閆優(yōu)俊

（中國鐵路呼和浩特局集團有限公司，內(nèi)蒙古 包頭 014000）

0 引言

為防止動車組運行故障和異常的發(fā)生，目前各動車組運營單位均采用以走行里程為主的計劃預(yù)防修模式[1]。這種維修策略存在欠維修和過度維修的弊端，對運營維護的周期和成本沒有進行科學(xué)合理地卡控[2]。

動車組各系統(tǒng)裝配了大量傳感器用于監(jiān)測自身的運行狀態(tài)[3]，然而對動車組運行故障和異常的判斷卻僅依據(jù)海量車載數(shù)據(jù)中篩選出的超過標(biāo)準(zhǔn)的異常數(shù)據(jù)。先進的數(shù)據(jù)分析技術(shù)為動車組檢修模式的轉(zhuǎn)變提供了新的思路[4]。如傳感器采集的車載數(shù)據(jù)隱含著動車組運行狀態(tài)的動態(tài)信息，利用這些動態(tài)信息對動車組未來一段時間的運行狀態(tài)進行預(yù)測分析，從而科學(xué)地安排檢修維護周期，提升動車組安全保障能力，實現(xiàn)節(jié)支降耗、降低運營成本。

目前，中車長春軌道客車股份有限公司和中車青島四方機車車輛股份有限公司等單位均已建立了數(shù)據(jù)分析平臺，嘗試?yán)脛榆嚱M車載信息無線傳輸系統(tǒng)數(shù)據(jù)開展動車組部分部件的故障模型研究[5]。本文基于動車組遠程數(shù)據(jù)傳輸系統(tǒng)（wireless transmission data system,WTDS）傳輸?shù)能囕d變壓器數(shù)據(jù)，使用多元非線性回歸算法[6-9]，建立動車組變壓器溫度預(yù)測模型，并以CRH5A型動車組變壓器溫度數(shù)據(jù)為例，驗證了本文算法的準(zhǔn)確性及實際應(yīng)用效果。

1 變壓器溫度預(yù)測模型的建立

目前，各動車組運營單位均以變壓器運行溫度峰值作為評判變壓器狀態(tài)的重要參數(shù)，因此本文以變壓器溫度峰值作為預(yù)測的目標(biāo)函數(shù)。由于變壓器溫度的影響因子有多個，因此選擇能夠表征多參數(shù)關(guān)系的多元回歸算法。

采集n組變壓器溫度數(shù)據(jù)（將每日的變壓器溫度數(shù)據(jù)作為一組），其中每組溫度數(shù)據(jù)含有m個溫度數(shù)值；變壓器溫度峰值所對應(yīng)的影響因子為k個，且每日變壓器溫度數(shù)據(jù)所對應(yīng)當(dāng)日影響因子的數(shù)據(jù)記為xi,j(i=1, 2, …,k；j=1, 2, …,n)。

考慮到變壓器溫度傳感器或者網(wǎng)絡(luò)故障引起的變壓器溫度突變會對目標(biāo)函數(shù)的擬合結(jié)果造成精度缺失，在預(yù)測模型建立前需對車載數(shù)據(jù)進行數(shù)據(jù)清洗[10]，即對于傳輸?shù)膍個運行溫度數(shù)據(jù)T，設(shè)定篩選變量ε。

數(shù)據(jù)篩選完成后，對于變壓器溫度峰值數(shù)據(jù)yj及變壓器溫度峰值yj-1對應(yīng)的k個影響因子的數(shù)據(jù)xi,j-1構(gòu)建多元非線性回歸方程：

式中：βt——變壓器溫度峰值各影響因子的回歸系數(shù)，x=1, 2, …, 2k+1；μj——隨機擾動項；xi,0——初始迭代值。

對于動車組變壓器影響因子的選擇，大多數(shù)學(xué)者認(rèn)為變壓器運行時的內(nèi)部溫升主要由動車組輸入功率決定，其產(chǎn)生的熱量通過絕緣油及散熱器以傳導(dǎo)、對流及輻射的方式擴散到環(huán)境中[11]，因此將負載電流和環(huán)境溫度作為變壓器溫度預(yù)測的影響因子。這種預(yù)測模型過于理想化，其將外界對變壓器的干擾基本排除；然而在運行實際中，外界因素對變壓器溫度的影響很大，動車組在不同季節(jié)、不同運行線路、不同的檢修條件下所表現(xiàn)出的溫度峰值明顯不同。運行中變壓器溫度的峰值變化是一個連續(xù)的、相互影響的過程，可以由前日變壓器的運行狀態(tài)并結(jié)合當(dāng)日的運行實際情況對當(dāng)日變壓器的溫度峰值進行表征，因此本文將變壓器檢修項目信息、運行線路狀況、行車信息、外界溫度、天氣狀況及前一天變壓器運行狀態(tài)作為變壓器溫度峰值預(yù)測的影響因子。

為保證擬合的回歸方程可以有良好的精度，根據(jù)殘差的平方和最小原則[12-13]，有

式中：ej——回歸方程的殘差。

為防止yj中的離群值xout（對應(yīng)的殘差具有較大的方差值）降低預(yù)測精度[14]，需對xout進行剔除處理，使用奈爾檢驗法檢驗離群值，則有

式中：μ——yj的平均值；σ——yj的標(biāo)準(zhǔn)差；Rn——離群值判定標(biāo)準(zhǔn)值。

由式(2)～式(4)得到βt和μj，則預(yù)測值yn+1可以表達為

2 變壓器溫度峰值預(yù)測結(jié)果及應(yīng)用

選取4組CRH5A型動車組，分別標(biāo)記為Model1,Model2, Model3和Model4，對其變壓器進行長期跟蹤，運用變壓器溫度預(yù)測模型對各變壓器的狀態(tài)參數(shù)進行預(yù)測分析。

2.1 預(yù)測實驗結(jié)果

如圖1所示，設(shè)定7月2日的變壓器溫度峰值預(yù)測值為初始迭代值（初始迭代值設(shè)為0 ℃）；將7月2日至8月1日之間的變壓器溫度峰值作為訓(xùn)練集，建立迭代模型，設(shè)定篩選變量對4組動車組變壓器實際溫度峰值進行數(shù)據(jù)清洗，清洗后的變壓器實際溫度峰值與預(yù)測值如圖1所示。

圖1 4組動車組變壓器溫度預(yù)測結(jié)果Fig.1 The predict result of transformer temperature of four-group EMUs

由圖1預(yù)測結(jié)果可知，7月2日至7月20日的變壓器溫度峰值預(yù)測結(jié)果均與實際值有較大的偏差；但在經(jīng)過一段時間的訓(xùn)練后，其預(yù)測值逐漸向真實值逼近。在初始訓(xùn)練階段（n

表1 動車組變壓器溫度峰值預(yù)測結(jié)果Tab.1 The predict result of transformer peak temperature of EMUs

2.2 預(yù)測數(shù)據(jù)的應(yīng)用

目前，各動車組運營單位對變壓器超溫預(yù)警的處理辦法是以定期清洗變壓器濾網(wǎng)為主[12-13]。由于動車組自身狀況各不相同，運行交路和外界環(huán)境變化不定，統(tǒng)一動車組清洗周期往往會導(dǎo)致清洗周期與實際需求不匹配，發(fā)生過度清洗或在清洗周期內(nèi)變壓超溫報警，增加了運營成本，同時還無法切實保證行車過程的萬無一失。本文針對所跟蹤的4組CRH5A型動車組，通過變壓器溫度峰值預(yù)測模型，對變壓器實際清洗計劃進行了動態(tài)調(diào)整。在使用變壓器溫度峰值預(yù)測模型之前，所觀測的4組動車組清洗周期均固定為15天，時常存在清洗周期內(nèi)超溫報警或者在遠未達到清洗溫度時進行了清洗的情況。使用變壓器溫度峰值預(yù)測模型之后，Model1和Model3的變壓器平均清洗周期延長至17天，Model2的變壓器平均清洗周期保持15天不變，Model4的變壓器平均清洗周期延長至19天。

3 結(jié)語

本文針對目前動車組運用維修中存在的計劃預(yù)防修的弊病，以動車組車載數(shù)據(jù)為基準(zhǔn)，采用多元非線性回歸算法建立了一種變壓器溫度峰值預(yù)測模型，得出的主要結(jié)論如下：

（1）通過所建立的變壓器溫度峰值預(yù)測模型對采集數(shù)據(jù)的異常值進行了數(shù)據(jù)清洗，并以變壓器檢修項目信息、運行線路狀況、行車信息、外界溫度、天氣狀況及前一天變壓器運行狀態(tài)作為變壓器溫度峰值預(yù)測的影響因子，改進后的預(yù)測結(jié)果更貼合動車組運行實際情況，具有實際應(yīng)用價值。

（2）以CRH5A型動車組為例進行實車跟蹤，經(jīng)過數(shù)據(jù)培養(yǎng)和積累，對動車組變壓器溫度峰值預(yù)測結(jié)果的精度可達到95.3%，且隨著數(shù)據(jù)的不斷增多，該預(yù)測精度仍有一定的上升空間。

（3）根據(jù)實驗結(jié)果，對所跟蹤預(yù)測的CRH5A型動車組進行變壓器平均清洗周期調(diào)整，結(jié)果表明該變壓器溫度峰值預(yù)測模型具有實際應(yīng)用價值，可以對動車組的運營維護提供合理科學(xué)的指導(dǎo)意見。

雖然本文所建立的動車組變壓器溫度預(yù)測模型的預(yù)測精度已足以滿足生產(chǎn)實際需求，但仍有進一步提升的空間。如可通過在預(yù)測模型中加入更多的影響因子，使計算精度進一步提升。