城市轨道交通机电设备报警的规律发掘与预测模型选择

曾 刚，王 超，牛宏睿， 解亚龙

（1.广州市地下铁道总公司，广州 510030；2. 中国铁道科学研究院 电子计算技术研究所，北京 100081）

地铁机电设备是地铁运营的一个重要组成部分，主要包括：通风空调系统、给排水系统、屏蔽门系统、乘客信息系统、低压配电系统、旅客信息统计系统、环控自动化系统、防灾报警灭火系统。其主要作用是为车站提供通风、空调、给排水、照明、扶梯等基本功能，同时由环控自动化系统对这些机电设备进行自动监控。

目前，城市轨道交通日常运营维护只是机电设备的实时监控，还没有在未来时间内预测模型的研究，机电设备在未来一定时间内的运行状态无法掌握，也不能对突发的报警及时处理。本文对这些系统的机电设备报警信息进行记录与统计，并建立一个行之有效的数学模型，研究机电设备发生报警的概率与发生趋势。通过对历史数据的保存与分析，对机电设备进行报警分类与预测。从而在日常运营过程中，对设备的运行状态有效地进行掌握。

1 地铁机电设备报警数据传输机制

对机电设备进行在线监控、采集其报警信号并进行处理是保证机电设备正常工作的一种常规手段。电力监控系统主要包括主变电站开关、出线、进线和馈线柜；环境监控系统包括排烟、隧道风机，环控和水泵房；火灾报警系统包括感温电缆、排烟风机装置和消防水泵装置；屏蔽门监控系统包括站台端门和屏蔽门系统报警点；防淹门监控系统包括防淹门；列车自动控制系统包括列车故障信息和信号设备状态；自动售检票系统包括AFC系统运行模式、15 min入/出闸客流信息；列车车体信息系统包括车辆一、二类故障报警信息。上述系统提供的信号为I/O信号，系统主机1通过Modbus对上述系统的信号进行实时采集。Modbus传输机制如图1。

图1 机电设备报警信息传输方式

Modbus服务分为主机与从机，主机定期与从机进行通讯，通过信息报文的轮询过程进行数据采集。本项目工程实施中，采集数据的时间间隔为500 ms。通过点表定义的数据地址段轮询有效数据，解析后入库保存。轮询程序为JAVA开发程序，通过与Act iveMQ服务缓存轮询来的数据，并通过队列保存数据。解析程序会从队列中将数据取出入库。整个轮询与解析程序的运行时间控制在500 ms以内。报警信息采集流程如图2。

图2 报警数据采集流程

2 基于灰色理论的机电报警预测模型

在客观世界中，存在白色系统（信息完全明确）和黑色系统（信息完全不明确），而比例占用最多的是灰色系统，即包含两者的混合理论系统。灰色系统理论把随机量看作是在一定范围内变化的灰色量，尽管存在着无规则的干扰成分，经过一定的技术算是 总能发现它的规律性，通过对设备长期进行监控并采集真实有效的数据，与灰色理论相结合从而在对设备故障趋势提供一套理论的推理方法。经过实际证明，灰色理论适合于随即分布概率的机电设备模拟的状态。同时理论生成误差在可接受范围内，采用的自适应算法在对机电设备报警产生比较大误差情况下，可以自动进行校正，以满足对特定设备的预测适应性。

基于灰色理论的轨道交通运营机电设备故障趋势模型建立方法，包括以下步骤：

（1）采集现场机电设备的状态与报警的实时数据，并按时间段将该实时数据分隔存储；（2）对实时数据进行预统计处理，生成原始数据；（3）依序列值用最小二乘法计算估计常数值；（4）建立时间响应微分方程的动态模型，计算序列预测值；（5）通过序列预测值前后相邻的2个数据相减，获得最终预测值；（6）将最终预测值与设定差值进行对比判断，预报何时将发生故障。

采用本文的技术能够对轨道交通运营设备故障趋势进行预先判断和推理，从而为设备运行提供理论基础，提前预测设备将发生故障的时间，及时采取措施，最大限度地避免故障，有效地提高了轨道交通运营设备的可靠性。

3 具体实施方式

实时采集轨道交通运营设备状态和报警数据后，通过模型分析预测设备发生故障的时间，最大限度的在理论范围内避免设备出现故障情况。

本文实施案例中分析预测设备故障情况包括如下步骤：

（1）实时采集设备状态和报警数据。选定好进行分析的设备类型，准备实时采集数据。检测Modbus服务项与Ac t iveMQ的连接情况，一旦连接即通过Modbus服务端采集选定设备的实时状态和报警值；否则，继续检测连接情况。

对于Modbus服务端采集的数据需要检测其有效性，如果检测到非法数据，则返回上一步继续采集，否则将这些实时数据发送至Act iveMQ的队列当中。（2）对原始数据进行预统计处理，为灰色理论模型提供数据基础。数据处理的过程包括数据清理、集成、变换、规约等操作。数据清理过程将系统提供的原始数据中能够用于模型处理的数据保存下来，经过集成与变换、规约操作过程将保存下来的数据按照模型要求进行组合与处理。（3）在相同条件下进行检测、记录的原始数据进行至少一次累加，生成一次累加数列。（4）检验最终预测值的相对误差，如误差超过10%，则采用残差模型对原预测进行修正。（5）根据原始数据和最终预测值分别生成曲线，并在前台页面上显示。

灰色理论通过对轨道交通运营设备的状态或报警数据预报将要在何时发生故障，能够提前发出警告，实现预先控制，提高运营设备的可靠性。模型建立流程如图3。

图 3 数学模型建立流程

4 地铁安全预警与应急平台建设实践

目前，机电设备报警算法与应用程序已经在广州地铁应急平台项目中得到应用，通过大量数据的积累与软件测试，已稳定运行一年多。通过优化算法与采集机电设备报警的历史数据，以及通过走访广州地铁相关部门得到的基础信息，对机电设备报警系统进行过多次修改，以符合实际情况。根据业主与使用部门的建议修改前台展示界面的易读性与易用性，从而达到了在日常运营管理中，为管理部门掌握地铁设施硬件运行情况提供有效手段。广州地铁应用平台项目的应用界面截图如图4和图5。

图4 机电设备历史报警界面

图5 各专业机电设备报警统计

5 结束语

采用预测模型对下一次发生故障时间进行预测的精度较高，弱化处理结果的误差均不超过10%。在日常运营维护中，这套模型的运用帮助管理人员对机电设备的运行状况有先期的了解，并对设备的突发问题有一定的预警预测作用。

[1]王黎明. 论孵化器的目标、功能与发展制约因素[J]. 经济问题探索，2005（1）.

[2]周志恒. 火灾自动报警系统与消防设备的接口设计[J]. 广东科技，2008（2）.

[4]胡志方. 广州地铁五号线火灾自动报警系统的设计[J]. 现代城市轨道交通，2009（3）.