基于Bagging算法的地铁供电系统故障诊断方法

李国玉,张 戬,孟勇亮

（1.青岛地铁集团有限公司，山东 青岛 266000；2.西南交通大学，四川 成都 610000；3.南京德睿能源研究院有限公司，江苏 南京 210000）

1 引言

地铁交通已经成为城市公共交通的重要组成部分，目前正处于地铁交通建设的高峰期[1-2]。在这种时代背景下，提高地铁车辆自身的可靠性与安全性成为保障车辆安全运行的关键。国内已形成以地铁为主，多种交通方式并存的城市轨道交通体系，地铁、轻轨、单轨、自行车线和城市铁路等多种交通方式均被国内外统称为城市轨道交通。国外学者针对感应电机的逆变器故障的研究比较深入，方法丰富，但是针对城轨列车辅助逆变器的研究还比较少。地铁供电系统故障诊断方法起步较晚，诊断技术水平参差不齐。例如文献[3]中提出了一种基于多源数据进行故障诊断的方法，以PSCAD和Matlab软件作为研究基础，提升故障诊断结果的可信度。文献[4]中提出了一种改进的粒子群(PSO)和遗传算法(GA)混合优化BP神经网络的故障诊断方法，将其应用到供电系统中，可得到比当前方法更加精准的诊断方法。但上述两种方法均存在相应的问题，需要对当前方法进行优化。针对上述存在的问题，本文提出了一种基于Bagging算法的地铁供电系统故障诊断方法研究。使用此方法可提高故障诊断的准确性与稳定性，将此算法应用到本次研究中，对供电系统进行有效的故障识别，使故障诊断结果更加精准。

2 基于Bagging算法的供电系统故障诊断方法

为提升故障诊断方法设计的科学性，对供电系统的接线结构进行分析。对大量的文献进行研究后发现，目前地铁供电系统采用环形接线的形式。环形供电是一种非常可靠的供电线路，当线路中的一根输电线出现故障时，其母线依旧可以保持供电，避免影响地铁的正常供电[5-6]。因此，设计一种可靠的故障诊断方法成为降低成本的重要途径之一，将具体接线方式显示如下，为后续的设计提供分析基础。

图1 环形供电接线示意图

2.1 供电系统运行数据采集

为实现供电系统诊断的模块化处理，防止地铁中的其他部件与其互相影响，在供电系统中安装相应的诊断硬件，获取供电系统运行数据，在本次研究中对车辆的动力系统进行设计，构建动力系统牵引模型。文献研究可知，逆变器为供电系统中的主要组成内容[7]，为此首先对其进行分析，设定逆变器可吸收电阻为Rc，电容为Cc，输出值Uc为则有：

上式中，qn表示逆变器容量，R表示逆变器交流电压，a 表示供电系统基础频率，表示运行数据采样时间。根据此公式推导可得到供电系统的机械转矩[8]，具体公式如下所示：

上式中，At表示变电节点，r表示供电系统转动半径，由此可得地铁的动态特性。

使用上述公式，对采集到的数据进行分析，并构建出供电系统数学模型。

2.2 供电系统运行数据分类模型构建

根据上文中获取到的供电系统运行原始数据以及供电系统数据模型，使用Bagging 算法构建供电系统运行数据分类模型，该算法是通过构造一系列预测函数，然后再以某种方式将其组合成一个预测函数，从而提高了学习算法的精度[9-10]。在本次研究中使用的数据分类策略通过公式可显示如下：

上式中，Wi表示样本数据到各属性中心点之间的最小距离，表示分类器数，为使得此部分结果更加具象化，使用欧式距离公式完成此部分求解过程，具体公式如下所示：

使用上述公式，对供电系统中的数据展开分析，从而可得出最终的分类策略。并对分析结果进行整合，为供电系统故障诊断提供数据基础。

2.3 供电系统故障诊断

通过上述计算过程可以发现，供电系统的故障诊断可以将其简化为运行模式分类问题，使用供电系统运行数据分类结果结合BP神经网络实现供电系统故障诊断[13-14]。将数据分析结果带入单层网络中，则隐层第i个神经节点输入的数值可表示为：

上式中，

通过上述公式可得到神经元函数，则有：

根据上述公式可得到供电系统故障诊断网络，将其通过Sigmoid函数[15]的形式体现，则有：

通过上述公式可对诊断结果进行修正，得到高精度的故障诊断结果。至此，基于Bagging算法的地铁供电系统故障诊断方法设计完成。

3 实验论证分析

3.1 实验环境

本次研究针对当前地铁供电系统故障诊断方法的不足，设计了基于Bagging算法的地铁供电系统故障诊断方法，力求在当前方法的基础上获取到更高精度的故障诊断结果。将仿真软件以及数据导入上述平台中，将本文提出的Bagging诊断方法与文献[3]的基于多源数据进行故障诊断的方法以及文献[4]改进的粒子群(PSO)和遗传算法(GA)混合优化BP 神经网络的故障诊断方法进行实验对比，以此完成对比过程。

3.2 实验方案

本次实验过程中，将实验环境设定为输电线故障以及母线故障两种实验背景，根据文献分析结果，将实验对比指标设定为故障诊断延时、故障诊断定位结果与实际故障位置的误差值以及故障数据聚类效果三类，从三种不同的角度对Bagging诊断方法与文献[3]、文献[4]方法的使用差异进行分析。每组实验共进行5 次，对实验结果进行分析，得到最终的实验结果结论，证实Bagging诊断方法的可行性。

3.3 实验结果分析

通过实验结果可以看出，在Bagging诊断方法与文献[3]、文献[4]的使用过程中，均会出现故障诊断延时的问题，且在不同的故障下延时情况均有相对的差异。通过本次实验结果可知，Bagging 诊断方法在不同的故障诊断过程中，诊断延时相对稳定，具有较好的可控性。

因此，通过上述实验结果可知，Bagging 诊断方法的使用效果较好。将本次实验过程中所得三组实验结果进行融合分析可知，Bagging 诊断方法具有较高的应用性，可将其应用到实际的地铁供电系统故障诊断过程中。

图2 故障诊断延时实验结果

图3 故障数据聚类效果

4 结束语

本次研究主要针对地铁供电系统故障诊断进行了分析，并得到了较为有效的故障诊断方法。通过实验环节，确定本次研究中提出方法具有实用性。由于环境与技术的限制，本次研究中提出方法还均有部分使用问题，在后续的研究中将对此部分问题进行优化，提升故障诊断方法的先进性与经济性。