張振山,郝明明

(1.南瑞集團(國網(wǎng)電力科學研究院)有限公司,江蘇 南京 210032;2.國電南瑞科技股份有限公司南京軌道交通技術有限公司,江蘇 南京 210032)

0 引言

數(shù)字孿生(digital twin,DT)是充分利用物理模型、傳感器更新、運行歷史等數(shù)據(jù),集成多學科、多物理量、多尺度、多概率的仿真過程。其在虛擬空間中完成映射,從而反映相對應的實體裝備的全生命周期過程[1]。DT技術作為數(shù)字世界與物理世界之間的橋梁,可以提供物理對象和過程的實時虛擬表示[2]。隨著傳感器技術在軌道交通智慧運維系統(tǒng)的大量應用,自動化系統(tǒng)內(nèi)部積累了大量的物理感知數(shù)據(jù)、模型生成數(shù)據(jù)和虛實融合數(shù)據(jù)。數(shù)據(jù)呈現(xiàn)多來源、多種類、多結(jié)構(gòu)的特點,存在數(shù)據(jù)融合困難、信息孤島等問題[3]。為了給用戶帶來持續(xù)價值的DT項目的落地,需要更穩(wěn)定的數(shù)據(jù)驅(qū)動、更智能的分析技術和更豐富的可視化展現(xiàn)。大數(shù)據(jù)技術可以高效、穩(wěn)定地處理海量數(shù)據(jù),有利于解決多源異構(gòu)、時空對齊和數(shù)據(jù)融合等問題,從而為DT建模奠定更加可靠的數(shù)據(jù)基礎[4]。

目前,軌道交通地鐵車站智慧運維系統(tǒng)采用三維軟件(如C4D/3DMAX/HT等軟件)實現(xiàn)車站三維虛擬空間的搭建。搭建的三維虛擬空間可以對整個物理場景進行復刻,從而構(gòu)造一個和物理現(xiàn)實相對應的虛擬空間來模擬監(jiān)控設備虛擬孿生體[5]。基于三維可視化場景,該空間對具體設備運行情況進行精準復現(xiàn),能夠高度還原設備的地理位置、外形、材質(zhì)、紋理細節(jié)等顯示細節(jié)以及復雜內(nèi)部結(jié)構(gòu),并實現(xiàn)高精度、超精細的可視化渲染[6]。但是這也面臨一些問題,例如信息實時采集、虛實連接、數(shù)據(jù)存儲/分析/研判等處理過程存在人腦難以承載的龐大信息量,且整個生產(chǎn)管理運營邏輯需要運用更加合理的分析方法加以分析。

本文在介紹軌道交通地鐵車站特殊性的基礎上,首先采用基于DT的軌道交通智慧運維系統(tǒng),構(gòu)建地鐵車站DT虛擬設備的基礎模型,以及數(shù)字化地鐵車站DT虛擬設備的行為模型。然后,本文根據(jù)上述模型設計基于容器化的多態(tài)分析技術,以實現(xiàn)地鐵車站的實時、歷史、特征和多預測等狀態(tài)模式,并通過上述多個模式的組合實現(xiàn)車站運維在培訓、演習和運營等場景下的不同功能需求。本文設計、開發(fā)的系統(tǒng)促使DT的功能和價值在地鐵車站智慧運維領域更加清晰,便于運維人員快速掌握設備特性和熟悉系統(tǒng)運維過程,從而提高操作員的運維效率。

1 系統(tǒng)架構(gòu)

基于DT的軌道交通智慧運維系統(tǒng)架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)圖Fig.1 System architecture diagram

基于DT的軌道交通智慧運維系統(tǒng)實現(xiàn)了DT模型構(gòu)建和多態(tài)分析研判地鐵車站系統(tǒng)運維過程,提高了運維效率。該智慧運維系統(tǒng)主要包括構(gòu)建地鐵車站DT虛擬設備的基礎模型。其設計“一物一碼”標簽和狀態(tài)時標,以實現(xiàn)對地鐵車站監(jiān)控設備在多源、異構(gòu)、時間和空間等維度的建模。數(shù)字化地鐵車站DT虛擬設備的行為模型主要包括數(shù)字化地鐵車站的監(jiān)控設備在設計、建設和運維過程中的時序關系、工作或應急處理流程,以及設備之間內(nèi)在的關聯(lián)關系等。本文設計、開發(fā)基于容器化的多態(tài)分析技術,以實現(xiàn)地鐵車站的實時、歷史、特征和多預測等狀態(tài)模式,并通過上述多個模式的組合實現(xiàn)車站運維在培訓、演習和運營等場景下的不同功能需求。

系統(tǒng)數(shù)據(jù)流主要包括結(jié)構(gòu)化數(shù)據(jù)處理、非結(jié)構(gòu)化數(shù)據(jù)處理、預測模型存儲和模式容器生成等流程,為DT體奠定數(shù)據(jù)和模型基礎。結(jié)構(gòu)化數(shù)據(jù)處理指利用大數(shù)據(jù)平臺中Flink框架對子系統(tǒng)(如綜合監(jiān)控、電力監(jiān)控和機電監(jiān)控等系統(tǒng))所發(fā)送的數(shù)據(jù)進行抽取、轉(zhuǎn)換、加載(extract、transform、load,ETL)處理,并進行信息映射、計算統(tǒng)計、實時轉(zhuǎn)發(fā)和歷史存儲等過程,以實現(xiàn)車站地鐵設備虛擬實體的信息更新。非結(jié)構(gòu)化數(shù)據(jù)處理包含人工處理監(jiān)控設備在設計、建設和運維過程中的時序關系、工作或應急處理流程和數(shù)據(jù)挖掘技術產(chǎn)生的設備之間的關聯(lián)性。預測模型存儲指自研和第三方開發(fā)的客流、能耗或設備故障的預測模型存儲在固定目錄下,供系統(tǒng)調(diào)用。模式容器生成指按照模式的不同組合、不同微服務模塊生成不同容器,并存入容器倉庫。系統(tǒng)動作流主要包括容器調(diào)度、數(shù)據(jù)抽取、容器組態(tài)以及狀態(tài)模式生成等動作。其中:容器調(diào)度用于初始化和接收系統(tǒng)消息;數(shù)據(jù)抽取用于抽取相應的數(shù)據(jù);容器組態(tài)用于調(diào)用相應的模式容器;Jenkins獲取信息后生成并且啟動相應的不同模式容器。操作人員可選擇不同的模式容器驅(qū)動來渲染畫面,從而顯示系統(tǒng)監(jiān)控設備不同生命周期的數(shù)據(jù)狀態(tài)。

2 數(shù)據(jù)模型

2.1 基礎模型

基礎模型建立步驟包括唯一性編碼、時空對齊和多源異構(gòu)數(shù)據(jù)。

①唯一性編碼。在數(shù)據(jù)倉庫中按照“一物一碼”原則建立地鐵車站的數(shù)字化模型。大數(shù)據(jù)平臺的貼源層、明細層和匯總層生成的各種屬性與唯一性編碼相對應。主要編碼有:車站唯一性編碼規(guī)則為“線路ID.車站ID”;車站設備唯一性編碼規(guī)則為“線路ID.車站ID.專業(yè)ID.設備類型ID.設備ID”;屬性唯一性編碼規(guī)則為“線路ID.車站ID.專業(yè)ID.設備類型ID.設備ID.屬性類型ID.屬性ID”。

②時空對齊。所有不同源不同結(jié)構(gòu)的采集數(shù)據(jù)帶時標上傳數(shù)據(jù)。針對不同數(shù)據(jù)源的相同設備實時數(shù)據(jù),設置一個時間窗口。在時間窗口內(nèi)到達的子系統(tǒng)數(shù)據(jù)統(tǒng)一為一個時間標記。統(tǒng)計信息表中設置n個時間字段{t1,t2,…,tn},按照小時、天、周、月等不同的統(tǒng)計周期實現(xiàn)分層的數(shù)據(jù)統(tǒng)計,用于統(tǒng)一時間對齊。大數(shù)據(jù)平臺內(nèi)部統(tǒng)一劃分多層空間區(qū)域(如車站、站臺、站廳、三維網(wǎng)格區(qū)域等層次),用于空間對齊。

③多源異構(gòu)數(shù)據(jù)。多源數(shù)據(jù)中相同設備有不同屬性時,在相同設備建立不同屬性即可。相同設備具有相同屬性時,屬性只建一遍。大數(shù)據(jù)平臺與采集系統(tǒng)進行對時,使用Flink框架實時和批處理所有具有狀態(tài)時標的采集數(shù)據(jù),動態(tài)映射監(jiān)控設備的虛擬對象。采集系統(tǒng)上傳采集數(shù)據(jù)后,經(jīng)過ETL過程,虛擬設備的多個數(shù)據(jù)源的狀態(tài)更新時,程序比較設備實時時標和采集時標。如果實時時標大于采集時標,則狀態(tài)數(shù)據(jù)丟棄;如果實時時標小于采集時標,則狀態(tài)、實時時標更新。程序通過hash映射標簽更新屬性狀態(tài)。

2.2 行為模型

監(jiān)控設備行為模型的獲取比較復雜,需要進一步研究。該模型的獲取途徑主要有手工整理和數(shù)據(jù)挖掘兩種。首先,各專業(yè)在設計、運行與管理階段的安全性與可靠性工作中建立大量的關系圖。這些關系圖中包含了各系統(tǒng)專業(yè)可能發(fā)生的保護信號失效、人為失誤、環(huán)境變化等故障原因信息和這些信息之間的邏輯關系[7],以及在設計、建設和運維過程中的工作流程和應急處理流程。然后,與監(jiān)控設備相關的各步驟被篩選出來,從而建立樹形結(jié)構(gòu)關系圖,并手工入庫。接著,通過大數(shù)據(jù)挖掘監(jiān)控設備之間的關聯(lián)關系,使具有關聯(lián)關系的設備自動入庫。最后,樹形結(jié)構(gòu)關系在關系數(shù)據(jù)庫中建立數(shù)據(jù)模型。樹形結(jié)構(gòu)中的一個節(jié)點在數(shù)據(jù)庫為一條記錄。幾條記錄組成一個樹形結(jié)構(gòu)關系。記錄主要包含唯一性編碼、子節(jié)點編碼和兄弟節(jié)點編碼三個屬性。例如,A節(jié)點有B、C、D的三個子節(jié)點,則A節(jié)點記為{A,B,“”}、B節(jié)點記為{B,“”,C}、C節(jié)點記為{C,“”,D}、D節(jié)點記為{D,“”,“”}。

2.3 數(shù)據(jù)準備

2.3.1 容器倉庫

①Python已經(jīng)訓練好的客流、能耗等預測模型存放在/model/data目錄下。預測模型Python接口文件存放在/model/inter目錄下。

②開發(fā)基礎微服務容器。基礎容器內(nèi)包含jdk環(huán)境、Python環(huán)境、redis服務、服務管理進程。其中,服務管理進程用于管理狀態(tài)模式服務和匯報心跳。

③實時、歷史、特征和多預測微服務與基礎微服務容器一起打包生成各種狀態(tài)模式容器,存入狀態(tài)模式容器倉庫。

2.3.2 預測模型

本文提到的預測模型指系統(tǒng)提供Python的機器學習容器環(huán)境,可直接使用其他平臺已經(jīng)訓練好的客流、能耗或設備故障的預測模型。預測內(nèi)部算法不作進一步研究,而是存儲在固定目錄下供系統(tǒng)調(diào)用。

3 多態(tài)分析

基于容器化的多態(tài)分析技術指根據(jù)地鐵車站當前設備情況和樹形結(jié)構(gòu)圖生成包含一組微服務、緩存數(shù)據(jù)和預測模型的組合,用于同一時間為數(shù)據(jù)可視化分析提供多種數(shù)據(jù)驅(qū)動。組合以容器部署方式手動或自動生成,且容器之間相互隔離、互不影響。大數(shù)據(jù)可視化畫面任意切換連接某個容器,同時展示地鐵車站不同維度的狀態(tài),以更直觀地與決策者進行深層互動。

狀態(tài)模式主要包括實時、歷史、特征和多預測等。各狀態(tài)模式顯示監(jiān)控設備不同生命周期的數(shù)據(jù)狀態(tài)。狀態(tài)模式含義和生成步驟如下。

①實時狀態(tài)模式指在系統(tǒng)中的所有監(jiān)控設備虛擬對象接收變化數(shù)據(jù)的實時刷新。系統(tǒng)啟動后,容器調(diào)度模塊啟動實時狀態(tài)模式。數(shù)據(jù)抽取工具抽取初始化數(shù)據(jù)和模型生成配置文件,容器組態(tài)工具抽取實時狀態(tài)模式基礎容器。Jenkins讀取配置文件、啟動實時狀態(tài)模式容器。

②歷史狀態(tài)模式指以歷史數(shù)據(jù)文件為驅(qū)動,回放車站監(jiān)控設備某一段時間內(nèi)的歷史狀態(tài)。容器調(diào)度接收畫面歷史狀態(tài)模式消息后,發(fā)送開始時間、結(jié)束時間、數(shù)據(jù)范圍等信息。數(shù)據(jù)抽取工具抽取時間區(qū)間內(nèi)歷史數(shù)據(jù)文件并將其存放到model/history目錄下,以生成配置文件。容器組態(tài)工具抽取歷史狀態(tài)模式基礎容器。Jenkins讀取配置文件啟動歷史狀態(tài)模式容器。

③特征狀態(tài)模式指根據(jù)當前報警、故障或流程等特征,抽取以往具有相同特征的監(jiān)控或處理流程,并模擬回放這個過程。容器調(diào)度接收畫面特征狀態(tài)模式請求命令和特征信息,數(shù)據(jù)抽取工具自動判斷特征信息抽取特征歷史文件并將其存放到model/feature目錄下,以生成配置文件。容器組態(tài)工具抽取特征狀態(tài)模式基礎容器。Jenkins讀取配置文件啟動特征容器。

④多預測狀態(tài)模式指設備正常實時刷新,但是不能控制,根據(jù)樹形結(jié)構(gòu)圖生成智能輔助路徑的監(jiān)控設備狀態(tài)模式。多預測狀態(tài)模式包含全路徑和優(yōu)選路徑兩種預測模式。在全路徑預測中,該模式選擇某一步驟,顯示該步驟執(zhí)行后的當前所有監(jiān)控設備實時狀態(tài)。優(yōu)選路徑是根據(jù)當前情況智能選擇出幾條優(yōu)選路徑。路徑每個步驟得以執(zhí)行后,智能優(yōu)選路徑中運維人員預操作、設備狀態(tài)和預測值也自動更新。容器調(diào)度接收畫面多預測狀態(tài)模式請求命令和流程處理信息。數(shù)據(jù)抽取工具根據(jù)流程處理信息生成配置文件。容器組態(tài)工具抽取多預測全路徑狀態(tài)模式基礎容器。Jenkins讀取配置文件啟動全路徑容器。容器調(diào)度接收畫面多預測狀態(tài)模式請求命令和流程步驟信息。數(shù)據(jù)抽取工具根據(jù)流程步驟信息生成多個優(yōu)選路徑配置文件。容器組態(tài)工具抽取多預測多個路徑狀態(tài)模式基礎容器。Jenkins讀取配置文件啟動優(yōu)選路徑容器。

4 智慧運維

4.1 狀態(tài)模式組合

地鐵車站需求場景復雜,單一狀態(tài)模式不能全面滿足業(yè)務需求。多容器組態(tài)功能實現(xiàn)多狀態(tài)模式組合,可滿足車站運維在培訓、演習和運營等場景下的運維需求。例如:多個歷史、特征和多預測狀態(tài)模式組成培訓場景;多個歷史、特征模式組成演習場景;多個實時、歷史、特征和多預測狀態(tài)模式組成運營場景。

4.2 實施

本文以運維人員的培訓場景中自動化場景“車站火災”為例,介紹系統(tǒng)運行流程?；馂膱缶到y(tǒng)(fire alarm system,FAS)模擬觸發(fā)車站火災信號,系統(tǒng)彈出狀態(tài)模式選擇界面,選擇歷史、特征和多預測狀態(tài)模式,點擊“確定”。顯示器劃分四個顯示區(qū)域。每個顯示區(qū)域可以啟動一個Web瀏覽器。Web畫面分別同時連接實時、歷史、特征和多預測狀態(tài)模式容器,顯示DT體不同生命周期的數(shù)據(jù)狀態(tài)。實時畫面可以根據(jù)菜單顯示,但不能控制客流、監(jiān)控設備和閉路電視等畫面。歷史畫面顯示當前的客流、監(jiān)控設備的狀態(tài),可以任意進行快慢或拖拉調(diào)整,以查看是否有特殊事件(如客流的波動)或流程。多預測畫面顯示車站火災應急流程。運維人員點擊主路徑的每個步驟,畫面顯示執(zhí)行該步驟后的系統(tǒng)當前實時狀態(tài)。

本文系統(tǒng)的應用,將運維人員從單一的歷史數(shù)據(jù)觀摩的被動學習,轉(zhuǎn)化為可以雙向與實際系統(tǒng)的互動學習。培訓的運維人員既可以觀摩正線多應用實時系統(tǒng)的真實設備動作,又可以按照案例處理步驟學習快速應急處理流程,或點擊多預測狀態(tài)模式中的各預測路徑,對設備間的關聯(lián)性進行更深入的學習。

5 結(jié)論

基于DT的軌道交通智慧運維系統(tǒng)可以同時展示、分析和研判軌道交通地鐵車站監(jiān)控設備在不同生命周期的數(shù)據(jù)狀態(tài),通過多個狀態(tài)模式的組合實現(xiàn)車站運維在培訓、演習和運營等場景下的不同功能需求,為DT落地提供了新方向。目前,系統(tǒng)在自動化場景測試案例中運行穩(wěn)定,達到了預期效果。但DT的行為模型積累和最優(yōu)路徑還需要進行進一步的研究和大量實際案例的支持。