统设备进行功能区别划分为多个层次的设施设备，并对每个设施设备关键参数进行记录；
步骤S2、选取步骤S1中在轨道交通供电系统使用量比较大的设施设备作为切入点，对选取的设施设备进行多维度参数的大数据分析和分类评估；
步骤S3、根据地铁公司的历史数据，再将步骤S2中设施设备的各参数对整个轨道交通供电系统设备性能的影响大小建立不同权重关系，确定不同装置的可靠性阀值，利用根据机器学习和大数据技术，并结合基于模型的可靠性分析技术，分析来提取表征系统性能的特征参数，建立系统的故障和状态评判模型；
步骤S4、将步骤S2中选取的设施设备进行可靠性的分析，获得状态值，通过PHM的层次分析法和模糊分析法，综合多个电压电流谐波数据，获得设施设备的状态曲线，判断出设施设备的状态变化；
步骤S5、将步骤S4中设施设备的状态曲线与步骤S3中系统的故障和状态评判模型相结合，统计概率分布、均值和方差等数据特征量，评估数据采集的可靠性和可用性后，对设施设备进行维护状态的判断并制定智能维保规程。
2.根据权利要求1所述的一种轨道交通供电系统设备状态智能检测方法，其特征在于：所述步骤S1中将轨道交通供电系统设备的多层次分为系统层、子系统层、元件层和指标层。
3.根据权利要求1所述的一种轨道交通供电系统设备状态智能检测方法，其特征在于：所述步骤S2中的多维度参数包含历史数据、试验测量值、指标范围、设计寿命、实际运营时长、历史故障趋势、维保情况、核心部件故障更换和环境因素。
4.根据权利要求1所述的一种轨道交通供电系统设备状态智能检测方法，其特征在于：根据所述步骤S3的系统的故障和状态评判模型，提出传感器布置策略和方案，实现网络化、多节点、高密度实时信号采集；并通过融合供电系统外部环境系统与电气设备内部系统参数组成的多传感器数据，通过对大量监测数据快速处理，实时获取供电系统状态信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110812242.0A CN113466597A (zh) | 2021-07-19 | 2021-07-19 | 一种轨道交通供电系统设备状态智能检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110812242.0A CN113466597A (zh) | 2021-07-19 | 2021-07-19 | 一种轨道交通供电系统设备状态智能检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113466597A true CN113466597A (zh) | 2021-10-01 |
Family
ID=77880991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110812242.0A Pending CN113466597A (zh) | 2021-07-19 | 2021-07-19 | 一种轨道交通供电系统设备状态智能检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113466597A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114665609A (zh) * | 2022-05-20 | 2022-06-24 | 中铁电气化勘测设计研究院有限公司 | Bim供电系统综合维修管理平台的数据互通构建方法 |
| CN114666374A (zh) * | 2022-03-31 | 2022-06-24 | 金陵科技学院 | 一种轨道交通专用通信系统故障路径自动构建方法 |
| CN114996258A (zh) * | 2022-06-23 | 2022-09-02 | 中铁第四勘察设计院集团有限公司 | 一种基于数据仓库的接触网故障诊断方法 |
| CN115115352A (zh) * | 2022-08-29 | 2022-09-27 | 山东中鲁实业有限公司 | 基于数字化城市运行管理服务的公共设备运行控制系统 |
| CN115691125A (zh) * | 2022-10-25 | 2023-02-03 | 北京磁浮有限公司 | 基于城市轨道交通设施系统的可靠度分析方法及相关装置 |
| CN116151788A (zh) * | 2022-04-01 | 2023-05-23 | 港珠澳大桥管理局 | 隧道内的机电设备分类方法、装置、设备和存储介质 |
-
2021
- 2021-07-19 CN CN202110812242.0A patent/CN113466597A/zh active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114666374A (zh) * | 2022-03-31 | 2022-06-24 | 金陵科技学院 | 一种轨道交通专用通信系统故障路径自动构建方法 |
| CN114666374B (zh) * | 2022-03-31 | 2023-05-02 | 金陵科技学院 | 一种轨道交通专用通信系统故障路径自动构建方法 |
| CN116151788A (zh) * | 2022-04-01 | 2023-05-23 | 港珠澳大桥管理局 | 隧道内的机电设备分类方法、装置、设备和存储介质 |
| CN116151788B (zh) * | 2022-04-01 | 2023-12-22 | 港珠澳大桥管理局 | 隧道内的机电设备分类方法、装置、设备和存储介质 |
| CN114665609A (zh) * | 2022-05-20 | 2022-06-24 | 中铁电气化勘测设计研究院有限公司 | Bim供电系统综合维修管理平台的数据互通构建方法 |
| CN114996258A (zh) * | 2022-06-23 | 2022-09-02 | 中铁第四勘察设计院集团有限公司 | 一种基于数据仓库的接触网故障诊断方法 |
| CN115115352A (zh) * | 2022-08-29 | 2022-09-27 | 山东中鲁实业有限公司 | 基于数字化城市运行管理服务的公共设备运行控制系统 |
| CN115115352B (zh) * | 2022-08-29 | 2022-11-08 | 山东中鲁实业有限公司 | 基于数字化城市运行管理服务的公共设备运行控制系统 |
| CN115691125A (zh) * | 2022-10-25 | 2023-02-03 | 北京磁浮有限公司 | 基于城市轨道交通设施系统的可靠度分析方法及相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113466597A (zh) | 一种轨道交通供电系统设备状态智能检测方法 | |
| CN113156917B (zh) | 基于人工智能的电网设备故障诊断方法及系统 | |
| CN104020754B (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
| CN103617568B (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
| CN113902242A (zh) | 一种基于数字孪生的电网设备的综合状态评价方法及系统 | |
| CN108398934B (zh) | 一种用于轨道交通的设备故障监控的系统 | |
| CN104537487A (zh) | 一种输变电设备运行动态风险的评估方法 | |
| CN103487749A (zh) | 高压断路器机械状态在线监测诊断系统及方法 | |
| CN110058103A (zh) | 基于Vxworks平台的变压器智能故障诊断系统 | |
| CN105044499A (zh) | 一种电力系统设备变压器状态的检测方法 | |
| CN103163389A (zh) | 智能母线在线监测及状态评估系统 | |
| CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
| CN106997513A (zh) | 基于大数据分析的配网设备状态评价系统 | |
| CN113376476A (zh) | 一种基于phm的中低压配电网运维系统及方法 | |
| Wang et al. | Power equipment fault information acquisition system based on Internet of things | |
| CN117574624A (zh) | 基于数字孪生技术的变压器状态监测及预警方法 | |
| CN116819382A (zh) | 一种基于数字孪生的dc-dc变换器状态监测方法 | |
| CN116298659A (zh) | 一种基于分布式电流监测数据挖掘的配电网故障辨识方法 | |
| CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
| CN112198462A (zh) | 基于铁路调度运行计划的牵引变压器异常状态辨识方法 | |
| CN113379314A (zh) | 一种基于推理算法的年度生产计划智能监管方法 | |
| Khalyasmaa et al. | Fuzzy inference algorithms for power equipment state assessment | |
| Xia et al. | Data and Mechanism Modeling: Residual Life Start-End Determination for Systems with Stable Equilibrium State | |
| Min | Improved Fault Prediction Algorithm of High-Speed EMUs based on PHM Technology | |
| Pan et al. | Research on Multi-Level and Multi-Dimensional Early Warning System of Line Loss under the Condition of Improving Real-Time Monitoring of Equipment Operation Status |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |