高仕斌，劉帝洋，韋曉廣，康高強，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.株洲電力機車研究所，湖南 株洲 412001)

牽引供電系統(tǒng)是列車運行的動力源泉,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行安全。截至2022年底,我國電氣化鐵路里程已超11萬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)無備用的特點,一旦發(fā)生故障,嚴重時將威脅列車的運行安全,甚至造成巨大的社會影響和經(jīng)濟損失。要確保牽引供電系統(tǒng)運行安全,其中一個重要措施是提高牽引供電系統(tǒng)智能運維水平[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監(jiān)測系統(tǒng)(6C系統(tǒng))為代表的智能運維平臺相繼投入使用,實現(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剩的問題,并且能夠?qū)╇娫O(shè)備進行全壽命周期動態(tài)管理,對牽引供電系統(tǒng)智能運維起到了重要支撐作用。

然而,電氣化鐵路運維的智能水平仍無法滿足電氣化鐵路快速發(fā)展的需求。例如,各運維平臺之間相互獨立,沒有從時間和空間維度實現(xiàn)多維度信息融合,導(dǎo)致數(shù)據(jù)無法共享和兼容,數(shù)據(jù)價值得不到充分利用[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)致運維標準難以統(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法充分挖掘;事故特性/故障機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)前智能運維技術(shù)的發(fā)展瓶頸,亟需探索和構(gòu)建新的智能運維模式。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)和云計算等先進技術(shù)[5-7]的廣泛應(yīng)用,為實現(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)。要實現(xiàn)上述先進技術(shù)與牽引供電智能運維系統(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)的牽引供電智能運維系統(tǒng),充分利用先進技術(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)備的全生命周期過程,為物理機理與多源異構(gòu)微數(shù)據(jù)的有機融合、牽引供電系統(tǒng)內(nèi)部協(xié)同交互運行、運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[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)智能運維中,通過對設(shè)備構(gòu)建數(shù)字孿生體,實現(xiàn)物理量、多時間尺度、多層次的實時感知和故障推演[19-20]。針對當(dāng)前電網(wǎng)穩(wěn)定規(guī)定非標準化、半結(jié)構(gòu)化問題,通過物理模型和電網(wǎng)計算模型構(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)字化問題[21]。為實現(xiàn)源網(wǎng)荷儲智能、高效協(xié)同,以數(shù)字孿生為支撐架構(gòu),提出了源網(wǎng)荷儲協(xié)同與人工智能深度融合的應(yīng)用體系[22]。與此同時,利用數(shù)字孿生技術(shù)對綜合能源系統(tǒng)進行規(guī)劃、運行和控制,提高了系統(tǒng)全景鏡像、動態(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)運行[24]、風(fēng)險預(yù)警[25]、調(diào)度優(yōu)化[26-27]、狀態(tài)評估[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)智能運維體系與應(yīng)用架構(gòu)勢在必行。在闡述數(shù)字孿生技術(shù)構(gòu)建智能運維系統(tǒng)必要性的基礎(chǔ)上,解析智能運維系統(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,闡明構(gòu)建智能運維系統(tǒng)的關(guān)鍵技術(shù)。并且,從故障應(yīng)對機制出發(fā),提出三級故障聯(lián)動機制和故障預(yù)防機制;從應(yīng)用場景出發(fā),給出數(shù)字孿生技術(shù)具體落地的技術(shù)路線。最后,對當(dāng)前面臨的挑戰(zhàn)和新興技術(shù)的應(yīng)用前景進行展望。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)的牽引供電智能運維系統(tǒng)的必要性

1.1 牽引供電系統(tǒng)運維技術(shù)的發(fā)展

為確保牽引供電系統(tǒng)安全、穩(wěn)定、可靠和高效運行,牽引供電系統(tǒng)運維技術(shù)發(fā)揮了不可替代的作用。然而,與電力系統(tǒng)運維技術(shù)相比,牽引供電系統(tǒng)運維技術(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時代,牽引供電系統(tǒng)運維技術(shù)主要是針對電氣故障的繼電保護設(shè)備。對于機械故障,主要以人工經(jīng)驗知識為主,通過制定維修計劃,對系統(tǒng)進行周期性檢修,包括人工定期巡檢、變電站有人值守,需要大量的人力、物力和財力,并且具有自動化水平較低、維護水平低、維護成本高、安全隱患多的特點,其運維技術(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)運維技術(shù)正進入信息化時代。高速鐵路供電安全檢測監(jiān)測系統(tǒng)(6C系統(tǒng))[29-30]、SCADA系統(tǒng)和綜合維修系統(tǒng)等運維平臺的投入使用,實現(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,通過對監(jiān)測數(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)運維技術(shù)仍然存在亟待解決的問題。

1)雖然以6C系統(tǒng)為核心的運維平臺縮短了系統(tǒng)的檢測監(jiān)測周期,但仍然不具備全面的全息感知能力。除了受電弓滑板監(jiān)測裝置(5C)和接觸網(wǎng)及供電設(shè)備地面監(jiān)測裝置(6C)可實時監(jiān)測受電弓滑板狀態(tài)和接觸網(wǎng)線索的特征參數(shù)之外,對機械故障的感知周期仍然以月為單位,不具備實時感知能力。

2)雖然在故障數(shù)據(jù)處理和識別中引入了深度學(xué)習(xí)等智能算法,但是仍然需要人工進行輔助識別,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為主要形式,導(dǎo)致維修時間以經(jīng)驗和計劃為主,不具備自主性和自治性。

4)大量運維數(shù)據(jù)(基礎(chǔ)數(shù)據(jù)、檢測監(jiān)測數(shù)據(jù)、故障數(shù)據(jù)、維修數(shù)據(jù)和試驗數(shù)據(jù))得不到充分利用,并且多模態(tài)數(shù)據(jù)之間沒有兼容性。例如,SCADA系統(tǒng)的信號數(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值的運維信息。毫無疑問,當(dāng)前的“狀態(tài)修”已不能完全滿足牽引供電系統(tǒng)運維要求。

為確保牽引供電系統(tǒng)能夠高效、安全和可靠運行,其首要因素是構(gòu)建一個具有狀態(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維系統(tǒng),實現(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為代表的智能運維數(shù)字孿生網(wǎng)絡(luò)具有重要意義。通過物理機理和數(shù)據(jù)驅(qū)動有機融合,構(gòu)建虛擬的牽引供電系統(tǒng)數(shù)字孿生體/網(wǎng)絡(luò),實現(xiàn)物理系統(tǒng)和數(shù)字系統(tǒng)雙向動態(tài)交互流動。一方面,通過對物理系統(tǒng)進行物理和數(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)進行狀態(tài)建模、健康評估、故障預(yù)測和風(fēng)險分析,實現(xiàn)對真實物理系統(tǒng)的實時、精準維修決策[33]。構(gòu)建基于數(shù)字孿生技術(shù)的牽引供電智能運維系統(tǒng),其本質(zhì)上是以現(xiàn)有的運維系統(tǒng)為基礎(chǔ),通過引入物聯(lián)網(wǎng)技術(shù),實現(xiàn)牽引供電系統(tǒng)的全息感知;通過對多種運維平臺集成構(gòu)建大數(shù)據(jù)平臺,實現(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),實現(xiàn)不同類型數(shù)據(jù)的交互處理;最后,通過人工智能技術(shù),實現(xiàn)具有自決策能力的精準維修策略。

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

隨著牽引供電系統(tǒng)運維技術(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,主要聚焦于對已發(fā)生的故障或缺陷進行定期維修,對部分電氣故障要求識別/記錄故障發(fā)生位置和時間(如保護動作時間),但對其他故障或缺陷(尤其機械故障或缺陷)檢測監(jiān)測的實時性要求不高;在“狀態(tài)修”階段,隨著以6C系統(tǒng)為代表的檢測監(jiān)測平臺的廣泛應(yīng)用,實現(xiàn)了對現(xiàn)有部分機械故障/缺陷實時檢測監(jiān)測,并且在一定程度上從還原論的角度,實現(xiàn)了部分故障和缺陷的物理建模,揭示了部分故障/缺陷的物理機理。然而,仍然缺乏從系統(tǒng)論角度解釋不同運行環(huán)境下不同故障或缺陷之間的交互機理,例如,從大量數(shù)據(jù)中挖掘的故障/缺陷關(guān)聯(lián)特性仍然無法解釋。因此,為實現(xiàn)“預(yù)防修”,其首要問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)動模型+物理模型”雙驅(qū)動模型,全面揭示系統(tǒng)的故障/缺陷機理,使其故障/缺陷機理具有可解釋性。依托可解釋性,實現(xiàn)故障/缺陷的快速診斷和精準預(yù)測,構(gòu)建以預(yù)防為主、檢修為輔的維修目標。要實現(xiàn)上述智能化、信息化和數(shù)字化運維過程,基于數(shù)字孿生技術(shù)的牽引供電智能運維系統(tǒng)需具備六大認知能力,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 智能運維技術(shù)認知特性的發(fā)展路徑

1)感知能力

感知能力是使智能運維系統(tǒng)具備認知能力的基礎(chǔ)和關(guān)鍵。感知能力首要目的就是通過量測技術(shù)實時采集牽引供電系統(tǒng)的數(shù)據(jù)信息,獲取大量的實時數(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)境精準表達,避免大量高維數(shù)、高容量的無用數(shù)據(jù)和過度冗余重復(fù)數(shù)據(jù),有利于后期數(shù)據(jù)處理和運維決策。感知能力使?fàn)恳╇娤到y(tǒng)及其所處的外部環(huán)境具有可見性。

2)聚焦能力

聚焦能力能夠依據(jù)當(dāng)前或未來一段時間內(nèi)的內(nèi)部運行狀態(tài)和外部環(huán)境有選擇地專注于特定任務(wù)或目標。例如,當(dāng)雷電多發(fā)季節(jié),其系統(tǒng)的運維目標可重點聚焦于評估和預(yù)測雷電對接觸網(wǎng)的影響。聚焦能力使智能運維系統(tǒng)能夠從實時或歷史數(shù)據(jù)庫中提取相關(guān)特性信息,對特定任務(wù)或目標進行聚焦分析,可有效提高智能運維系統(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。通過存儲牽引供電系統(tǒng)的運行狀態(tài)和外部環(huán)境的各個階段數(shù)據(jù),精準實現(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)具有雄厚的知識儲備能力,是其具有更高認知能力的基石。例如,準確記憶故障發(fā)生位置、發(fā)生時間、發(fā)生環(huán)境,有助于對未來具有相似特性的故障進行推理和預(yù)防。與此同時,記憶能力也需要智能運維系統(tǒng)具有快速回溯和檢索能力,有助于對重要故障/缺陷片段進行回放。

4)學(xué)習(xí)能力

學(xué)習(xí)能力要求智能運維系統(tǒng)能夠?qū)Λ@得的歷史數(shù)據(jù)或記憶片段進行學(xué)習(xí),提取有價值的知識。學(xué)習(xí)能力要求將歷史經(jīng)驗數(shù)據(jù)轉(zhuǎn)化成具有一定規(guī)律的新知識,并且能夠從數(shù)據(jù)驅(qū)動或物理機理角度對這些新知識進行解釋。相比記憶能力,學(xué)習(xí)能力強調(diào)知識的可解釋性和數(shù)據(jù)的再加工能力。

5)推理能力

推理能力要求智能運維系統(tǒng)能夠依據(jù)當(dāng)前或未來的外部環(huán)境以及系統(tǒng)自身的運行狀態(tài)對故障或缺陷進行精準預(yù)測和定位。推理能力是智能運維系統(tǒng)的最高認知能力,利用學(xué)習(xí)獲得的規(guī)律知識,對未知的運行狀態(tài)或環(huán)境進行推理,精準預(yù)測系統(tǒng)故障演化趨勢。對比記憶能力只能預(yù)測歷史上在相似環(huán)境或運行狀態(tài)下發(fā)生過的故障/缺陷,推理能力要求智能運維系統(tǒng)能夠預(yù)測未知環(huán)境或未知運行狀態(tài)(歷史上沒有出現(xiàn)過的)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現(xiàn)目標。決策能力強調(diào)其具有自治性和自主性。并且,以預(yù)防為指導(dǎo)目標,在故障/缺陷發(fā)生之前提前檢修,實現(xiàn)系統(tǒng)的安全可靠運行。需要注意的是,精準決策需要綜合考慮故障/缺陷的危害程度、即將發(fā)生時間、檢修時間、維修經(jīng)濟等綜合指標,制定最優(yōu)檢修方案和決策目標。

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

圖3 智能運維系統(tǒng)的認知過程

2 牽引供電智能運維系統(tǒng)架構(gòu)解析

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

2.1 牽引供電智能運維系統(tǒng)的物理架構(gòu)

牽引供電系統(tǒng)智能運維數(shù)字孿生網(wǎng)絡(luò)是一個由現(xiàn)實物理系統(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)通過信息網(wǎng)絡(luò)實時傳輸?shù)臄?shù)據(jù),利用人工智能、信息技術(shù)對物理系統(tǒng)進行全景映射,虛擬數(shù)字系統(tǒng)具有以下特性:

圖4 智能運維系統(tǒng)的物理架構(gòu)

1)虛擬數(shù)字系統(tǒng)是一個兩級數(shù)字孿生網(wǎng)絡(luò):路局級數(shù)字孿生網(wǎng)絡(luò)和中國國家鐵路集團有限公司(以下簡稱國鐵集團)級數(shù)字孿生網(wǎng)絡(luò)。其中,路局級數(shù)字孿生網(wǎng)絡(luò)對路局管轄的各供電段進行全景鏡像建模,由多個數(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。每一個數(shù)字孿生體可分別對映射的物理實體進行獨立自主的建模和決策響應(yīng),一旦物理實體發(fā)生故障可快速實現(xiàn)響應(yīng)和自愈。由多個數(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)境和運行狀態(tài),預(yù)測系統(tǒng)的故障發(fā)生時間和位置,制定相應(yīng)的檢修計劃。

國鐵集團級數(shù)字孿生網(wǎng)絡(luò)主要聚焦于整個鐵路系統(tǒng)的數(shù)字孿生建模,實現(xiàn)各路局級數(shù)字孿生網(wǎng)絡(luò)互聯(lián)互通。由于龐大的數(shù)據(jù)量,由國鐵集團牽頭,通過大數(shù)據(jù)技術(shù)可開展系統(tǒng)的故障/缺陷機理建模、分析和揭示,實現(xiàn)故障機理的可解釋性,指導(dǎo)系統(tǒng)運維標準、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)是一個多層次數(shù)字孿生網(wǎng)絡(luò)。從內(nèi)涵來看,虛擬數(shù)字系統(tǒng)是一個由數(shù)據(jù)、機理、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)動模型。其中,數(shù)據(jù)驅(qū)動模型表征形式多樣[35]。例如,數(shù)據(jù)驅(qū)動模型可以是產(chǎn)生式規(guī)則數(shù)據(jù)庫[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;也可以是時間序列數(shù)據(jù)庫,用以表征元件性能老化特性。這些不同的數(shù)據(jù)驅(qū)動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、通信可靠性等方面分別介紹P2V、V2V和P2P的特性。

1)P2V通過無線通信技術(shù)(5G/6G)、光纖以及現(xiàn)有的6C系統(tǒng)等方式實現(xiàn)物理系統(tǒng)和數(shù)字系統(tǒng)的信息交互。通過各種“傳感器”,如傳統(tǒng)的電流、電壓傳感器、無線通信基站、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)。毫無疑問,由于牽引供電系統(tǒng)是一個實時動態(tài)變化的物理系統(tǒng),因此,為確保路局級的數(shù)字系統(tǒng)同步性,要求P2V具有較高的實時性。例如,當(dāng)系統(tǒng)發(fā)生可修復(fù)性或可自愈性故障時,需要P2V及時將信息傳輸至虛擬系統(tǒng),由虛擬系統(tǒng)進行故障分析和決策,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)。隨著對運維要求的不斷提高,越來越多的物理實體將單獨建模形成虛擬實體。并且由于數(shù)據(jù)不僅限于文本和信號,還包括圖片和視頻等其他模態(tài)數(shù)據(jù)形式,因此,對通信帶寬要求很高,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、路局級和國鐵集團級孿生網(wǎng)絡(luò)之間的信息交互以及國鐵集團級孿生網(wǎng)絡(luò)內(nèi)部的信息交互。

在路局級數(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,由于路局級數(shù)字系統(tǒng)與物理系統(tǒng)需要實時鏡像,因此,其傳輸延時和可靠性要求較高,以確保處理和計算后的數(shù)據(jù)能夠精準、快速交互。

在路局級與國鐵集團級數(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)級的,因此對傳輸帶寬具有很高的要求。然而,對于國鐵集團級數(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)帶寬要求相對要低。國鐵集團級數(shù)字孿生網(wǎng)絡(luò)主要聚焦于運維標準的制定、故障機理的揭示和運維技術(shù)的更新等內(nèi)容,因此,對信息交互的實時性要求相對較低。對于傳輸可靠性,由于系統(tǒng)級的數(shù)據(jù)之間具有潛在的強關(guān)聯(lián)性,任意微粒數(shù)據(jù)發(fā)生錯誤,可通過數(shù)據(jù)之間的關(guān)聯(lián)性進行糾錯,因此,對其可靠性要求也相對較低。

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

2.3 牽引供電智能運維系統(tǒng)的信息架構(gòu)

要實現(xiàn)牽引供電智能運維系統(tǒng)物理架構(gòu),需要對物理系統(tǒng)進行全時段、全方位感知,以及對感知數(shù)據(jù)進行實時傳輸和快速處理,以確保虛擬數(shù)字系統(tǒng)能快速準確的與當(dāng)前運行狀態(tài)保持高度一致(主要指路局級數(shù)字孿生網(wǎng)絡(luò)),使智能運維系統(tǒng)對故障/缺陷進行精準預(yù)測并給出最優(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 智能運維系統(tǒng)的信息架構(gòu)

感知層為運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)測系統(tǒng)[39]。感知層不僅通過傳感器全方位獲取系統(tǒng)內(nèi)部和外部環(huán)境的實時數(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,未來新建鐵路重點推廣的光纖復(fù)合接觸網(wǎng)也將作為感知層的重要組成部分。此外,未來也可借助于北斗衛(wèi)星,實現(xiàn)對系統(tǒng)實時的動態(tài)感知,形成全覆蓋、多元化的實時精準感知。

邊緣層是一個輕量化數(shù)據(jù)處理層[40]。通過添加邊緣服務(wù)器,對牽引供電系統(tǒng)中物理實體的局部數(shù)據(jù)或微粒數(shù)據(jù)進行就地分布式、規(guī)范化處理和分析,使數(shù)據(jù)具有通用標準協(xié)議,實現(xiàn)物理實體之間的無障礙信息交互,以及數(shù)字系統(tǒng)的標準化建模。同時,邊緣層能夠直接對數(shù)據(jù)進行就地處理和分析,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,主要通過寬帶通信、光纖通信、移動互聯(lián)網(wǎng)進行數(shù)據(jù)傳輸。此外,對于大容量以及傳輸速率要求高的物理實體和運行場景,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。

孿生層對邊緣層處理后的海量微粒數(shù)據(jù)進行物理建模和數(shù)據(jù)驅(qū)動建模,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),解釋和揭示故障機理,實現(xiàn)真實世界到數(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)(如認知計算、神經(jīng)網(wǎng)絡(luò)、推理計算)并整合各種計算資源(如超級計算機、云計算、大數(shù)據(jù)),實現(xiàn)數(shù)字系統(tǒng)對物理系統(tǒng)的閉環(huán)反饋、行為預(yù)測,并提供高效智能運維決策的集成式大數(shù)據(jù)平臺。

2.4 牽引供電智能運維系統(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、動態(tài)保真、機理特性和智能決策五部分。

圖6 智能運維系統(tǒng)的模型架構(gòu)

鏡像感知主要構(gòu)建虛擬實體及孿生網(wǎng)絡(luò)的3D立體模型,實現(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)對牽引供電系統(tǒng)及其子系統(tǒng)進行還原,實現(xiàn)牽引供電系統(tǒng)數(shù)字化和可視化。其次,將實時感知的數(shù)據(jù)和實體的固有參數(shù)附著在虛擬實體和孿生網(wǎng)絡(luò)上,實現(xiàn)物理系統(tǒng)與數(shù)字系統(tǒng)之間參數(shù)的實時同步。

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

動態(tài)保真基于鏡像感知和動態(tài)保真實現(xiàn)全息模擬和高保真復(fù)現(xiàn)。除了實時數(shù)據(jù)的動態(tài)更新之外,利用構(gòu)建的雙驅(qū)動模型對電氣特性和機械特性進行實時動態(tài)更新,實時洞悉牽引供電系統(tǒng)當(dāng)前的運行健康程度,并且依據(jù)數(shù)字系統(tǒng)當(dāng)前的實時虛擬狀態(tài)對故障/缺陷進行一級響應(yīng)。

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

智能決策主要通過數(shù)字系統(tǒng)以及物理規(guī)律進行維修決策。對于不可自愈故障,進行二級或三級故障響應(yīng),通過協(xié)同調(diào)控、系統(tǒng)維修等方式使系統(tǒng)恢復(fù)正常運行狀態(tài);通過對系統(tǒng)進行中長期預(yù)測,依據(jù)預(yù)測結(jié)果制定維修計劃;最后,對運維標準、政策進行修正和制定。

在上述五部分中,鏡像感知和內(nèi)核驅(qū)動分別構(gòu)成了數(shù)字系統(tǒng)的外殼和內(nèi)核,實現(xiàn)了數(shù)字系統(tǒng)與物理系統(tǒng)的完整映射。動態(tài)保真和機理特性實現(xiàn)運行特性(暫/穩(wěn)態(tài)特性、正常運行與故障運行特性)動態(tài)高保真模擬,并且對現(xiàn)象、機理和規(guī)律進行解釋,為模型、參數(shù)修正以及運維決策提供基礎(chǔ)理論。運維決策通過制定決策模型為系統(tǒng)自主響應(yīng)、維修計劃制定、標準修訂等提供上層應(yīng)用服務(wù)。

2)模型架構(gòu)的表達

依據(jù)模型架構(gòu)的構(gòu)成,模型架構(gòu)的表達實質(zhì)上是一系列雙驅(qū)動模型依據(jù)系統(tǒng)的外部環(huán)境和運行特性進行知識生成、知識修正、知識表達的閉環(huán)反饋過程,如圖7所示。通過感知的數(shù)據(jù)建立雙驅(qū)動模型。依據(jù)3D技術(shù)和雙驅(qū)動模型實現(xiàn)運行狀態(tài)的高保真動態(tài)模擬和場景復(fù)現(xiàn)。進一步,利用動態(tài)模擬結(jié)果和雙驅(qū)動模型對故障/缺陷特性、暫/穩(wěn)態(tài)特性進行分析和解釋。其中,對于新的物理/機械特性依據(jù)模擬結(jié)果建立新的雙驅(qū)動模型,實現(xiàn)特性“消盲”。與此同時,通過對數(shù)字系統(tǒng)模擬的運行狀態(tài)與物理系統(tǒng)真實的運行狀態(tài)進行對比,分別對物理模型和數(shù)據(jù)驅(qū)動模型進行模型修正和參數(shù)修正,提高雙驅(qū)動模型的精度。最后,依據(jù)系統(tǒng)的運行特性,構(gòu)建決策模型,實現(xiàn)系統(tǒng)的運維決策。一方面,將決策模型提供給動態(tài)保真層,實現(xiàn)系統(tǒng)自主響應(yīng)和決策;另一方面,依據(jù)決策模型對構(gòu)建的雙驅(qū)動模型進行反饋修正。

圖7 智能運維系統(tǒng)的表達過程

3 牽引供電智能運維系統(tǒng)的關(guān)鍵技術(shù)

實現(xiàn)基于數(shù)字孿生網(wǎng)絡(luò)的牽引供電智能運維系統(tǒng)的物理架構(gòu)、信息架構(gòu)和模型架構(gòu),其首要問題是解決如何實現(xiàn)牽引供電系統(tǒng)數(shù)字物理系統(tǒng)雙向動態(tài)交互演化[42]。一方面,從物理系統(tǒng)向數(shù)字系統(tǒng)映射,需要通過物理模型和數(shù)據(jù)驅(qū)動模型建立高維動態(tài)、多時間尺度的高保真模型,是實現(xiàn)精準運維決策的關(guān)鍵步驟。另一方面,從數(shù)字系統(tǒng)向物理系統(tǒng)反饋,通過數(shù)據(jù)與知識融合的人工智能等先進技術(shù),進行沙盤推演、策略評估、故障自愈和預(yù)測,將虛擬數(shù)字空間的決策結(jié)果反作用于真實物理空間,實現(xiàn)數(shù)字系統(tǒng)與物理系統(tǒng)的協(xié)同互動與雙向優(yōu)化。要解決上述問題,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)字建模以及運維決策等方面全面提升牽引供電系統(tǒng)的運維技術(shù)。

圖8 智能運維系統(tǒng)的關(guān)鍵技術(shù)

3.1 智能運維系統(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)備以及運行環(huán)境的數(shù)字孿生網(wǎng)絡(luò),就要求運維系統(tǒng)有強大的感知能力,以及對真實的牽引供電系統(tǒng)進行完整的映射。針對上述要求,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,以實現(xiàn)對系統(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)綜合檢測裝置(1C)、接觸網(wǎng)安全巡檢裝置(2C)、車載接觸網(wǎng)運行狀態(tài)檢測裝置 (3C)、接觸網(wǎng)懸掛狀態(tài)檢測監(jiān)測裝置(4C)、受電滑板狀態(tài)監(jiān)測裝置(5C)、接觸網(wǎng)及供電設(shè)備地面監(jiān)測裝置(6C)和6C系統(tǒng)信息綜合應(yīng)用(6C數(shù)據(jù)中心)[29]。對數(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)測裝置(5C)和接觸網(wǎng)及供電設(shè)備地面監(jiān)測裝置(6C)可實時監(jiān)測受電弓滑板狀態(tài)和接觸網(wǎng)線索的特征參數(shù)之外,對其余機械結(jié)構(gòu)的感知也只是周期性的,并不能對系統(tǒng)進行全時間尺度的感知。因此,有必要進一步提高6C系統(tǒng)的實時感知能力以及數(shù)據(jù)傳輸能力。此外當(dāng)前的各子系統(tǒng)相對獨立,可通過數(shù)據(jù)驅(qū)動模型實現(xiàn)各子系統(tǒng)的協(xié)同交互,實現(xiàn)各子系統(tǒng)的優(yōu)勢互補。

圖9 高速鐵路供電安全檢測監(jiān)測系統(tǒng)(6C系統(tǒng))

2)光纖復(fù)合接觸網(wǎng)

為實現(xiàn)接觸網(wǎng)實時感知以及信息的大容量傳輸,通過在接觸線中內(nèi)置具有通信和傳感功能的光纖單元,能夠同時傳輸電能和通信信號,尤其對于地形復(fù)雜、運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)測技術(shù)的監(jiān)測范圍,如圖10所示,可實現(xiàn)應(yīng)力和振動的監(jiān)測、閃絡(luò)監(jiān)測、通信監(jiān)測、軌道不平順或變形致振監(jiān)測、列車和行駛狀態(tài)監(jiān)測等。在未來重點需要在制備工藝、焊接工藝以及監(jiān)測裝置等方向展開研究。

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],有利于避免由于實時海量微粒數(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,可提高不同物理實體之間和虛擬實體之間的傳輸效率。針對牽引供電系統(tǒng)中各實體的交互特性,以及車網(wǎng)耦合特性,需重點研究多跳自組織網(wǎng)絡(luò)的拓撲結(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)的通信機制進行有機融合,實現(xiàn)物理實體之間和虛擬實體之間的靈活、可靠、自主交互。

3.2 智能運維系統(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、動態(tài)特性多樣的多時間尺度系統(tǒng),傳統(tǒng)物理建模方法主要聚焦于對特定的物理實體進行建模。因此,只能描述物理實體在某一時間和空間尺度下的動態(tài)過程。難以從全系統(tǒng)角度挖掘多時間和空間尺度下各種動態(tài)過程之間的交互關(guān)系。為使數(shù)字模型對其物理對象的內(nèi)在特性與外部環(huán)境進行高度還原,需重點研究如何通過數(shù)據(jù)驅(qū)動建模和物理建模雙驅(qū)動的方式,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,與傳統(tǒng)建模中單一結(jié)構(gòu)的數(shù)據(jù)驅(qū)動方式相比,孿生網(wǎng)絡(luò)的建立需要充分挖掘感知層所獲取的運維信息,這些信息包含著大量無結(jié)構(gòu)、半結(jié)構(gòu)數(shù)據(jù),并且對物理系統(tǒng)的描述方式多種多樣、質(zhì)量參差不齊,這就需要對數(shù)據(jù)進行歸一、去重、去噪、數(shù)模轉(zhuǎn)化等融合處理。因此,需重點研究如何利用邊緣計算對微粒數(shù)據(jù)、局部數(shù)據(jù)以及敏感數(shù)據(jù)進行就地清洗、剪枝、提取、分類和壓縮,實現(xiàn)數(shù)據(jù)的標準化和輕量化處理[44-46]。以便數(shù)字建模時能充分利用運維數(shù)據(jù),建立多維度、高還原的孿生網(wǎng)絡(luò),并保證應(yīng)用層對故障預(yù)測以及運維決策的準確性。

2)物理數(shù)字雙驅(qū)動建模技術(shù)

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

3)外殼和內(nèi)核的多模態(tài)知識表達建模技術(shù)

從外殼來看,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)上和外觀上對物理系統(tǒng)進行3D還原,通過虛擬實體對物理實體屬性、行為、規(guī)則等方面實現(xiàn)層次細節(jié)的可視化動態(tài)逼真顯示,實現(xiàn)對復(fù)雜故障/缺陷的可視化沙盤推演,有助于探索故障/缺陷機理。從內(nèi)核來看,數(shù)字孿生網(wǎng)絡(luò)需具有多模態(tài)知識表達能力[47-48],使可視化3D模型具有動態(tài)特性。例如,通過復(fù)雜網(wǎng)絡(luò)表達不同物理實體之間的故障交互關(guān)系;通過決策表達物理實體內(nèi)部各因素對故障特性的影響;利用語義網(wǎng)絡(luò)技術(shù)表達系統(tǒng)故障演化特性。這些不同的知識表達為快速數(shù)據(jù)查詢、精準認知推理和精準學(xué)習(xí)預(yù)測提供了基礎(chǔ)。

3.3 智能運維系統(tǒng)的運維決策技術(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)高效挖掘蘊含的價值特征[49],并從物理和數(shù)據(jù)驅(qū)動角度揭示系統(tǒng)的運行特性,進而自主制定適用于當(dāng)前運行狀態(tài)或運行周期的運維策略。為達到上述目的,通過虛擬存儲技術(shù)與網(wǎng)絡(luò)存儲技術(shù)對海量運維數(shù)據(jù)進行儲存,以大數(shù)據(jù)和云計算技術(shù)對數(shù)據(jù)進行處理和分析,并為人工智能算法引擎提供自主學(xué)習(xí)的條件。通過人工智能算法引擎提供的先進算法模型不斷優(yōu)化運維策略,實現(xiàn)自主決策能力。

1)海量數(shù)據(jù)存儲技術(shù)

通過虛擬存儲技術(shù)與網(wǎng)絡(luò)存儲技術(shù)對運維系統(tǒng)產(chǎn)生的大規(guī)模數(shù)據(jù)進行存儲、傳輸與處理。虛擬存儲技術(shù)可使內(nèi)存與外存進行有機結(jié)合,使實際使用容量遠大于實際內(nèi)存的存儲空間,提高數(shù)據(jù)的存儲能力[50]。另外,將存儲系統(tǒng)劃分為多個存儲模塊,并且將訪問數(shù)據(jù)所需的帶寬合理分配到每一個存儲模塊上,增加系統(tǒng)的整體訪問帶寬。網(wǎng)絡(luò)存儲技術(shù)不僅可滿足智能運維系統(tǒng)大規(guī)模的數(shù)據(jù)存儲,并且還可以實現(xiàn)計算設(shè)備與存儲設(shè)備之間數(shù)據(jù)的高速傳遞,各層間也能進行快速靈活的數(shù)據(jù)調(diào)用。虛擬存儲技術(shù)與網(wǎng)絡(luò)存儲技術(shù)相結(jié)合,使海量運維數(shù)據(jù)得以經(jīng)濟、安全地進行儲存,并且使用時也能方便、快速地進行調(diào)用。

2)大規(guī)模并行計算技術(shù)

運維數(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)和串行計算難以滿足運維數(shù)據(jù)處理的需求。需引入并行計算[51],將復(fù)雜任務(wù)分解成若干個子任務(wù),實現(xiàn)多進程、多線程并行協(xié)同執(zhí)行。要實現(xiàn)并行計算,應(yīng)重點研究多線程技術(shù)的開銷和消息傳遞模式,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)動模型入手,對模型進行并行化處理,重點研究如何將復(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)與云計算技術(shù)所提供的龐大數(shù)據(jù)庫以及相應(yīng)的數(shù)據(jù)存儲空間,是以人工智能為核心的智能運維決策系統(tǒng)進行自主學(xué)習(xí)的必要條件,也是提高計算效率和計算準確率的前提條件。通過人工智能算法引擎在智能運維系統(tǒng)中嵌入深度學(xué)習(xí)、因果學(xué)習(xí)、集成學(xué)習(xí)等先進算法模型,實現(xiàn)故障沙盤推演、故障定位診斷和狀態(tài)預(yù)測評估等功能。一方面,對于多參數(shù)、多因素大規(guī)模非線性物理模型(如非線性動力學(xué)模型),結(jié)合并行計算,可利用深度學(xué)習(xí)進行快速求解。另一方面,利用因果推理等算法建立數(shù)據(jù)驅(qū)動模型,挖掘故障特性之間的關(guān)聯(lián)特性和規(guī)律,實現(xiàn)數(shù)據(jù)驅(qū)動模型的可解釋性。

4 牽引供電智能運維系統(tǒng)的故障應(yīng)對機制

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

圖11 三級故障聯(lián)動機制

4.1 三級故障聯(lián)動機制

牽引供電智能運維系統(tǒng)最重要的核心內(nèi)容是對故障進行響應(yīng),確保系統(tǒng)(經(jīng)濟和安全)損失最小。依據(jù)模型架構(gòu),故障響應(yīng)機制可分為三級。其中,一級和二級在路局級數(shù)字孿生網(wǎng)絡(luò),三級在國鐵集團級數(shù)字網(wǎng)絡(luò)。

在一級和二級響應(yīng)中,各虛擬實體對感知的數(shù)據(jù)進行故障診斷,一旦發(fā)現(xiàn)故障,首先,虛擬實體快速啟動響應(yīng)機制,阻斷故障進一步演化。對于故障在某個實體內(nèi)部,可通過故障快速隔離、保護重合閘以及備用設(shè)備投切等方式,進行自愈恢復(fù)。對于故障涉及多個實體協(xié)同配合時,孿生網(wǎng)絡(luò)進行快速協(xié)同控制。例如,接觸網(wǎng)發(fā)生故障時,通過聯(lián)絡(luò)開關(guān)聯(lián)動,以列車應(yīng)急供電為需求,進行最小供電單元化劃分,實現(xiàn)系統(tǒng)降級供電[52],優(yōu)先確保列車通過無電區(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,通過對多源多儲協(xié)同優(yōu)化、應(yīng)急資源調(diào)配以及負荷分級削減等方式[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,啟動二級響應(yīng)機制,分別以維修時間和維修經(jīng)濟為主目標和從目標,構(gòu)建多級主從優(yōu)化維修模型,制定最優(yōu)維修策略,對故障進行快速搶修,確保牽引供電系統(tǒng)最短時間內(nèi)恢復(fù)運行。

對于跨系統(tǒng)故障,設(shè)置三級響應(yīng)機制,依據(jù)不同線路輸送負荷的重要等級,進行統(tǒng)一調(diào)控,進行分級恢復(fù),逐步恢復(fù)供電。

如圖12所示,利用三級聯(lián)動機制將增加系統(tǒng)響應(yīng)、自愈、吸收和恢復(fù)的能力。依據(jù)數(shù)字系統(tǒng)實時分析牽引供電系統(tǒng)在應(yīng)對故障擾動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,通過控制策略,主動“干擾”系統(tǒng)的臨界特性,擴大系統(tǒng)的運行穩(wěn)定域,提高系統(tǒng)抵御故障風(fēng)險的能力。

圖12 故障應(yīng)對機制下系統(tǒng)性能與應(yīng)急供電能力演化特性

4.2 故障預(yù)防機制

為實現(xiàn)故障預(yù)防,可通過短期和中長期預(yù)測,制定檢測計劃,避免故障的發(fā)生。

對于短期預(yù)測,數(shù)字系統(tǒng)通過記憶和學(xué)習(xí)能力,對歷史故障/缺陷數(shù)據(jù)進行溯源分析,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)生時的系統(tǒng)運行特性以及外部環(huán)境特點,提取故障場景特性。一旦出現(xiàn)相似故障場景,系統(tǒng)立即啟動預(yù)警機制,通過搶修或協(xié)同控制,阻止故障的發(fā)生。

對于中長期故障,在對歷史故障/缺陷數(shù)據(jù)進行溯源的基礎(chǔ)上,對各物理實體的材料、性能等固有參數(shù)進行全生命周期分析,并結(jié)合歷史運行數(shù)據(jù),建立物理實體的老化模型,分析其物理實體的老化機理。在此基礎(chǔ)上,通過物理實體的交互特性構(gòu)建系統(tǒng)級的老化模型,全面評估系統(tǒng)的健康狀態(tài)。另外,通過建立微氣象模型,構(gòu)建微氣象預(yù)警機制,實時監(jiān)測和預(yù)測系統(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)安全和運維經(jīng)濟為目標,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。

5 牽引供電智能運維系統(tǒng)典型場景應(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)動的雙驅(qū)動模型,實現(xiàn)設(shè)備級和系統(tǒng)級的狀態(tài)評估和故障診斷。

5.1 多源異構(gòu)數(shù)據(jù)的牽引變壓器狀態(tài)監(jiān)測與評估

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,其運行安全是確保牽引供電系統(tǒng)安全可靠運行的重要前提,因此,有必要對其構(gòu)建牽引變壓器的數(shù)字系統(tǒng),實現(xiàn)牽引變壓器的鏡像復(fù)現(xiàn),利用虛擬數(shù)字系統(tǒng)進行實時狀態(tài)監(jiān)測和安全評估,如圖13所示。

圖13 牽引變壓器狀態(tài)監(jiān)測與評估技術(shù)路線

為能夠精準復(fù)現(xiàn)牽引變壓器,需要全息感知牽引變壓器的參數(shù)特性和運行狀態(tài)。通過溫度傳感器、電壓/電流傳感器對牽引變壓器進行在線感知,獲取實時運行數(shù)據(jù),配合試驗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。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,有必要通過邊緣計算,對數(shù)據(jù)進行整合、去噪、增強和特征提取,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)動的雙驅(qū)動模型。一方面,通過在線深度學(xué)習(xí)對處理后的數(shù)據(jù)進行訓(xùn)練,從數(shù)據(jù)角度對系統(tǒng)的運行狀態(tài)進行認知,仿真模擬內(nèi)部元件之間的故障演化機理;另一方面,構(gòu)建電場、磁場和熱場等多場耦合的物理模型,仿真系統(tǒng)穩(wěn)態(tài)/暫態(tài)運行特性。由于物理模型的非線性,可配合數(shù)據(jù)驅(qū)動模型,利用深度學(xué)習(xí)對模型參數(shù)進行修正。通過雙驅(qū)動模型實現(xiàn)數(shù)字系統(tǒng)的實時鏡像復(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)邊界條件以及動態(tài)運行特性。進一步,利用數(shù)字系統(tǒng)對深度學(xué)習(xí)進行模型訓(xùn)練,利用訓(xùn)練后的學(xué)習(xí)模型通過輸入實時數(shù)據(jù)進行故障診斷、故障預(yù)測以及維修決策,實現(xiàn)物理系統(tǒng)和數(shù)字系統(tǒng)實時閉環(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)蘊藏著豐富的零部件之間故障演化規(guī)律(可能是長期的緩慢演化規(guī)律)。因此,從國鐵集團級數(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鐵集團的歷史故障和維修數(shù)據(jù)格式和標準不統(tǒng)一。因此,首先對數(shù)據(jù)進行處理,通過數(shù)據(jù)清洗、數(shù)據(jù)剪枝、數(shù)據(jù)編碼和數(shù)據(jù)分類實現(xiàn)數(shù)據(jù)的標準化和規(guī)范化。進一步,構(gòu)建因果強化學(xué)習(xí)的關(guān)聯(lián)特性模型。利用數(shù)字運行仿真系統(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,實現(xiàn)智能體與數(shù)字運行仿真系統(tǒng)的動態(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)字動態(tài)因果系統(tǒng)。利用數(shù)字動態(tài)因果系統(tǒng),從時間和空間兩個維度揭示故障關(guān)聯(lián)特性。

與此同時,以數(shù)字動態(tài)因果系統(tǒng)為訓(xùn)練系統(tǒng),對推理算法、深度學(xué)習(xí)和數(shù)據(jù)挖掘等人工智能技術(shù)進行模型訓(xùn)練,獲得訓(xùn)練學(xué)習(xí)模型。通過采集的實時數(shù)據(jù),在線識別接觸網(wǎng)中的關(guān)鍵故障零部件,提高系統(tǒng)的風(fēng)險防范能力。另外,通過零部件之間的關(guān)聯(lián)特性,可對前序故障零部件進行監(jiān)測以及對后序零部件進行預(yù)防,進一步降低故障的傳播風(fēng)險。

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

當(dāng)前,對牽引供電系統(tǒng)的感知主要有兩種重要手段:一是通過SCADA系統(tǒng)實時監(jiān)測電氣量,包括電壓、電流等;二是通過6C系統(tǒng)的高清移動相機、溫度傳感器、應(yīng)力傳感器等設(shè)備檢測監(jiān)測機械量和外部環(huán)境,包括異物入侵、應(yīng)力、溫度、缺陷等。其中,6C系統(tǒng)對應(yīng)變、溫度等運行參數(shù)的檢測主要聚焦于接觸網(wǎng)特殊斷面和供電設(shè)備處。因此,為提高牽引供電系統(tǒng)對機械量和外部環(huán)境的感知能力,對新建線路引入光纖復(fù)合接觸網(wǎng),通過分布式光纖傳感器對應(yīng)變、溫度等機械量進行實時感知。光學(xué)量測系統(tǒng)、SCADA系統(tǒng)以及6C系統(tǒng)三者之間協(xié)同配合、優(yōu)勢互補,將進一步提高系統(tǒng)的全息感知能力和精準檢測監(jiān)測能力。例如,當(dāng)通過光纖傳感器精確檢測到系統(tǒng)發(fā)生應(yīng)變時,可配合6C系統(tǒng)進一步判別應(yīng)變發(fā)生原因,是異物入侵還是環(huán)境激擾引起的振動。如圖15所示,通過三者協(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)測技術(shù)路線

通過3個量測系統(tǒng)對牽引供電系統(tǒng)的參數(shù)進行全方位實時感知,由于感知的數(shù)據(jù)模態(tài)多樣,包括信號、文本和圖像等,因此,通過就地分布式邊緣計算對數(shù)據(jù)進行處理和特征提取,并將處理后的數(shù)據(jù)傳輸至數(shù)字系統(tǒng)進行實時保真模擬。綜合考慮環(huán)境、電氣和機械等參數(shù)變量,從物理和數(shù)據(jù)驅(qū)動角度構(gòu)建牽引供電系統(tǒng)的運行特性模型,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)動態(tài)模型、回流模型。由于構(gòu)建的運行特性模型是高階非線性方程,利用深度強化學(xué)習(xí)對模型進行在線求解。將數(shù)字系統(tǒng)作為強化學(xué)習(xí)的環(huán)境,通過多智能體協(xié)同并行優(yōu)化,實現(xiàn)多智能體與數(shù)字系統(tǒng)互動。通過多智能體與數(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)生故障時的傳播規(guī)律,制定快速響應(yīng)和自愈策略,實現(xiàn)故障的快速隔離阻斷;研究環(huán)境激擾特性,分析與預(yù)測微氣象、漂浮物等外界環(huán)境對牽引供電系統(tǒng)的影響,進一步制定合理的預(yù)防策略。與此同時,通過數(shù)字系統(tǒng)保真模擬,可對深度強化學(xué)習(xí)的參數(shù)進行修正,提高深度強化學(xué)習(xí)的求解精度,以及對狀態(tài)特性模型進行修正,提高模型映射系統(tǒng)特性的精度。

通過數(shù)字系統(tǒng)的全景模擬,不僅與物理系統(tǒng)的實時狀態(tài)高保真映射,而且可提前預(yù)測物理系統(tǒng)的未來狀態(tài),將大幅提升狀態(tài)預(yù)測、故障診斷和運維決策的能力。

6 難點與展望

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

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)和條件簡化,構(gòu)建物理模型分析系統(tǒng)的運行特性,沒有從系統(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)動模型從系統(tǒng)論角度進行再構(gòu)建、再融合和再解釋是需要解決的一大難點。

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)和云計算平臺實現(xiàn)海量大數(shù)據(jù)的批量處理,從而挖掘出具有共識意義的特性規(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),不能完全識別出系統(tǒng)的薄弱點。因此,在批量處理海量大數(shù)據(jù)的同時,有必要精準捕捉和識別異常小數(shù)據(jù),充分挖掘異常小數(shù)據(jù)的潛在價值。

3)系統(tǒng)集成與網(wǎng)絡(luò)安全的“矛盾”:牽引供電系統(tǒng)中不同檢測監(jiān)測系統(tǒng)的內(nèi)部互聯(lián)互通,雖然有利于實現(xiàn)多維度信息融合和數(shù)據(jù)交互共享,但同時也將面臨網(wǎng)絡(luò)安全的問題。一旦某個檢測監(jiān)測系統(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),嚴重威脅牽引供電系統(tǒng)的運行安全。

為解決上述難點,可進一步探索新興技術(shù)在智能運維系統(tǒng)中應(yīng)用的可能性,包括知識圖譜、邊緣智能以及區(qū)塊鏈技術(shù)。

1)構(gòu)建知識圖譜認知推理系統(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)知識圖譜的推理系統(tǒng)[42]。利用認知計算、類腦計算對推理系統(tǒng)進行認知推理,賦予智能運維系統(tǒng)的認知能力。

2)邊緣智能的異常檢測。將人工智能從云計算向邊緣側(cè)部分遷移,構(gòu)建輕量化的人工智能技術(shù)。在邊緣側(cè),對異常小數(shù)據(jù)進行智能識別,有效避免大數(shù)據(jù)和云平臺對異常小數(shù)據(jù)的忽略,提供數(shù)據(jù)識別的敏感度。并且邊緣側(cè)賦予智能,也有利于對物理實體快速反應(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)塊鏈是一種防篡改的分布式數(shù)據(jù)庫,利用密碼學(xué)以去中心化的方式確保每個鏈路安全。因此,在智能運維系統(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,實現(xiàn)物理和虛擬實體/網(wǎng)絡(luò)之間去中心化信息交互,實現(xiàn)信息的可追溯性、可訪問性和不可更改性,確保信息傳輸安全。