高仕斌，劉帝洋，韋曉廣，康高強(qiáng)，羅嘉明，雷杰宇

(1.西南交通大學(xué) 電氣工程學(xué)院，四川 成都 611756；2.株洲電力機(jī)車研究所，湖南 株洲 412001)

牽引供電系統(tǒng)是列車運(yùn)行的動(dòng)力源泉,主要包括牽引變電所和接觸網(wǎng)系統(tǒng)。牽引供電系統(tǒng)的安全可靠直接影響列車的運(yùn)行安全。截至2022年底,我國(guó)電氣化鐵路里程已超11萬(wàn)km,線路分布廣、規(guī)模大,分布地形復(fù)雜多變,部分地區(qū)地廣人稀,氣候條件差異大。并且接觸網(wǎng)無(wú)備用的特點(diǎn),一旦發(fā)生故障,嚴(yán)重時(shí)將威脅列車的運(yùn)行安全,甚至造成巨大的社會(huì)影響和經(jīng)濟(jì)損失。要確保牽引供電系統(tǒng)運(yùn)行安全,其中一個(gè)重要措施是提高牽引供電系統(tǒng)智能運(yùn)維水平[1-2]。隨著信息化技術(shù)的不斷提升,以高速鐵路供電安全檢測(cè)監(jiān)測(cè)系統(tǒng)(6C系統(tǒng))為代表的智能運(yùn)維平臺(tái)相繼投入使用,實(shí)現(xiàn)了以健康為中心的“監(jiān)-檢-修”一體化維修策略,為故障預(yù)警及維修方案制定提供了理論支撐,有效解決了傳統(tǒng)定期維修方案維修不足與維修過(guò)剩的問(wèn)題,并且能夠?qū)╇娫O(shè)備進(jìn)行全壽命周期動(dòng)態(tài)管理,對(duì)牽引供電系統(tǒng)智能運(yùn)維起到了重要支撐作用。

然而,電氣化鐵路運(yùn)維的智能水平仍無(wú)法滿足電氣化鐵路快速發(fā)展的需求。例如,各運(yùn)維平臺(tái)之間相互獨(dú)立,沒(méi)有從時(shí)間和空間維度實(shí)現(xiàn)多維度信息融合,導(dǎo)致數(shù)據(jù)無(wú)法共享和兼容,數(shù)據(jù)價(jià)值得不到充分利用[3];缺乏前期統(tǒng)一規(guī)劃,新老電氣化線路功能的差異性較大,導(dǎo)致運(yùn)維標(biāo)準(zhǔn)難以統(tǒng)一;數(shù)據(jù)處理處于半智能化水平,在一定程度上仍然依賴于人工,導(dǎo)致微粒數(shù)據(jù)中存在的特征信息無(wú)法充分挖掘;事故特性/故障機(jī)理具有典型的非線性特性,傳統(tǒng)的物理模型難以滿足復(fù)雜因素下的故障特性分析。因此,為突破當(dāng)前智能運(yùn)維技術(shù)的發(fā)展瓶頸,亟需探索和構(gòu)建新的智能運(yùn)維模式。隨著數(shù)字化和網(wǎng)絡(luò)化技術(shù)日趨成熟[4],各種新興的傳感技術(shù)、量測(cè)技術(shù)和控制技術(shù)的發(fā)展,人工智能、大數(shù)據(jù)和云計(jì)算等先進(jìn)技術(shù)[5-7]的廣泛應(yīng)用,為實(shí)現(xiàn)牽引供電系統(tǒng)的狀態(tài)全息感知、海量數(shù)據(jù)挖掘、高維非線性模型快速求解奠定了基礎(chǔ)。要實(shí)現(xiàn)上述先進(jìn)技術(shù)與牽引供電智能運(yùn)維系統(tǒng)的深度融合,有必要引入數(shù)字孿生技術(shù)[8-9],構(gòu)建基于數(shù)字孿生網(wǎng)絡(luò)的牽引供電智能運(yùn)維系統(tǒng),充分利用先進(jìn)技術(shù)在虛擬空間中完成物理系統(tǒng)映射,從而反映物理系統(tǒng)中各牽引設(shè)備的全生命周期過(guò)程,為物理機(jī)理與多源異構(gòu)微數(shù)據(jù)的有機(jī)融合、牽引供電系統(tǒng)內(nèi)部協(xié)同交互運(yùn)行、運(yùn)維決策快速自主響應(yīng)提供基礎(chǔ)條件和品質(zhì)保障。

數(shù)字孿生自2003年提出后,已在航空航天[10-11]、建筑設(shè)計(jì)[12-13]、智能制造[14-16]行業(yè)取得了重大突破,在電力行業(yè)也取得了一定的突破[17-18]。將數(shù)字孿生技術(shù)應(yīng)用于電力設(shè)備(如變壓器、輸電線路)智能運(yùn)維中,通過(guò)對(duì)設(shè)備構(gòu)建數(shù)字孿生體,實(shí)現(xiàn)物理量、多時(shí)間尺度、多層次的實(shí)時(shí)感知和故障推演[19-20]。針對(duì)當(dāng)前電網(wǎng)穩(wěn)定規(guī)定非標(biāo)準(zhǔn)化、半結(jié)構(gòu)化問(wèn)題,通過(guò)物理模型和電網(wǎng)計(jì)算模型構(gòu)建虛擬電網(wǎng)孿生體,解決復(fù)雜大電網(wǎng)穩(wěn)定規(guī)定數(shù)字化問(wèn)題[21]。為實(shí)現(xiàn)源網(wǎng)荷儲(chǔ)智能、高效協(xié)同,以數(shù)字孿生為支撐架構(gòu),提出了源網(wǎng)荷儲(chǔ)協(xié)同與人工智能深度融合的應(yīng)用體系[22]。與此同時(shí),利用數(shù)字孿生技術(shù)對(duì)綜合能源系統(tǒng)進(jìn)行規(guī)劃、運(yùn)行和控制,提高了系統(tǒng)全景鏡像、動(dòng)態(tài)特性跟隨的能力[23]。另外,將數(shù)字孿生技術(shù)應(yīng)用在配網(wǎng)運(yùn)行[24]、風(fēng)險(xiǎn)預(yù)警[25]、調(diào)度優(yōu)化[26-27]、狀態(tài)評(píng)估[28]等方面也取得了快速發(fā)展。

然而,數(shù)字孿生技術(shù)在軌道交通領(lǐng)域仍處于初步探索階段。鑒于此,以數(shù)字孿生技術(shù)為核心,構(gòu)建基于數(shù)字孿生網(wǎng)絡(luò)的牽引供電系統(tǒng)智能運(yùn)維體系與應(yīng)用架構(gòu)勢(shì)在必行。在闡述數(shù)字孿生技術(shù)構(gòu)建智能運(yùn)維系統(tǒng)必要性的基礎(chǔ)上,解析智能運(yùn)維系統(tǒng)的物理架構(gòu)、信息架構(gòu)和模型架構(gòu)。在此基礎(chǔ)上,以構(gòu)建數(shù)字孿生網(wǎng)絡(luò)的關(guān)鍵要素為出發(fā)點(diǎn),闡明構(gòu)建智能運(yùn)維系統(tǒng)的關(guān)鍵技術(shù)。并且,從故障應(yīng)對(duì)機(jī)制出發(fā),提出三級(jí)故障聯(lián)動(dòng)機(jī)制和故障預(yù)防機(jī)制;從應(yīng)用場(chǎng)景出發(fā),給出數(shù)字孿生技術(shù)具體落地的技術(shù)路線。最后,對(duì)當(dāng)前面臨的挑戰(zhàn)和新興技術(shù)的應(yīng)用前景進(jìn)行展望。本文可以為構(gòu)建基于數(shù)字孿生網(wǎng)絡(luò)的牽引供電智能運(yùn)維系統(tǒng)提供借鑒和參考。

1 構(gòu)建基于數(shù)字孿生技術(shù)的牽引供電智能運(yùn)維系統(tǒng)的必要性

1.1 牽引供電系統(tǒng)運(yùn)維技術(shù)的發(fā)展

為確保牽引供電系統(tǒng)安全、穩(wěn)定、可靠和高效運(yùn)行,牽引供電系統(tǒng)運(yùn)維技術(shù)發(fā)揮了不可替代的作用。然而,與電力系統(tǒng)運(yùn)維技術(shù)相比,牽引供電系統(tǒng)運(yùn)維技術(shù)具有一定的滯后性,如圖1所示。以電氣化鐵路為主的工業(yè)2.0時(shí)代,牽引供電系統(tǒng)運(yùn)維技術(shù)主要是針對(duì)電氣故障的繼電保護(hù)設(shè)備。對(duì)于機(jī)械故障,主要以人工經(jīng)驗(yàn)知識(shí)為主,通過(guò)制定維修計(jì)劃,對(duì)系統(tǒng)進(jìn)行周期性檢修,包括人工定期巡檢、變電站有人值守,需要大量的人力、物力和財(cái)力,并且具有自動(dòng)化水平較低、維護(hù)水平低、維護(hù)成本高、安全隱患多的特點(diǎn),其運(yùn)維技術(shù)的發(fā)展明顯落后電氣化鐵路發(fā)展的速度。

圖1 牽引供電系統(tǒng)智能運(yùn)維技術(shù)的發(fā)展歷程

隨著信息技術(shù)的快速發(fā)展,當(dāng)前牽引供電系統(tǒng)運(yùn)維技術(shù)正進(jìn)入信息化時(shí)代。高速鐵路供電安全檢測(cè)監(jiān)測(cè)系統(tǒng)(6C系統(tǒng))[29-30]、SCADA系統(tǒng)和綜合維修系統(tǒng)等運(yùn)維平臺(tái)的投入使用,實(shí)現(xiàn)了牽引供電系統(tǒng)由“定期修”向“狀態(tài)修”的全面轉(zhuǎn)變,并已具備有限的“預(yù)防修”能力,縮短了巡檢周期。與此同時(shí),通過(guò)對(duì)監(jiān)測(cè)數(shù)據(jù)的分析與處理,制定維修決策,提高了檢修效率與精度,具備一定的智能化水平。例如,通過(guò)6C系統(tǒng)拍攝的接觸網(wǎng)圖像數(shù)據(jù),利用深度學(xué)習(xí)等監(jiān)督學(xué)習(xí)算法識(shí)別與定位接觸網(wǎng)零部件缺陷[31]。然而,當(dāng)前牽引供電系統(tǒng)運(yùn)維技術(shù)仍然存在亟待解決的問(wèn)題。

1)雖然以6C系統(tǒng)為核心的運(yùn)維平臺(tái)縮短了系統(tǒng)的檢測(cè)監(jiān)測(cè)周期,但仍然不具備全面的全息感知能力。除了受電弓滑板監(jiān)測(cè)裝置(5C)和接觸網(wǎng)及供電設(shè)備地面監(jiān)測(cè)裝置(6C)可實(shí)時(shí)監(jiān)測(cè)受電弓滑板狀態(tài)和接觸網(wǎng)線索的特征參數(shù)之外,對(duì)機(jī)械故障的感知周期仍然以月為單位,不具備實(shí)時(shí)感知能力。

2)雖然在故障數(shù)據(jù)處理和識(shí)別中引入了深度學(xué)習(xí)等智能算法,但是仍然需要人工進(jìn)行輔助識(shí)別,避免漏判和誤判,其故障處理和分析仍然處于半智能化階段。

3)“狀態(tài)修”仍然以定期指令下達(dá)為主要形式,導(dǎo)致維修時(shí)間以經(jīng)驗(yàn)和計(jì)劃為主,不具備自主性和自治性。

4)大量運(yùn)維數(shù)據(jù)(基礎(chǔ)數(shù)據(jù)、檢測(cè)監(jiān)測(cè)數(shù)據(jù)、故障數(shù)據(jù)、維修數(shù)據(jù)和試驗(yàn)數(shù)據(jù))得不到充分利用,并且多模態(tài)數(shù)據(jù)之間沒(méi)有兼容性。例如,SCADA系統(tǒng)的信號(hào)數(shù)據(jù)、6C系統(tǒng)的圖像數(shù)據(jù)以及人工記錄的文本數(shù)據(jù)具有不兼容性,并且這些微粒數(shù)據(jù)利用率不高,導(dǎo)致不能挖掘出大量有價(jià)值的運(yùn)維信息。毫無(wú)疑問(wèn),當(dāng)前的“狀態(tài)修”已不能完全滿足牽引供電系統(tǒng)運(yùn)維要求。

為確保牽引供電系統(tǒng)能夠高效、安全和可靠運(yùn)行,其首要因素是構(gòu)建一個(gè)具有狀態(tài)全息感知、多維信息融合、數(shù)據(jù)交互處理、自主維修決策的牽引供電智能運(yùn)維系統(tǒng),實(shí)現(xiàn)由“狀態(tài)修”向“預(yù)防修”的徹底轉(zhuǎn)型。因此,構(gòu)建以工業(yè)4.0為代表的智能運(yùn)維數(shù)字孿生網(wǎng)絡(luò)具有重要意義。通過(guò)物理機(jī)理和數(shù)據(jù)驅(qū)動(dòng)有機(jī)融合,構(gòu)建虛擬的牽引供電系統(tǒng)數(shù)字孿生體/網(wǎng)絡(luò),實(shí)現(xiàn)物理系統(tǒng)和數(shù)字系統(tǒng)雙向動(dòng)態(tài)交互流動(dòng)。一方面,通過(guò)對(duì)物理系統(tǒng)進(jìn)行物理和數(shù)據(jù)建模,構(gòu)建具有自感知、自學(xué)習(xí)、自表達(dá)和自決策能力的虛擬數(shù)字模型[32];另一方面,依托虛擬數(shù)字系統(tǒng)進(jìn)行狀態(tài)建模、健康評(píng)估、故障預(yù)測(cè)和風(fēng)險(xiǎn)分析,實(shí)現(xiàn)對(duì)真實(shí)物理系統(tǒng)的實(shí)時(shí)、精準(zhǔn)維修決策[33]。構(gòu)建基于數(shù)字孿生技術(shù)的牽引供電智能運(yùn)維系統(tǒng),其本質(zhì)上是以現(xiàn)有的運(yùn)維系統(tǒng)為基礎(chǔ),通過(guò)引入物聯(lián)網(wǎng)技術(shù),實(shí)現(xiàn)牽引供電系統(tǒng)的全息感知;通過(guò)對(duì)多種運(yùn)維平臺(tái)集成構(gòu)建大數(shù)據(jù)平臺(tái),實(shí)現(xiàn)多維信息的融合;在此基礎(chǔ)上,構(gòu)建“邊-云”協(xié)同數(shù)據(jù)處理技術(shù),實(shí)現(xiàn)不同類型數(shù)據(jù)的交互處理;最后,通過(guò)人工智能技術(shù),實(shí)現(xiàn)具有自決策能力的精準(zhǔn)維修策略。

1.2 基于數(shù)字孿生技術(shù)的牽引供電系統(tǒng)運(yùn)維特性

隨著牽引供電系統(tǒng)運(yùn)維技術(shù)的發(fā)展,其關(guān)注的內(nèi)涵將發(fā)生改變,如圖2所示。在“定期修”階段,主要聚焦于對(duì)已發(fā)生的故障或缺陷進(jìn)行定期維修,對(duì)部分電氣故障要求識(shí)別/記錄故障發(fā)生位置和時(shí)間(如保護(hù)動(dòng)作時(shí)間),但對(duì)其他故障或缺陷(尤其機(jī)械故障或缺陷)檢測(cè)監(jiān)測(cè)的實(shí)時(shí)性要求不高;在“狀態(tài)修”階段,隨著以6C系統(tǒng)為代表的檢測(cè)監(jiān)測(cè)平臺(tái)的廣泛應(yīng)用,實(shí)現(xiàn)了對(duì)現(xiàn)有部分機(jī)械故障/缺陷實(shí)時(shí)檢測(cè)監(jiān)測(cè),并且在一定程度上從還原論的角度,實(shí)現(xiàn)了部分故障和缺陷的物理建模,揭示了部分故障/缺陷的物理機(jī)理。然而,仍然缺乏從系統(tǒng)論角度解釋不同運(yùn)行環(huán)境下不同故障或缺陷之間的交互機(jī)理,例如,從大量數(shù)據(jù)中挖掘的故障/缺陷關(guān)聯(lián)特性仍然無(wú)法解釋。因此,為實(shí)現(xiàn)“預(yù)防修”,其首要問(wèn)題就是依托虛擬的數(shù)字孿生體/網(wǎng)絡(luò),從系統(tǒng)論角度構(gòu)建“數(shù)據(jù)驅(qū)動(dòng)模型+物理模型”雙驅(qū)動(dòng)模型,全面揭示系統(tǒng)的故障/缺陷機(jī)理,使其故障/缺陷機(jī)理具有可解釋性。依托可解釋性,實(shí)現(xiàn)故障/缺陷的快速診斷和精準(zhǔn)預(yù)測(cè),構(gòu)建以預(yù)防為主、檢修為輔的維修目標(biāo)。要實(shí)現(xiàn)上述智能化、信息化和數(shù)字化運(yùn)維過(guò)程,基于數(shù)字孿生技術(shù)的牽引供電智能運(yùn)維系統(tǒng)需具備六大認(rèn)知能力,包括:感知能力、聚焦能力、記憶能力、學(xué)習(xí)能力、推理能力和決策能力[34]。

圖2 智能運(yùn)維技術(shù)認(rèn)知特性的發(fā)展路徑

1)感知能力

感知能力是使智能運(yùn)維系統(tǒng)具備認(rèn)知能力的基礎(chǔ)和關(guān)鍵。感知能力首要目的就是通過(guò)量測(cè)技術(shù)實(shí)時(shí)采集牽引供電系統(tǒng)的數(shù)據(jù)信息,獲取大量的實(shí)時(shí)數(shù)據(jù)。并且,為了提高數(shù)據(jù)的質(zhì)量,其感知的數(shù)據(jù)必須能夠?qū)ξ锢硐到y(tǒng)和周圍環(huán)境精準(zhǔn)表達(dá),避免大量高維數(shù)、高容量的無(wú)用數(shù)據(jù)和過(guò)度冗余重復(fù)數(shù)據(jù),有利于后期數(shù)據(jù)處理和運(yùn)維決策。感知能力使?fàn)恳╇娤到y(tǒng)及其所處的外部環(huán)境具有可見(jiàn)性。

2)聚焦能力

聚焦能力能夠依據(jù)當(dāng)前或未來(lái)一段時(shí)間內(nèi)的內(nèi)部運(yùn)行狀態(tài)和外部環(huán)境有選擇地專注于特定任務(wù)或目標(biāo)。例如,當(dāng)雷電多發(fā)季節(jié),其系統(tǒng)的運(yùn)維目標(biāo)可重點(diǎn)聚焦于評(píng)估和預(yù)測(cè)雷電對(duì)接觸網(wǎng)的影響。聚焦能力使智能運(yùn)維系統(tǒng)能夠從實(shí)時(shí)或歷史數(shù)據(jù)庫(kù)中提取相關(guān)特性信息,對(duì)特定任務(wù)或目標(biāo)進(jìn)行聚焦分析,可有效提高智能運(yùn)維系統(tǒng)的感知和決策能力。

3)記憶能力

記憶能力是構(gòu)造虛擬數(shù)字孿生體/網(wǎng)絡(luò)的重要條件。通過(guò)存儲(chǔ)牽引供電系統(tǒng)的運(yùn)行狀態(tài)和外部環(huán)境的各個(gè)階段數(shù)據(jù),精準(zhǔn)實(shí)現(xiàn)虛擬孿生體/網(wǎng)絡(luò)的鏡像復(fù)現(xiàn)。并且,記憶能力使數(shù)字孿生體/網(wǎng)絡(luò)具有雄厚的知識(shí)儲(chǔ)備能力,是其具有更高認(rèn)知能力的基石。例如,準(zhǔn)確記憶故障發(fā)生位置、發(fā)生時(shí)間、發(fā)生環(huán)境,有助于對(duì)未來(lái)具有相似特性的故障進(jìn)行推理和預(yù)防。與此同時(shí),記憶能力也需要智能運(yùn)維系統(tǒng)具有快速回溯和檢索能力,有助于對(duì)重要故障/缺陷片段進(jìn)行回放。

4)學(xué)習(xí)能力

學(xué)習(xí)能力要求智能運(yùn)維系統(tǒng)能夠?qū)Λ@得的歷史數(shù)據(jù)或記憶片段進(jìn)行學(xué)習(xí),提取有價(jià)值的知識(shí)。學(xué)習(xí)能力要求將歷史經(jīng)驗(yàn)數(shù)據(jù)轉(zhuǎn)化成具有一定規(guī)律的新知識(shí),并且能夠從數(shù)據(jù)驅(qū)動(dòng)或物理機(jī)理角度對(duì)這些新知識(shí)進(jìn)行解釋。相比記憶能力,學(xué)習(xí)能力強(qiáng)調(diào)知識(shí)的可解釋性和數(shù)據(jù)的再加工能力。

5)推理能力

推理能力要求智能運(yùn)維系統(tǒng)能夠依據(jù)當(dāng)前或未來(lái)的外部環(huán)境以及系統(tǒng)自身的運(yùn)行狀態(tài)對(duì)故障或缺陷進(jìn)行精準(zhǔn)預(yù)測(cè)和定位。推理能力是智能運(yùn)維系統(tǒng)的最高認(rèn)知能力,利用學(xué)習(xí)獲得的規(guī)律知識(shí),對(duì)未知的運(yùn)行狀態(tài)或環(huán)境進(jìn)行推理,精準(zhǔn)預(yù)測(cè)系統(tǒng)故障演化趨勢(shì)。對(duì)比記憶能力只能預(yù)測(cè)歷史上在相似環(huán)境或運(yùn)行狀態(tài)下發(fā)生過(guò)的故障/缺陷,推理能力要求智能運(yùn)維系統(tǒng)能夠預(yù)測(cè)未知環(huán)境或未知運(yùn)行狀態(tài)(歷史上沒(méi)有出現(xiàn)過(guò)的)下的故障/缺陷(這里的故障/缺陷也可能是未知的)。

6)決策能力

決策能力要求數(shù)字孿生網(wǎng)絡(luò)依據(jù)推理得到的結(jié)果自主給出解決方案和實(shí)現(xiàn)目標(biāo)。決策能力強(qiáng)調(diào)其具有自治性和自主性。并且,以預(yù)防為指導(dǎo)目標(biāo),在故障/缺陷發(fā)生之前提前檢修,實(shí)現(xiàn)系統(tǒng)的安全可靠運(yùn)行。需要注意的是,精準(zhǔn)決策需要綜合考慮故障/缺陷的危害程度、即將發(fā)生時(shí)間、檢修時(shí)間、維修經(jīng)濟(jì)等綜合指標(biāo),制定最優(yōu)檢修方案和決策目標(biāo)。

如圖3所示,上述6種認(rèn)知能力是閉環(huán)的,使?fàn)恳╇娭悄苓\(yùn)維系統(tǒng)具備知識(shí)感知、解釋、分析和處理的能力。

圖3 智能運(yùn)維系統(tǒng)的認(rèn)知過(guò)程

2 牽引供電智能運(yùn)維系統(tǒng)架構(gòu)解析

基于數(shù)字孿生技術(shù)的牽引供電智能運(yùn)維特性,從物理、信息和模型架構(gòu)解構(gòu)智能運(yùn)維系統(tǒng)。

2.1 牽引供電智能運(yùn)維系統(tǒng)的物理架構(gòu)

牽引供電系統(tǒng)智能運(yùn)維數(shù)字孿生網(wǎng)絡(luò)是一個(gè)由現(xiàn)實(shí)物理系統(tǒng)、信息傳輸系統(tǒng)和虛擬數(shù)字系統(tǒng)構(gòu)成的“物理-信息-數(shù)字”三層交互網(wǎng)絡(luò),如圖4所示。其中信息系統(tǒng)是物理系統(tǒng)內(nèi)部信息交互、虛擬系統(tǒng)內(nèi)部信息交互以及物理-虛擬系統(tǒng)之間信息交互的傳輸介質(zhì)。虛擬數(shù)字系統(tǒng)通過(guò)信息網(wǎng)絡(luò)實(shí)時(shí)傳輸?shù)臄?shù)據(jù),利用人工智能、信息技術(shù)對(duì)物理系統(tǒng)進(jìn)行全景映射,虛擬數(shù)字系統(tǒng)具有以下特性:

圖4 智能運(yùn)維系統(tǒng)的物理架構(gòu)

1)虛擬數(shù)字系統(tǒng)是一個(gè)兩級(jí)數(shù)字孿生網(wǎng)絡(luò):路局級(jí)數(shù)字孿生網(wǎng)絡(luò)和中國(guó)國(guó)家鐵路集團(tuán)有限公司(以下簡(jiǎn)稱國(guó)鐵集團(tuán))級(jí)數(shù)字孿生網(wǎng)絡(luò)。其中,路局級(jí)數(shù)字孿生網(wǎng)絡(luò)對(duì)路局管轄的各供電段進(jìn)行全景鏡像建模,由多個(gè)數(shù)字孿生體(如牽引變壓器孿生體、接觸網(wǎng)孿生體、列車孿生體等)構(gòu)成。每一個(gè)數(shù)字孿生體可分別對(duì)映射的物理實(shí)體進(jìn)行獨(dú)立自主的建模和決策響應(yīng),一旦物理實(shí)體發(fā)生故障可快速實(shí)現(xiàn)響應(yīng)和自愈。由多個(gè)數(shù)字孿生體構(gòu)成的孿生網(wǎng)絡(luò)主要聚焦于不同孿生體之間的交互特性分析,依據(jù)各孿生體的外部環(huán)境和運(yùn)行狀態(tài),預(yù)測(cè)系統(tǒng)的故障發(fā)生時(shí)間和位置,制定相應(yīng)的檢修計(jì)劃。

國(guó)鐵集團(tuán)級(jí)數(shù)字孿生網(wǎng)絡(luò)主要聚焦于整個(gè)鐵路系統(tǒng)的數(shù)字孿生建模,實(shí)現(xiàn)各路局級(jí)數(shù)字孿生網(wǎng)絡(luò)互聯(lián)互通。由于龐大的數(shù)據(jù)量,由國(guó)鐵集團(tuán)牽頭,通過(guò)大數(shù)據(jù)技術(shù)可開(kāi)展系統(tǒng)的故障/缺陷機(jī)理建模、分析和揭示,實(shí)現(xiàn)故障機(jī)理的可解釋性,指導(dǎo)系統(tǒng)運(yùn)維標(biāo)準(zhǔn)、政策的制定,也為“預(yù)防修”提供理論依據(jù)。

2)虛擬數(shù)字系統(tǒng)是一個(gè)多層次數(shù)字孿生網(wǎng)絡(luò)。從內(nèi)涵來(lái)看,虛擬數(shù)字系統(tǒng)是一個(gè)由數(shù)據(jù)、機(jī)理、算法等定義的數(shù)字化系統(tǒng),用于表征物理系統(tǒng)的特征、行為、性能和形成過(guò)程。它是由不同數(shù)字模型組成的相依系統(tǒng)。數(shù)字模型既有物理模型也有數(shù)據(jù)驅(qū)動(dòng)模型。其中,數(shù)據(jù)驅(qū)動(dòng)模型表征形式多樣[35]。例如,數(shù)據(jù)驅(qū)動(dòng)模型可以是產(chǎn)生式規(guī)則數(shù)據(jù)庫(kù)[36],用以表征系統(tǒng)不同內(nèi)外因素之間以及故障/缺陷之間的因果關(guān)系;可以是網(wǎng)絡(luò)圖[37],用于表征故障元件/缺陷元件之間的故障演化關(guān)系;也可以是時(shí)間序列數(shù)據(jù)庫(kù),用以表征元件性能老化特性。這些不同的數(shù)據(jù)驅(qū)動(dòng)模型和物理模型共同組成了多層次數(shù)字孿生網(wǎng)絡(luò)。

2.2 牽引供電智能運(yùn)維系統(tǒng)信息流

信息流是構(gòu)成數(shù)字孿生網(wǎng)絡(luò)信息交互的基礎(chǔ),主要包括物理系統(tǒng)與虛擬系統(tǒng)之間的信息交互(physical-to-virtual或virtual-to-physical,P2V)、虛擬系統(tǒng)內(nèi)部的信息交互(virtual-to-virtual,V2V)和物理系統(tǒng)內(nèi)部的信息交互(physical-to-physical,P2P)[38]。下面從通信帶寬、通信延時(shí)、通信可靠性等方面分別介紹P2V、V2V和P2P的特性。

1)P2V通過(guò)無(wú)線通信技術(shù)(5G/6G)、光纖以及現(xiàn)有的6C系統(tǒng)等方式實(shí)現(xiàn)物理系統(tǒng)和數(shù)字系統(tǒng)的信息交互。通過(guò)各種“傳感器”,如傳統(tǒng)的電流、電壓傳感器、無(wú)線通信基站、光纖傳感器等,將信息/數(shù)據(jù)傳輸?shù)教摂M系統(tǒng),以及將指令反饋給物理系統(tǒng)。毫無(wú)疑問(wèn),由于牽引供電系統(tǒng)是一個(gè)實(shí)時(shí)動(dòng)態(tài)變化的物理系統(tǒng),因此,為確保路局級(jí)的數(shù)字系統(tǒng)同步性,要求P2V具有較高的實(shí)時(shí)性。例如,當(dāng)系統(tǒng)發(fā)生可修復(fù)性或可自愈性故障時(shí),需要P2V及時(shí)將信息傳輸至虛擬系統(tǒng),由虛擬系統(tǒng)進(jìn)行故障分析和決策,并快速反饋至物理系統(tǒng),防止故障的進(jìn)一步惡化。

牽引供電系統(tǒng)是由零部件和牽引設(shè)備構(gòu)成的復(fù)雜系統(tǒng)。隨著對(duì)運(yùn)維要求的不斷提高,越來(lái)越多的物理實(shí)體將單獨(dú)建模形成虛擬實(shí)體。并且由于數(shù)據(jù)不僅限于文本和信號(hào),還包括圖片和視頻等其他模態(tài)數(shù)據(jù)形式,因此,對(duì)通信帶寬要求很高,并應(yīng)具有一定的備用容量。另外,要精確建模數(shù)字系統(tǒng),首要前提是數(shù)據(jù)的可靠性,因此對(duì)通信傳輸可靠性也提出了很高的要求。

2)V2V主要用于路局級(jí)數(shù)字孿生網(wǎng)絡(luò)內(nèi)部虛擬孿生體之間的信息交互、路局級(jí)和國(guó)鐵集團(tuán)級(jí)孿生網(wǎng)絡(luò)之間的信息交互以及國(guó)鐵集團(tuán)級(jí)孿生網(wǎng)絡(luò)內(nèi)部的信息交互。

在路局級(jí)數(shù)字孿生網(wǎng)絡(luò)內(nèi)部虛擬孿生體之間的信息交互中,由于傳輸至數(shù)字孿生網(wǎng)絡(luò)的數(shù)據(jù)是邊緣服務(wù)器處理后的數(shù)據(jù),數(shù)據(jù)容量被壓縮,因此,相比P2V,通信帶寬要求較低。然而,由于路局級(jí)數(shù)字系統(tǒng)與物理系統(tǒng)需要實(shí)時(shí)鏡像,因此,其傳輸延時(shí)和可靠性要求較高,以確保處理和計(jì)算后的數(shù)據(jù)能夠精準(zhǔn)、快速交互。

在路局級(jí)與國(guó)鐵集團(tuán)級(jí)數(shù)字孿生網(wǎng)絡(luò)信息交互中,由于交互的數(shù)據(jù)是系統(tǒng)級(jí)的,因此對(duì)傳輸帶寬具有很高的要求。然而,對(duì)于國(guó)鐵集團(tuán)級(jí)數(shù)字孿生網(wǎng)絡(luò),由于內(nèi)部信息交互在局域網(wǎng)內(nèi)流通,因此數(shù)據(jù)帶寬要求相對(duì)要低。國(guó)鐵集團(tuán)級(jí)數(shù)字孿生網(wǎng)絡(luò)主要聚焦于運(yùn)維標(biāo)準(zhǔn)的制定、故障機(jī)理的揭示和運(yùn)維技術(shù)的更新等內(nèi)容,因此,對(duì)信息交互的實(shí)時(shí)性要求相對(duì)較低。對(duì)于傳輸可靠性,由于系統(tǒng)級(jí)的數(shù)據(jù)之間具有潛在的強(qiáng)關(guān)聯(lián)性,任意微粒數(shù)據(jù)發(fā)生錯(cuò)誤,可通過(guò)數(shù)據(jù)之間的關(guān)聯(lián)性進(jìn)行糾錯(cuò),因此,對(duì)其可靠性要求也相對(duì)較低。

3)P2P要求物理實(shí)體之間能夠?qū)崟r(shí)、快速、可靠地進(jìn)行無(wú)間斷的信息交互與共享,使各物理實(shí)體之間能夠?qū)崟r(shí)協(xié)調(diào)配合。例如,在接觸網(wǎng)發(fā)生不可逆故障時(shí),可依據(jù)不同供電段的運(yùn)行狀態(tài)進(jìn)行快速重構(gòu),實(shí)現(xiàn)最小供電單元?jiǎng)澐?因此,對(duì)傳輸延時(shí)要求較高。但是,物理實(shí)體之間的傳輸通常以文本、信號(hào)為主,其帶寬要求相對(duì)較低。

2.3 牽引供電智能運(yùn)維系統(tǒng)的信息架構(gòu)

要實(shí)現(xiàn)牽引供電智能運(yùn)維系統(tǒng)物理架構(gòu),需要對(duì)物理系統(tǒng)進(jìn)行全時(shí)段、全方位感知,以及對(duì)感知數(shù)據(jù)進(jìn)行實(shí)時(shí)傳輸和快速處理,以確保虛擬數(shù)字系統(tǒng)能快速準(zhǔn)確的與當(dāng)前運(yùn)行狀態(tài)保持高度一致(主要指路局級(jí)數(shù)字孿生網(wǎng)絡(luò)),使智能運(yùn)維系統(tǒng)對(duì)故障/缺陷進(jìn)行精準(zhǔn)預(yù)測(cè)并給出最優(yōu)決策。在此物理架構(gòu)下,依據(jù)信息流的構(gòu)成,如圖5所示,智能運(yùn)維系統(tǒng)可分為物理層、感知層、網(wǎng)絡(luò)層、邊緣層、孿生層和應(yīng)用層。

圖5 智能運(yùn)維系統(tǒng)的信息架構(gòu)

感知層為運(yùn)維分析和決策提供數(shù)據(jù)支撐,主要由各種傳感器組成的監(jiān)測(cè)系統(tǒng)[39]。感知層不僅通過(guò)傳感器全方位獲取系統(tǒng)內(nèi)部和外部環(huán)境的實(shí)時(shí)數(shù)據(jù),也是將物理流(物理系統(tǒng))轉(zhuǎn)化成信息流(虛擬系統(tǒng))的關(guān)鍵層。目前,除了在牽引供電系統(tǒng)廣泛應(yīng)用的電流(電壓)互感器、溫濕度傳感器、6C系統(tǒng)中的高清攝像頭等傳感設(shè)備以外,未來(lái)新建鐵路重點(diǎn)推廣的光纖復(fù)合接觸網(wǎng)也將作為感知層的重要組成部分。此外,未來(lái)也可借助于北斗衛(wèi)星,實(shí)現(xiàn)對(duì)系統(tǒng)實(shí)時(shí)的動(dòng)態(tài)感知,形成全覆蓋、多元化的實(shí)時(shí)精準(zhǔn)感知。

邊緣層是一個(gè)輕量化數(shù)據(jù)處理層[40]。通過(guò)添加邊緣服務(wù)器,對(duì)牽引供電系統(tǒng)中物理實(shí)體的局部數(shù)據(jù)或微粒數(shù)據(jù)進(jìn)行就地分布式、規(guī)范化處理和分析,使數(shù)據(jù)具有通用標(biāo)準(zhǔn)協(xié)議,實(shí)現(xiàn)物理實(shí)體之間的無(wú)障礙信息交互,以及數(shù)字系統(tǒng)的標(biāo)準(zhǔn)化建模。同時(shí),邊緣層能夠直接對(duì)數(shù)據(jù)進(jìn)行就地處理和分析,并具備一定的數(shù)據(jù)緩存能力,有利于減小網(wǎng)絡(luò)層的數(shù)據(jù)傳輸壓力。

網(wǎng)絡(luò)層起到連接邊緣層與孿生層的作用。網(wǎng)絡(luò)層要將邊緣層處理后的大量微粒數(shù)據(jù)傳輸至孿生層,主要通過(guò)寬帶通信、光纖通信、移動(dòng)互聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)傳輸。此外,對(duì)于大容量以及傳輸速率要求高的物理實(shí)體和運(yùn)行場(chǎng)景,可借助于新興的智能化光傳輸、太赫茲通信技術(shù)、STM-1等通信技術(shù)以及北斗衛(wèi)星。

孿生層對(duì)邊緣層處理后的海量微粒數(shù)據(jù)進(jìn)行物理建模和數(shù)據(jù)驅(qū)動(dòng)建模,構(gòu)建全景鏡像的虛擬數(shù)字系統(tǒng)。孿生層主要聚焦于真實(shí)物理系統(tǒng)中的各設(shè)備、環(huán)境以及故障演化規(guī)律的復(fù)現(xiàn),解釋和揭示故障機(jī)理,實(shí)現(xiàn)真實(shí)世界到數(shù)字孿生的完整映射,為應(yīng)用層提供決策依據(jù)和理論支撐。

應(yīng)用層基于各類人工智能技術(shù)(如認(rèn)知計(jì)算、神經(jīng)網(wǎng)絡(luò)、推理計(jì)算)并整合各種計(jì)算資源(如超級(jí)計(jì)算機(jī)、云計(jì)算、大數(shù)據(jù)),實(shí)現(xiàn)數(shù)字系統(tǒng)對(duì)物理系統(tǒng)的閉環(huán)反饋、行為預(yù)測(cè),并提供高效智能運(yùn)維決策的集成式大數(shù)據(jù)平臺(tái)。

2.4 牽引供電智能運(yùn)維系統(tǒng)的模型架構(gòu)

1)模型架構(gòu)構(gòu)成

依據(jù)物理架構(gòu)和信息架構(gòu),智能運(yùn)維系統(tǒng)的模型架構(gòu)如圖6所示,其主要分為鏡像感知、內(nèi)核驅(qū)動(dòng)、動(dòng)態(tài)保真、機(jī)理特性和智能決策五部分。

圖6 智能運(yùn)維系統(tǒng)的模型架構(gòu)

鏡像感知主要構(gòu)建虛擬實(shí)體及孿生網(wǎng)絡(luò)的3D立體模型,實(shí)現(xiàn)物理系統(tǒng)在虛擬數(shù)字系統(tǒng)上3D全景復(fù)現(xiàn)[41]。首先,利用3D建模技術(shù)對(duì)牽引供電系統(tǒng)及其子系統(tǒng)進(jìn)行還原,實(shí)現(xiàn)牽引供電系統(tǒng)數(shù)字化和可視化。其次,將實(shí)時(shí)感知的數(shù)據(jù)和實(shí)體的固有參數(shù)附著在虛擬實(shí)體和孿生網(wǎng)絡(luò)上,實(shí)現(xiàn)物理系統(tǒng)與數(shù)字系統(tǒng)之間參數(shù)的實(shí)時(shí)同步。

內(nèi)核驅(qū)動(dòng)主要利用感知獲取的數(shù)據(jù)進(jìn)行物理和數(shù)據(jù)雙驅(qū)動(dòng)建模。一方面,由于系統(tǒng)的復(fù)雜性,感知仍然存在“盲點(diǎn)”,因此,依據(jù)已知的數(shù)據(jù),利用雙驅(qū)動(dòng)模型對(duì)“盲點(diǎn)”的運(yùn)行狀態(tài)進(jìn)行建模,實(shí)現(xiàn)系統(tǒng)的“消盲”;另一方面,對(duì)于感知難度較大的電氣特性和機(jī)械特性進(jìn)行建模,例如,電場(chǎng)、磁場(chǎng)等物理特性,零部件的疲勞特性、應(yīng)變特性等機(jī)械特性,實(shí)現(xiàn)數(shù)字系統(tǒng)的數(shù)字“透明化”。

動(dòng)態(tài)保真基于鏡像感知和動(dòng)態(tài)保真實(shí)現(xiàn)全息模擬和高保真復(fù)現(xiàn)。除了實(shí)時(shí)數(shù)據(jù)的動(dòng)態(tài)更新之外,利用構(gòu)建的雙驅(qū)動(dòng)模型對(duì)電氣特性和機(jī)械特性進(jìn)行實(shí)時(shí)動(dòng)態(tài)更新,實(shí)時(shí)洞悉牽引供電系統(tǒng)當(dāng)前的運(yùn)行健康程度,并且依據(jù)數(shù)字系統(tǒng)當(dāng)前的實(shí)時(shí)虛擬狀態(tài)對(duì)故障/缺陷進(jìn)行一級(jí)響應(yīng)。

機(jī)理特性主要依據(jù)數(shù)字系統(tǒng)對(duì)故障/缺陷(已經(jīng)發(fā)生或未發(fā)生的)進(jìn)行沙盤推演,分析故障/缺陷的成因,以及故障/缺陷下系統(tǒng)暫態(tài)演化過(guò)程,揭示故障/缺陷的物理機(jī)理以及系統(tǒng)暫/穩(wěn)態(tài)特性,充分挖掘出系統(tǒng)的物理規(guī)律。

智能決策主要通過(guò)數(shù)字系統(tǒng)以及物理規(guī)律進(jìn)行維修決策。對(duì)于不可自愈故障,進(jìn)行二級(jí)或三級(jí)故障響應(yīng),通過(guò)協(xié)同調(diào)控、系統(tǒng)維修等方式使系統(tǒng)恢復(fù)正常運(yùn)行狀態(tài);通過(guò)對(duì)系統(tǒng)進(jìn)行中長(zhǎng)期預(yù)測(cè),依據(jù)預(yù)測(cè)結(jié)果制定維修計(jì)劃;最后,對(duì)運(yùn)維標(biāo)準(zhǔn)、政策進(jìn)行修正和制定。

在上述五部分中,鏡像感知和內(nèi)核驅(qū)動(dòng)分別構(gòu)成了數(shù)字系統(tǒng)的外殼和內(nèi)核,實(shí)現(xiàn)了數(shù)字系統(tǒng)與物理系統(tǒng)的完整映射。動(dòng)態(tài)保真和機(jī)理特性實(shí)現(xiàn)運(yùn)行特性(暫/穩(wěn)態(tài)特性、正常運(yùn)行與故障運(yùn)行特性)動(dòng)態(tài)高保真模擬,并且對(duì)現(xiàn)象、機(jī)理和規(guī)律進(jìn)行解釋,為模型、參數(shù)修正以及運(yùn)維決策提供基礎(chǔ)理論。運(yùn)維決策通過(guò)制定決策模型為系統(tǒng)自主響應(yīng)、維修計(jì)劃制定、標(biāo)準(zhǔn)修訂等提供上層應(yīng)用服務(wù)。

2)模型架構(gòu)的表達(dá)

依據(jù)模型架構(gòu)的構(gòu)成,模型架構(gòu)的表達(dá)實(shí)質(zhì)上是一系列雙驅(qū)動(dòng)模型依據(jù)系統(tǒng)的外部環(huán)境和運(yùn)行特性進(jìn)行知識(shí)生成、知識(shí)修正、知識(shí)表達(dá)的閉環(huán)反饋過(guò)程,如圖7所示。通過(guò)感知的數(shù)據(jù)建立雙驅(qū)動(dòng)模型。依據(jù)3D技術(shù)和雙驅(qū)動(dòng)模型實(shí)現(xiàn)運(yùn)行狀態(tài)的高保真動(dòng)態(tài)模擬和場(chǎng)景復(fù)現(xiàn)。進(jìn)一步,利用動(dòng)態(tài)模擬結(jié)果和雙驅(qū)動(dòng)模型對(duì)故障/缺陷特性、暫/穩(wěn)態(tài)特性進(jìn)行分析和解釋。其中,對(duì)于新的物理/機(jī)械特性依據(jù)模擬結(jié)果建立新的雙驅(qū)動(dòng)模型,實(shí)現(xiàn)特性“消盲”。與此同時(shí),通過(guò)對(duì)數(shù)字系統(tǒng)模擬的運(yùn)行狀態(tài)與物理系統(tǒng)真實(shí)的運(yùn)行狀態(tài)進(jìn)行對(duì)比,分別對(duì)物理模型和數(shù)據(jù)驅(qū)動(dòng)模型進(jìn)行模型修正和參數(shù)修正,提高雙驅(qū)動(dòng)模型的精度。最后,依據(jù)系統(tǒng)的運(yùn)行特性,構(gòu)建決策模型,實(shí)現(xiàn)系統(tǒng)的運(yùn)維決策。一方面,將決策模型提供給動(dòng)態(tài)保真層,實(shí)現(xiàn)系統(tǒng)自主響應(yīng)和決策;另一方面,依據(jù)決策模型對(duì)構(gòu)建的雙驅(qū)動(dòng)模型進(jìn)行反饋修正。

圖7 智能運(yùn)維系統(tǒng)的表達(dá)過(guò)程

3 牽引供電智能運(yùn)維系統(tǒng)的關(guān)鍵技術(shù)

實(shí)現(xiàn)基于數(shù)字孿生網(wǎng)絡(luò)的牽引供電智能運(yùn)維系統(tǒng)的物理架構(gòu)、信息架構(gòu)和模型架構(gòu),其首要問(wèn)題是解決如何實(shí)現(xiàn)牽引供電系統(tǒng)數(shù)字物理系統(tǒng)雙向動(dòng)態(tài)交互演化[42]。一方面,從物理系統(tǒng)向數(shù)字系統(tǒng)映射,需要通過(guò)物理模型和數(shù)據(jù)驅(qū)動(dòng)模型建立高維動(dòng)態(tài)、多時(shí)間尺度的高保真模型,是實(shí)現(xiàn)精準(zhǔn)運(yùn)維決策的關(guān)鍵步驟。另一方面,從數(shù)字系統(tǒng)向物理系統(tǒng)反饋,通過(guò)數(shù)據(jù)與知識(shí)融合的人工智能等先進(jìn)技術(shù),進(jìn)行沙盤推演、策略評(píng)估、故障自愈和預(yù)測(cè),將虛擬數(shù)字空間的決策結(jié)果反作用于真實(shí)物理空間,實(shí)現(xiàn)數(shù)字系統(tǒng)與物理系統(tǒng)的協(xié)同互動(dòng)與雙向優(yōu)化。要解決上述問(wèn)題,需以現(xiàn)有技術(shù)為基礎(chǔ),如圖8所示,從全息感知、通信傳輸、數(shù)字建模以及運(yùn)維決策等方面全面提升牽引供電系統(tǒng)的運(yùn)維技術(shù)。

圖8 智能運(yùn)維系統(tǒng)的關(guān)鍵技術(shù)

3.1 智能運(yùn)維系統(tǒng)的全息感知和信息傳輸技術(shù)

要建立能夠復(fù)現(xiàn)牽引供電系統(tǒng)中的各設(shè)備以及運(yùn)行環(huán)境的數(shù)字孿生網(wǎng)絡(luò),就要求運(yùn)維系統(tǒng)有強(qiáng)大的感知能力,以及對(duì)真實(shí)的牽引供電系統(tǒng)進(jìn)行完整的映射。針對(duì)上述要求,首先要求感知層的傳感器種類多樣性以及功能的全面性[43]。除了目前廣泛應(yīng)用的電流(電壓)互感器、溫濕度傳感器、圖像傳感器以外,結(jié)合6C系統(tǒng)、光纖復(fù)合接觸網(wǎng)、北斗衛(wèi)星并研發(fā)新型敏感材料和微納結(jié)構(gòu)的電氣化交通專用高精度傳感器,以實(shí)現(xiàn)對(duì)系統(tǒng)的全景感知。

1)6C系統(tǒng)

如圖9所示,6C系統(tǒng)包括高速弓網(wǎng)綜合檢測(cè)裝置(1C)、接觸網(wǎng)安全巡檢裝置(2C)、車載接觸網(wǎng)運(yùn)行狀態(tài)檢測(cè)裝置 (3C)、接觸網(wǎng)懸掛狀態(tài)檢測(cè)監(jiān)測(cè)裝置(4C)、受電滑板狀態(tài)監(jiān)測(cè)裝置(5C)、接觸網(wǎng)及供電設(shè)備地面監(jiān)測(cè)裝置(6C)和6C系統(tǒng)信息綜合應(yīng)用(6C數(shù)據(jù)中心)[29]。對(duì)數(shù)據(jù)感知的方式多樣,包括圖像傳感器、熱電傳感器、霍爾傳感器、應(yīng)變傳感器等。能夠獲取的數(shù)據(jù)類型也多樣,包括力學(xué)數(shù)據(jù)、電氣量數(shù)據(jù)、機(jī)械結(jié)構(gòu)數(shù)據(jù)等。正如上文所述,除了受電弓滑板監(jiān)測(cè)裝置(5C)和接觸網(wǎng)及供電設(shè)備地面監(jiān)測(cè)裝置(6C)可實(shí)時(shí)監(jiān)測(cè)受電弓滑板狀態(tài)和接觸網(wǎng)線索的特征參數(shù)之外,對(duì)其余機(jī)械結(jié)構(gòu)的感知也只是周期性的,并不能對(duì)系統(tǒng)進(jìn)行全時(shí)間尺度的感知。因此,有必要進(jìn)一步提高6C系統(tǒng)的實(shí)時(shí)感知能力以及數(shù)據(jù)傳輸能力。此外當(dāng)前的各子系統(tǒng)相對(duì)獨(dú)立,可通過(guò)數(shù)據(jù)驅(qū)動(dòng)模型實(shí)現(xiàn)各子系統(tǒng)的協(xié)同交互,實(shí)現(xiàn)各子系統(tǒng)的優(yōu)勢(shì)互補(bǔ)。

圖9 高速鐵路供電安全檢測(cè)監(jiān)測(cè)系統(tǒng)(6C系統(tǒng))

2)光纖復(fù)合接觸網(wǎng)

為實(shí)現(xiàn)接觸網(wǎng)實(shí)時(shí)感知以及信息的大容量傳輸,通過(guò)在接觸線中內(nèi)置具有通信和傳感功能的光纖單元,能夠同時(shí)傳輸電能和通信信號(hào),尤其對(duì)于地形復(fù)雜、運(yùn)維困難的鐵路線路具有重要意義。光纖復(fù)合接觸網(wǎng)將拓展現(xiàn)有監(jiān)測(cè)技術(shù)的監(jiān)測(cè)范圍,如圖10所示,可實(shí)現(xiàn)應(yīng)力和振動(dòng)的監(jiān)測(cè)、閃絡(luò)監(jiān)測(cè)、通信監(jiān)測(cè)、軌道不平順或變形致振監(jiān)測(cè)、列車和行駛狀態(tài)監(jiān)測(cè)等。在未來(lái)重點(diǎn)需要在制備工藝、焊接工藝以及監(jiān)測(cè)裝置等方向展開(kāi)研究。

圖10 光纖復(fù)合接觸網(wǎng)

3)多跳自組織網(wǎng)絡(luò)技術(shù)

引入多跳自組織網(wǎng)絡(luò)[42],有利于避免由于實(shí)時(shí)海量微粒數(shù)據(jù)引起的網(wǎng)絡(luò)擁塞,并且多跳自組織網(wǎng)絡(luò)技術(shù)具有去中心化特點(diǎn),可提高不同物理實(shí)體之間和虛擬實(shí)體之間的傳輸效率。針對(duì)牽引供電系統(tǒng)中各實(shí)體的交互特性,以及車網(wǎng)耦合特性,需重點(diǎn)研究多跳自組織網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、傳輸模式、通信協(xié)議,并且如何與現(xiàn)有鐵路系統(tǒng)的通信機(jī)制進(jìn)行有機(jī)融合,實(shí)現(xiàn)物理實(shí)體之間和虛擬實(shí)體之間的靈活、可靠、自主交互。

3.2 智能運(yùn)維系統(tǒng)的數(shù)字建模技術(shù)

牽引供電系統(tǒng)是物理結(jié)構(gòu)復(fù)雜、動(dòng)態(tài)特性多樣的多時(shí)間尺度系統(tǒng),傳統(tǒng)物理建模方法主要聚焦于對(duì)特定的物理實(shí)體進(jìn)行建模。因此,只能描述物理實(shí)體在某一時(shí)間和空間尺度下的動(dòng)態(tài)過(guò)程。難以從全系統(tǒng)角度挖掘多時(shí)間和空間尺度下各種動(dòng)態(tài)過(guò)程之間的交互關(guān)系。為使數(shù)字模型對(duì)其物理對(duì)象的內(nèi)在特性與外部環(huán)境進(jìn)行高度還原,需重點(diǎn)研究如何通過(guò)數(shù)據(jù)驅(qū)動(dòng)建模和物理建模雙驅(qū)動(dòng)的方式,建立高可信度、高質(zhì)量的孿生網(wǎng)絡(luò)。

1)基于邊緣計(jì)算的多源數(shù)據(jù)分布式處理技術(shù)

感知層獲取的數(shù)據(jù)不僅規(guī)模龐大而且構(gòu)成復(fù)雜,多模態(tài)數(shù)據(jù)之間也不具有兼容性,導(dǎo)致數(shù)字建模困難。與此同時(shí),與傳統(tǒng)建模中單一結(jié)構(gòu)的數(shù)據(jù)驅(qū)動(dòng)方式相比,孿生網(wǎng)絡(luò)的建立需要充分挖掘感知層所獲取的運(yùn)維信息,這些信息包含著大量無(wú)結(jié)構(gòu)、半結(jié)構(gòu)數(shù)據(jù),并且對(duì)物理系統(tǒng)的描述方式多種多樣、質(zhì)量參差不齊,這就需要對(duì)數(shù)據(jù)進(jìn)行歸一、去重、去噪、數(shù)模轉(zhuǎn)化等融合處理。因此,需重點(diǎn)研究如何利用邊緣計(jì)算對(duì)微粒數(shù)據(jù)、局部數(shù)據(jù)以及敏感數(shù)據(jù)進(jìn)行就地清洗、剪枝、提取、分類和壓縮,實(shí)現(xiàn)數(shù)據(jù)的標(biāo)準(zhǔn)化和輕量化處理[44-46]。以便數(shù)字建模時(shí)能充分利用運(yùn)維數(shù)據(jù),建立多維度、高還原的孿生網(wǎng)絡(luò),并保證應(yīng)用層對(duì)故障預(yù)測(cè)以及運(yùn)維決策的準(zhǔn)確性。

2)物理數(shù)字雙驅(qū)動(dòng)建模技術(shù)

通過(guò)物理建模方式揭示系統(tǒng)和設(shè)備狀態(tài)服役性能演變機(jī)理以及故障演化機(jī)理是研究牽引供電系統(tǒng)運(yùn)行特性的主要研究手段。例如,對(duì)牽引變壓器建立電場(chǎng)、熱場(chǎng)和磁場(chǎng)等多場(chǎng)耦合的模型[19],分析牽引變壓器的動(dòng)態(tài)運(yùn)行特性。然而,一方面,物理模型在建模過(guò)程引入大量的假設(shè)簡(jiǎn)化,不能完全反映真實(shí)條件下的演化特性;另一方面,由于牽引供電系統(tǒng)是一個(gè)多種耦合機(jī)制下的復(fù)雜系統(tǒng)(如機(jī)械耦合、電氣耦合),導(dǎo)致物理建模難度大,非線性維度高。因此,有必要實(shí)現(xiàn)“物理+數(shù)據(jù)驅(qū)動(dòng)”的混合建模方法。利用數(shù)據(jù)驅(qū)動(dòng)修正物理模型的誤差,增強(qiáng)機(jī)理模型的適應(yīng)性。并且,利用數(shù)據(jù)驅(qū)動(dòng)方法從全系統(tǒng)角度對(duì)物理實(shí)體交互中的非線性問(wèn)題進(jìn)行建模,實(shí)現(xiàn)模型的全景數(shù)字化。

3)外殼和內(nèi)核的多模態(tài)知識(shí)表達(dá)建模技術(shù)

從外殼來(lái)看,數(shù)字孿生網(wǎng)絡(luò)具有可視化功能,利用BIM和VR技術(shù)從結(jié)構(gòu)上和外觀上對(duì)物理系統(tǒng)進(jìn)行3D還原,通過(guò)虛擬實(shí)體對(duì)物理實(shí)體屬性、行為、規(guī)則等方面實(shí)現(xiàn)層次細(xì)節(jié)的可視化動(dòng)態(tài)逼真顯示,實(shí)現(xiàn)對(duì)復(fù)雜故障/缺陷的可視化沙盤推演,有助于探索故障/缺陷機(jī)理。從內(nèi)核來(lái)看,數(shù)字孿生網(wǎng)絡(luò)需具有多模態(tài)知識(shí)表達(dá)能力[47-48],使可視化3D模型具有動(dòng)態(tài)特性。例如,通過(guò)復(fù)雜網(wǎng)絡(luò)表達(dá)不同物理實(shí)體之間的故障交互關(guān)系;通過(guò)決策表達(dá)物理實(shí)體內(nèi)部各因素對(duì)故障特性的影響;利用語(yǔ)義網(wǎng)絡(luò)技術(shù)表達(dá)系統(tǒng)故障演化特性。這些不同的知識(shí)表達(dá)為快速數(shù)據(jù)查詢、精準(zhǔn)認(rèn)知推理和精準(zhǔn)學(xué)習(xí)預(yù)測(cè)提供了基礎(chǔ)。

3.3 智能運(yùn)維系統(tǒng)的運(yùn)維決策技術(shù)

要使?fàn)恳╇娤到y(tǒng)具有自主決策能力,需要充分利用系統(tǒng)感知的海量數(shù)據(jù)高效挖掘蘊(yùn)含的價(jià)值特征[49],并從物理和數(shù)據(jù)驅(qū)動(dòng)角度揭示系統(tǒng)的運(yùn)行特性,進(jìn)而自主制定適用于當(dāng)前運(yùn)行狀態(tài)或運(yùn)行周期的運(yùn)維策略。為達(dá)到上述目的,通過(guò)虛擬存儲(chǔ)技術(shù)與網(wǎng)絡(luò)存儲(chǔ)技術(shù)對(duì)海量運(yùn)維數(shù)據(jù)進(jìn)行儲(chǔ)存,以大數(shù)據(jù)和云計(jì)算技術(shù)對(duì)數(shù)據(jù)進(jìn)行處理和分析,并為人工智能算法引擎提供自主學(xué)習(xí)的條件。通過(guò)人工智能算法引擎提供的先進(jìn)算法模型不斷優(yōu)化運(yùn)維策略,實(shí)現(xiàn)自主決策能力。

1)海量數(shù)據(jù)存儲(chǔ)技術(shù)

通過(guò)虛擬存儲(chǔ)技術(shù)與網(wǎng)絡(luò)存儲(chǔ)技術(shù)對(duì)運(yùn)維系統(tǒng)產(chǎn)生的大規(guī)模數(shù)據(jù)進(jìn)行存儲(chǔ)、傳輸與處理。虛擬存儲(chǔ)技術(shù)可使內(nèi)存與外存進(jìn)行有機(jī)結(jié)合,使實(shí)際使用容量遠(yuǎn)大于實(shí)際內(nèi)存的存儲(chǔ)空間,提高數(shù)據(jù)的存儲(chǔ)能力[50]。另外,將存儲(chǔ)系統(tǒng)劃分為多個(gè)存儲(chǔ)模塊,并且將訪問(wèn)數(shù)據(jù)所需的帶寬合理分配到每一個(gè)存儲(chǔ)模塊上,增加系統(tǒng)的整體訪問(wèn)帶寬。網(wǎng)絡(luò)存儲(chǔ)技術(shù)不僅可滿足智能運(yùn)維系統(tǒng)大規(guī)模的數(shù)據(jù)存儲(chǔ),并且還可以實(shí)現(xiàn)計(jì)算設(shè)備與存儲(chǔ)設(shè)備之間數(shù)據(jù)的高速傳遞,各層間也能進(jìn)行快速靈活的數(shù)據(jù)調(diào)用。虛擬存儲(chǔ)技術(shù)與網(wǎng)絡(luò)存儲(chǔ)技術(shù)相結(jié)合,使海量運(yùn)維數(shù)據(jù)得以經(jīng)濟(jì)、安全地進(jìn)行儲(chǔ)存,并且使用時(shí)也能方便、快速地進(jìn)行調(diào)用。

2)大規(guī)模并行計(jì)算技術(shù)

運(yùn)維數(shù)據(jù)主要是由海量的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化組成的混合大數(shù)據(jù),因此,傳統(tǒng)的數(shù)據(jù)處理技術(shù)和串行計(jì)算難以滿足運(yùn)維數(shù)據(jù)處理的需求。需引入并行計(jì)算[51],將復(fù)雜任務(wù)分解成若干個(gè)子任務(wù),實(shí)現(xiàn)多進(jìn)程、多線程并行協(xié)同執(zhí)行。要實(shí)現(xiàn)并行計(jì)算,應(yīng)重點(diǎn)研究多線程技術(shù)的開(kāi)銷和消息傳遞模式,提高并行處理的速度和通信速度。另外,從物理和數(shù)據(jù)雙驅(qū)動(dòng)模型入手,對(duì)模型進(jìn)行并行化處理,重點(diǎn)研究如何將復(fù)雜模型等效分解,加速模型的求解速度。

3)模型求解技術(shù)

大數(shù)據(jù)與云計(jì)算技術(shù)所提供的龐大數(shù)據(jù)庫(kù)以及相應(yīng)的數(shù)據(jù)存儲(chǔ)空間,是以人工智能為核心的智能運(yùn)維決策系統(tǒng)進(jìn)行自主學(xué)習(xí)的必要條件,也是提高計(jì)算效率和計(jì)算準(zhǔn)確率的前提條件。通過(guò)人工智能算法引擎在智能運(yùn)維系統(tǒng)中嵌入深度學(xué)習(xí)、因果學(xué)習(xí)、集成學(xué)習(xí)等先進(jìn)算法模型,實(shí)現(xiàn)故障沙盤推演、故障定位診斷和狀態(tài)預(yù)測(cè)評(píng)估等功能。一方面,對(duì)于多參數(shù)、多因素大規(guī)模非線性物理模型(如非線性動(dòng)力學(xué)模型),結(jié)合并行計(jì)算,可利用深度學(xué)習(xí)進(jìn)行快速求解。另一方面,利用因果推理等算法建立數(shù)據(jù)驅(qū)動(dòng)模型,挖掘故障特性之間的關(guān)聯(lián)特性和規(guī)律,實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)模型的可解釋性。

4 牽引供電智能運(yùn)維系統(tǒng)的故障應(yīng)對(duì)機(jī)制

依據(jù)構(gòu)建的模型架構(gòu),為實(shí)現(xiàn)牽引供電系統(tǒng)小故障快速自愈、大故障快速恢復(fù),建立三級(jí)故障聯(lián)動(dòng)機(jī)制?；陬A(yù)防為主、檢修為輔的原則,建立故障預(yù)防機(jī)制。三級(jí)故障聯(lián)動(dòng)機(jī)制和故障預(yù)防機(jī)制如圖11所示。

圖11 三級(jí)故障聯(lián)動(dòng)機(jī)制

4.1 三級(jí)故障聯(lián)動(dòng)機(jī)制

牽引供電智能運(yùn)維系統(tǒng)最重要的核心內(nèi)容是對(duì)故障進(jìn)行響應(yīng),確保系統(tǒng)(經(jīng)濟(jì)和安全)損失最小。依據(jù)模型架構(gòu),故障響應(yīng)機(jī)制可分為三級(jí)。其中,一級(jí)和二級(jí)在路局級(jí)數(shù)字孿生網(wǎng)絡(luò),三級(jí)在國(guó)鐵集團(tuán)級(jí)數(shù)字網(wǎng)絡(luò)。

在一級(jí)和二級(jí)響應(yīng)中,各虛擬實(shí)體對(duì)感知的數(shù)據(jù)進(jìn)行故障診斷,一旦發(fā)現(xiàn)故障,首先,虛擬實(shí)體快速啟動(dòng)響應(yīng)機(jī)制,阻斷故障進(jìn)一步演化。對(duì)于故障在某個(gè)實(shí)體內(nèi)部,可通過(guò)故障快速隔離、保護(hù)重合閘以及備用設(shè)備投切等方式,進(jìn)行自愈恢復(fù)。對(duì)于故障涉及多個(gè)實(shí)體協(xié)同配合時(shí),孿生網(wǎng)絡(luò)進(jìn)行快速協(xié)同控制。例如,接觸網(wǎng)發(fā)生故障時(shí),通過(guò)聯(lián)絡(luò)開(kāi)關(guān)聯(lián)動(dòng),以列車應(yīng)急供電為需求,進(jìn)行最小供電單元化劃分,實(shí)現(xiàn)系統(tǒng)降級(jí)供電[52],優(yōu)先確保列車通過(guò)無(wú)電區(qū)。當(dāng)外部電源、牽引供電系統(tǒng)內(nèi)部可再生能源設(shè)備發(fā)生故障時(shí),通過(guò)對(duì)多源多儲(chǔ)協(xié)同優(yōu)化、應(yīng)急資源調(diào)配以及負(fù)荷分級(jí)削減等方式[53],確保系統(tǒng)供需平衡,支持系統(tǒng)的應(yīng)急供電[54]。

如果是不可自愈的重大故障,例如永久性故障,啟動(dòng)二級(jí)響應(yīng)機(jī)制,分別以維修時(shí)間和維修經(jīng)濟(jì)為主目標(biāo)和從目標(biāo),構(gòu)建多級(jí)主從優(yōu)化維修模型,制定最優(yōu)維修策略,對(duì)故障進(jìn)行快速搶修,確保牽引供電系統(tǒng)最短時(shí)間內(nèi)恢復(fù)運(yùn)行。

對(duì)于跨系統(tǒng)故障,設(shè)置三級(jí)響應(yīng)機(jī)制,依據(jù)不同線路輸送負(fù)荷的重要等級(jí),進(jìn)行統(tǒng)一調(diào)控,進(jìn)行分級(jí)恢復(fù),逐步恢復(fù)供電。

如圖12所示,利用三級(jí)聯(lián)動(dòng)機(jī)制將增加系統(tǒng)響應(yīng)、自愈、吸收和恢復(fù)的能力。依據(jù)數(shù)字系統(tǒng)實(shí)時(shí)分析牽引供電系統(tǒng)在應(yīng)對(duì)故障擾動(dòng)下的自組織臨界效應(yīng)和系統(tǒng)穩(wěn)定邊界特性,在此基礎(chǔ)上,通過(guò)控制策略,主動(dòng)“干擾”系統(tǒng)的臨界特性,擴(kuò)大系統(tǒng)的運(yùn)行穩(wěn)定域,提高系統(tǒng)抵御故障風(fēng)險(xiǎn)的能力。

圖12 故障應(yīng)對(duì)機(jī)制下系統(tǒng)性能與應(yīng)急供電能力演化特性

4.2 故障預(yù)防機(jī)制

為實(shí)現(xiàn)故障預(yù)防,可通過(guò)短期和中長(zhǎng)期預(yù)測(cè),制定檢測(cè)計(jì)劃,避免故障的發(fā)生。

對(duì)于短期預(yù)測(cè),數(shù)字系統(tǒng)通過(guò)記憶和學(xué)習(xí)能力,對(duì)歷史故障/缺陷數(shù)據(jù)進(jìn)行溯源分析,分析故障/缺陷與內(nèi)外環(huán)境的關(guān)聯(lián)特性,挖掘故障發(fā)生時(shí)的系統(tǒng)運(yùn)行特性以及外部環(huán)境特點(diǎn),提取故障場(chǎng)景特性。一旦出現(xiàn)相似故障場(chǎng)景,系統(tǒng)立即啟動(dòng)預(yù)警機(jī)制,通過(guò)搶修或協(xié)同控制,阻止故障的發(fā)生。

對(duì)于中長(zhǎng)期故障,在對(duì)歷史故障/缺陷數(shù)據(jù)進(jìn)行溯源的基礎(chǔ)上,對(duì)各物理實(shí)體的材料、性能等固有參數(shù)進(jìn)行全生命周期分析,并結(jié)合歷史運(yùn)行數(shù)據(jù),建立物理實(shí)體的老化模型,分析其物理實(shí)體的老化機(jī)理。在此基礎(chǔ)上,通過(guò)物理實(shí)體的交互特性構(gòu)建系統(tǒng)級(jí)的老化模型,全面評(píng)估系統(tǒng)的健康狀態(tài)。另外,通過(guò)建立微氣象模型,構(gòu)建微氣象預(yù)警機(jī)制,實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)系統(tǒng)所在的外部環(huán)境。依據(jù)歷史數(shù)據(jù)、老化模型和微氣象模型,以系統(tǒng)安全和運(yùn)維經(jīng)濟(jì)為目標(biāo),制定最優(yōu)檢修策略和檢修周期,降低系統(tǒng)發(fā)生故障的風(fēng)險(xiǎn)。

5 牽引供電智能運(yùn)維系統(tǒng)典型場(chǎng)景應(yīng)用

以牽引變壓器、接觸網(wǎng)和全系統(tǒng)作為應(yīng)用對(duì)象,以物理架構(gòu)、信息架構(gòu)和模型架構(gòu)為基礎(chǔ),構(gòu)建物理和數(shù)字驅(qū)動(dòng)的雙驅(qū)動(dòng)模型,實(shí)現(xiàn)設(shè)備級(jí)和系統(tǒng)級(jí)的狀態(tài)評(píng)估和故障診斷。

5.1 多源異構(gòu)數(shù)據(jù)的牽引變壓器狀態(tài)監(jiān)測(cè)與評(píng)估

牽引變壓器是將電力系統(tǒng)的電能傳輸給單相牽引供電系統(tǒng)的重要牽引設(shè)備,其運(yùn)行安全是確保牽引供電系統(tǒng)安全可靠運(yùn)行的重要前提,因此,有必要對(duì)其構(gòu)建牽引變壓器的數(shù)字系統(tǒng),實(shí)現(xiàn)牽引變壓器的鏡像復(fù)現(xiàn),利用虛擬數(shù)字系統(tǒng)進(jìn)行實(shí)時(shí)狀態(tài)監(jiān)測(cè)和安全評(píng)估,如圖13所示。

圖13 牽引變壓器狀態(tài)監(jiān)測(cè)與評(píng)估技術(shù)路線

為能夠精準(zhǔn)復(fù)現(xiàn)牽引變壓器,需要全息感知牽引變壓器的參數(shù)特性和運(yùn)行狀態(tài)。通過(guò)溫度傳感器、電壓/電流傳感器對(duì)牽引變壓器進(jìn)行在線感知,獲取實(shí)時(shí)運(yùn)行數(shù)據(jù),配合試驗(yàn)特性和綜合信息獲取的數(shù)據(jù),構(gòu)建牽引變壓器狀態(tài)數(shù)據(jù)庫(kù)。由于牽引變壓器的數(shù)據(jù)具有多源異構(gòu)特性,即數(shù)據(jù)類型復(fù)雜多樣,故障與非故障性具有不平衡性。因此,有必要通過(guò)邊緣計(jì)算,對(duì)數(shù)據(jù)進(jìn)行整合、去噪、增強(qiáng)和特征提取,降低數(shù)據(jù)的異構(gòu)性和不平衡性。

在此基礎(chǔ)上,構(gòu)建基于在線深度學(xué)習(xí)的物理和數(shù)據(jù)驅(qū)動(dòng)的雙驅(qū)動(dòng)模型。一方面,通過(guò)在線深度學(xué)習(xí)對(duì)處理后的數(shù)據(jù)進(jìn)行訓(xùn)練,從數(shù)據(jù)角度對(duì)系統(tǒng)的運(yùn)行狀態(tài)進(jìn)行認(rèn)知,仿真模擬內(nèi)部元件之間的故障演化機(jī)理;另一方面,構(gòu)建電場(chǎng)、磁場(chǎng)和熱場(chǎng)等多場(chǎng)耦合的物理模型,仿真系統(tǒng)穩(wěn)態(tài)/暫態(tài)運(yùn)行特性。由于物理模型的非線性,可配合數(shù)據(jù)驅(qū)動(dòng)模型,利用深度學(xué)習(xí)對(duì)模型參數(shù)進(jìn)行修正。通過(guò)雙驅(qū)動(dòng)模型實(shí)現(xiàn)數(shù)字系統(tǒng)的實(shí)時(shí)鏡像復(fù)現(xiàn)。利用高保真數(shù)字系統(tǒng),揭示牽引變壓器的服役性能、狀態(tài)邊界條件以及動(dòng)態(tài)運(yùn)行特性。進(jìn)一步,利用數(shù)字系統(tǒng)對(duì)深度學(xué)習(xí)進(jìn)行模型訓(xùn)練,利用訓(xùn)練后的學(xué)習(xí)模型通過(guò)輸入實(shí)時(shí)數(shù)據(jù)進(jìn)行故障診斷、故障預(yù)測(cè)以及維修決策,實(shí)現(xiàn)物理系統(tǒng)和數(shù)字系統(tǒng)實(shí)時(shí)閉環(huán)雙向交互。

5.2 接觸網(wǎng)零部件關(guān)聯(lián)特性與維修決策

由于歷史故障數(shù)據(jù)和維修數(shù)據(jù)蘊(yùn)藏著豐富的零部件之間故障演化規(guī)律(可能是長(zhǎng)期的緩慢演化規(guī)律)。因此,從國(guó)鐵集團(tuán)級(jí)數(shù)字孿生網(wǎng)絡(luò)角度,如圖14所示,利用歷史故障和維修大數(shù)據(jù),挖掘和學(xué)習(xí)故障關(guān)聯(lián)特性,構(gòu)建接觸網(wǎng)零部件故障關(guān)聯(lián)數(shù)字系統(tǒng)。

圖14 接觸網(wǎng)故障零部件關(guān)聯(lián)特性與維修決策技術(shù)路線

由于不同鐵路局上傳至國(guó)鐵集團(tuán)的歷史故障和維修數(shù)據(jù)格式和標(biāo)準(zhǔn)不統(tǒng)一。因此,首先對(duì)數(shù)據(jù)進(jìn)行處理,通過(guò)數(shù)據(jù)清洗、數(shù)據(jù)剪枝、數(shù)據(jù)編碼和數(shù)據(jù)分類實(shí)現(xiàn)數(shù)據(jù)的標(biāo)準(zhǔn)化和規(guī)范化。進(jìn)一步,構(gòu)建因果強(qiáng)化學(xué)習(xí)的關(guān)聯(lián)特性模型。利用數(shù)字運(yùn)行仿真系統(tǒng)構(gòu)建因果環(huán)境模型,并依托構(gòu)建的策略網(wǎng)絡(luò)模型,實(shí)現(xiàn)智能體與數(shù)字運(yùn)行仿真系統(tǒng)的動(dòng)態(tài)交互,挖掘數(shù)據(jù)之間的故障關(guān)聯(lián)特性,生成由故障網(wǎng)絡(luò)組成的數(shù)字動(dòng)態(tài)因果系統(tǒng)。利用數(shù)字動(dòng)態(tài)因果系統(tǒng),從時(shí)間和空間兩個(gè)維度揭示故障關(guān)聯(lián)特性。

與此同時(shí),以數(shù)字動(dòng)態(tài)因果系統(tǒng)為訓(xùn)練系統(tǒng),對(duì)推理算法、深度學(xué)習(xí)和數(shù)據(jù)挖掘等人工智能技術(shù)進(jìn)行模型訓(xùn)練,獲得訓(xùn)練學(xué)習(xí)模型。通過(guò)采集的實(shí)時(shí)數(shù)據(jù),在線識(shí)別接觸網(wǎng)中的關(guān)鍵故障零部件,提高系統(tǒng)的風(fēng)險(xiǎn)防范能力。另外,通過(guò)零部件之間的關(guān)聯(lián)特性,可對(duì)前序故障零部件進(jìn)行監(jiān)測(cè)以及對(duì)后序零部件進(jìn)行預(yù)防,進(jìn)一步降低故障的傳播風(fēng)險(xiǎn)。

5.3 基于光纖復(fù)合接觸網(wǎng)的牽引供電系統(tǒng)智能診斷與狀態(tài)預(yù)測(cè)

當(dāng)前,對(duì)牽引供電系統(tǒng)的感知主要有兩種重要手段:一是通過(guò)SCADA系統(tǒng)實(shí)時(shí)監(jiān)測(cè)電氣量,包括電壓、電流等;二是通過(guò)6C系統(tǒng)的高清移動(dòng)相機(jī)、溫度傳感器、應(yīng)力傳感器等設(shè)備檢測(cè)監(jiān)測(cè)機(jī)械量和外部環(huán)境,包括異物入侵、應(yīng)力、溫度、缺陷等。其中,6C系統(tǒng)對(duì)應(yīng)變、溫度等運(yùn)行參數(shù)的檢測(cè)主要聚焦于接觸網(wǎng)特殊斷面和供電設(shè)備處。因此,為提高牽引供電系統(tǒng)對(duì)機(jī)械量和外部環(huán)境的感知能力,對(duì)新建線路引入光纖復(fù)合接觸網(wǎng),通過(guò)分布式光纖傳感器對(duì)應(yīng)變、溫度等機(jī)械量進(jìn)行實(shí)時(shí)感知。光學(xué)量測(cè)系統(tǒng)、SCADA系統(tǒng)以及6C系統(tǒng)三者之間協(xié)同配合、優(yōu)勢(shì)互補(bǔ),將進(jìn)一步提高系統(tǒng)的全息感知能力和精準(zhǔn)檢測(cè)監(jiān)測(cè)能力。例如,當(dāng)通過(guò)光纖傳感器精確檢測(cè)到系統(tǒng)發(fā)生應(yīng)變時(shí),可配合6C系統(tǒng)進(jìn)一步判別應(yīng)變發(fā)生原因,是異物入侵還是環(huán)境激擾引起的振動(dòng)。如圖15所示,通過(guò)三者協(xié)同配合,可構(gòu)建牽引供電系統(tǒng)智能診斷與狀態(tài)預(yù)測(cè)數(shù)字系統(tǒng)。

圖15 牽引供電系統(tǒng)智能診斷與狀態(tài)預(yù)測(cè)技術(shù)路線

通過(guò)3個(gè)量測(cè)系統(tǒng)對(duì)牽引供電系統(tǒng)的參數(shù)進(jìn)行全方位實(shí)時(shí)感知,由于感知的數(shù)據(jù)模態(tài)多樣,包括信號(hào)、文本和圖像等,因此,通過(guò)就地分布式邊緣計(jì)算對(duì)數(shù)據(jù)進(jìn)行處理和特征提取,并將處理后的數(shù)據(jù)傳輸至數(shù)字系統(tǒng)進(jìn)行實(shí)時(shí)保真模擬。綜合考慮環(huán)境、電氣和機(jī)械等參數(shù)變量,從物理和數(shù)據(jù)驅(qū)動(dòng)角度構(gòu)建牽引供電系統(tǒng)的運(yùn)行特性模型,包括接觸網(wǎng)狀態(tài)模型、牽引供電系統(tǒng)潮流方程、弓網(wǎng)動(dòng)態(tài)模型、回流模型。由于構(gòu)建的運(yùn)行特性模型是高階非線性方程,利用深度強(qiáng)化學(xué)習(xí)對(duì)模型進(jìn)行在線求解。將數(shù)字系統(tǒng)作為強(qiáng)化學(xué)習(xí)的環(huán)境,通過(guò)多智能體協(xié)同并行優(yōu)化,實(shí)現(xiàn)多智能體與數(shù)字系統(tǒng)互動(dòng)。通過(guò)多智能體與數(shù)字系統(tǒng)的交互,從系統(tǒng)論角度研究系統(tǒng)的老化特性,分析和評(píng)估系統(tǒng)當(dāng)前的健康狀態(tài);研究系統(tǒng)故障演化特性,分析牽引供電系統(tǒng)發(fā)生故障時(shí)的傳播規(guī)律,制定快速響應(yīng)和自愈策略,實(shí)現(xiàn)故障的快速隔離阻斷;研究環(huán)境激擾特性,分析與預(yù)測(cè)微氣象、漂浮物等外界環(huán)境對(duì)牽引供電系統(tǒng)的影響,進(jìn)一步制定合理的預(yù)防策略。與此同時(shí),通過(guò)數(shù)字系統(tǒng)保真模擬,可對(duì)深度強(qiáng)化學(xué)習(xí)的參數(shù)進(jìn)行修正,提高深度強(qiáng)化學(xué)習(xí)的求解精度,以及對(duì)狀態(tài)特性模型進(jìn)行修正,提高模型映射系統(tǒng)特性的精度。

通過(guò)數(shù)字系統(tǒng)的全景模擬,不僅與物理系統(tǒng)的實(shí)時(shí)狀態(tài)高保真映射,而且可提前預(yù)測(cè)物理系統(tǒng)的未來(lái)狀態(tài),將大幅提升狀態(tài)預(yù)測(cè)、故障診斷和運(yùn)維決策的能力。

6 難點(diǎn)與展望

構(gòu)建基于數(shù)字孿生網(wǎng)絡(luò)的牽引供電智能運(yùn)維系統(tǒng)雖然可實(shí)現(xiàn)系統(tǒng)全景鏡像感知、動(dòng)態(tài)特性分析、診斷決策建模,但是仍然存在以下難點(diǎn):

1)還原論和系統(tǒng)論的“共生”[55]:當(dāng)前,在牽引供電系統(tǒng)中,仍然主要從還原論角度,基于基本假設(shè)和條件簡(jiǎn)化,構(gòu)建物理模型分析系統(tǒng)的運(yùn)行特性,沒(méi)有從系統(tǒng)論的角度,刻畫牽引供電系統(tǒng)高維非線性系統(tǒng)內(nèi)部元件的交互關(guān)系。因此,如何將還原論構(gòu)建的物理模型結(jié)合數(shù)據(jù)驅(qū)動(dòng)模型從系統(tǒng)論角度進(jìn)行再構(gòu)建、再融合和再解釋是需要解決的一大難點(diǎn)。

2)海量大數(shù)據(jù)與異常小數(shù)據(jù)的“協(xié)同”:當(dāng)前的人工智能技術(shù)能夠借助于大數(shù)據(jù)和云計(jì)算平臺(tái)實(shí)現(xiàn)海量大數(shù)據(jù)的批量處理,從而挖掘出具有共識(shí)意義的特性規(guī)律。然而,批量處理可能忽略一些偶然發(fā)生的異常小數(shù)據(jù),不能完全識(shí)別出系統(tǒng)的薄弱點(diǎn)。因此,在批量處理海量大數(shù)據(jù)的同時(shí),有必要精準(zhǔn)捕捉和識(shí)別異常小數(shù)據(jù),充分挖掘異常小數(shù)據(jù)的潛在價(jià)值。

3)系統(tǒng)集成與網(wǎng)絡(luò)安全的“矛盾”:牽引供電系統(tǒng)中不同檢測(cè)監(jiān)測(cè)系統(tǒng)的內(nèi)部互聯(lián)互通,雖然有利于實(shí)現(xiàn)多維度信息融合和數(shù)據(jù)交互共享,但同時(shí)也將面臨網(wǎng)絡(luò)安全的問(wèn)題。一旦某個(gè)檢測(cè)監(jiān)測(cè)系統(tǒng)受到信息攻擊,將可能波及其他系統(tǒng),導(dǎo)致信息系統(tǒng)處于大面積癱瘓狀態(tài),嚴(yán)重威脅牽引供電系統(tǒng)的運(yùn)行安全。

為解決上述難點(diǎn),可進(jìn)一步探索新興技術(shù)在智能運(yùn)維系統(tǒng)中應(yīng)用的可能性,包括知識(shí)圖譜、邊緣智能以及區(qū)塊鏈技術(shù)。

1)構(gòu)建知識(shí)圖譜認(rèn)知推理系統(tǒng)。依據(jù)多模態(tài)數(shù)據(jù)建立物理模型的內(nèi)在聯(lián)系,構(gòu)建以物理模型為核心的多模態(tài)知識(shí)圖譜的推理系統(tǒng)[42]。利用認(rèn)知計(jì)算、類腦計(jì)算對(duì)推理系統(tǒng)進(jìn)行認(rèn)知推理,賦予智能運(yùn)維系統(tǒng)的認(rèn)知能力。

2)邊緣智能的異常檢測(cè)。將人工智能從云計(jì)算向邊緣側(cè)部分遷移,構(gòu)建輕量化的人工智能技術(shù)。在邊緣側(cè),對(duì)異常小數(shù)據(jù)進(jìn)行智能識(shí)別,有效避免大數(shù)據(jù)和云平臺(tái)對(duì)異常小數(shù)據(jù)的忽略,提供數(shù)據(jù)識(shí)別的敏感度。并且邊緣側(cè)賦予智能,也有利于對(duì)物理實(shí)體快速反應(yīng),做出最優(yōu)決策。

3)基于區(qū)塊鏈技術(shù)的信息交互。區(qū)塊鏈?zhǔn)且环N防篡改的分布式數(shù)據(jù)庫(kù),利用密碼學(xué)以去中心化的方式確保每個(gè)鏈路安全。因此,在智能運(yùn)維系統(tǒng)中,將區(qū)塊鏈技術(shù)應(yīng)用于構(gòu)建信息構(gòu)架中的網(wǎng)絡(luò)層,實(shí)現(xiàn)物理和虛擬實(shí)體/網(wǎng)絡(luò)之間去中心化信息交互,實(shí)現(xiàn)信息的可追溯性、可訪問(wèn)性和不可更改性,確保信息傳輸安全。