上海軌道交通不間斷電源設(shè)備狀態(tài)評(píng)估系統(tǒng)的設(shè)計(jì)和應(yīng)用

谷夢(mèng)勖 萬(wàn) 衡 黃怡婷 王 楓 唐許良

(1.上海應(yīng)用技術(shù)大學(xué)軌道交通學(xué)院， 201418， 上海； 2.上海玖道信息科技股份有限公司杭州分公司， 310063， 杭州；3．上海申通地鐵集團(tuán)有限公司維保供電分公司， 200050， 上?！蔚谝蛔髡?， 碩士研究生)

供電系統(tǒng)作為地鐵列車(chē)的牽引動(dòng)力來(lái)源，也是列車(chē)安全運(yùn)行的重要因素。軌道交通供電系統(tǒng)的傳統(tǒng)定時(shí)檢修模式效率相對(duì)低下，成本居高不下，因此實(shí)現(xiàn)供電智能化運(yùn)維是必由之路[1]。目前，上海軌道交通供電系統(tǒng)已經(jīng)初步完成了智能化監(jiān)控平臺(tái)整體框架的構(gòu)建并上線運(yùn)行。該系統(tǒng)具備相關(guān)數(shù)據(jù)的采集、遠(yuǎn)程傳輸、顯示等功能，可以反映供電設(shè)備的實(shí)時(shí)數(shù)據(jù)如環(huán)境、故障等狀態(tài)信息。但對(duì)于所獲數(shù)據(jù)尚未深度挖掘，且在數(shù)據(jù)的加工和處理上仍有欠缺。作為供電系統(tǒng)重要部件之一的UPS(不間斷電源)設(shè)備，其狀態(tài)亦缺乏完整的、可量化的評(píng)價(jià)依據(jù)[2]。針對(duì)以上現(xiàn)狀，根據(jù)UPS設(shè)備的統(tǒng)計(jì)數(shù)據(jù)、UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)的構(gòu)成及維修流程等相關(guān)信息，設(shè)計(jì)出一套互聯(lián)互通、統(tǒng)一規(guī)劃的UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)。

1 UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)的整體設(shè)計(jì)

以上海軌道交通積累的運(yùn)行和故障數(shù)據(jù)為基礎(chǔ)，深入了解軌道交通供電UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)的結(jié)構(gòu)和作用，參考供電專(zhuān)家的意見(jiàn)，將該系統(tǒng)分為6大評(píng)分模塊。其中，每大類(lèi)均以100分為基準(zhǔn)分值，通過(guò)各模塊內(nèi)部包含的影響健康狀態(tài)的各小類(lèi)因子依次加減分，來(lái)實(shí)現(xiàn)將定性分析轉(zhuǎn)化成各小項(xiàng)的健康度量化分?jǐn)?shù)。其具體的分值增減準(zhǔn)則主要依據(jù)故障數(shù)據(jù)、維修量、部件重要性、備份冗余程度等相關(guān)數(shù)據(jù)，并結(jié)合專(zhuān)家經(jīng)驗(yàn)和多次運(yùn)算測(cè)驗(yàn)后調(diào)整確定，構(gòu)建了UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)的基本框架，實(shí)現(xiàn)對(duì)該系統(tǒng)的整體設(shè)計(jì)。

由于上海軌道交通UPS設(shè)備積累數(shù)據(jù)比較完整且型號(hào)齊整，有利于相關(guān)智能算法對(duì)其信息數(shù)據(jù)進(jìn)行處理分析。本課題采取智能化控制相關(guān)理論對(duì)UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)進(jìn)一步開(kāi)展評(píng)分細(xì)化以及預(yù)測(cè)的研究[3]。因此，作為上海軌道交通供電智能化運(yùn)維功能擴(kuò)展深化的內(nèi)容，本課題以UPS設(shè)備為對(duì)象，根據(jù)上海軌道交通積累的歷史數(shù)據(jù)，采用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)該系統(tǒng)內(nèi)部進(jìn)行改進(jìn)與優(yōu)化，實(shí)現(xiàn)對(duì)UPS設(shè)備故障狀態(tài)的預(yù)判功能[4]。

2 UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)的模塊構(gòu)成

本課題所規(guī)劃的UPS設(shè)備狀態(tài)評(píng)分系統(tǒng)整體框架主要由其所處環(huán)境、UPS及蓄電池的運(yùn)行狀態(tài)與故障情況，以及UPS設(shè)備的預(yù)防性試驗(yàn)、維護(hù)保養(yǎng)和大修改造等6大評(píng)分模塊組成[5]。由于部件之間存在相對(duì)獨(dú)立性，因此，以非相關(guān)影響為依據(jù)選取6大模塊內(nèi)部的評(píng)分因子，以各部件單元不出現(xiàn)負(fù)分為評(píng)分原則。

2.1 環(huán)境評(píng)分模塊

UPS設(shè)備所處的環(huán)境對(duì)其影響至關(guān)重要，機(jī)房中溫度、濕度及灰塵等環(huán)境因素的操控不當(dāng)都可能會(huì)損害到UPS設(shè)備的后期運(yùn)行。因此，本系統(tǒng)從UPS設(shè)備所處環(huán)境中挑選出影響最大的3個(gè)環(huán)境條件作為評(píng)分因子參與計(jì)算，其公式如下所示：

Sen=Sde+Sdu+Shu+Ste

(1)

式中：

Sen——環(huán)境得分；

Sde——默認(rèn)分；

Sdu——粉塵得分；

Shu——濕度得分；

Ste——溫度得分。

其中，Sdu為人工手動(dòng)錄入項(xiàng)，而濕度與溫度得分可自動(dòng)從系統(tǒng)監(jiān)測(cè)點(diǎn)中獲取。

2.2 UPS及蓄電池運(yùn)行狀態(tài)評(píng)分模塊

蓄電池是UPS的核心部件之一。本系統(tǒng)根據(jù)歷史數(shù)據(jù)和使用手冊(cè)，篩選出影響最大的7個(gè)小類(lèi)作為蓄電池評(píng)分因子參與計(jì)算，其公式如下所示：

SUACCr=Sde+Ssp+SUp+SACCp+Sc+

SUr+SUy+SACCt

(2)

式中：

SUACCr——UPS及蓄電池運(yùn)行狀態(tài)得分；

Ssp——備品備件得分；

SUp——UPS報(bào)警情況得分；

SACCp——蓄電池報(bào)警情況得分；

Sc——當(dāng)前狀態(tài)得分；

SUr——USP負(fù)載率得分；

SUy——UPS運(yùn)行年限得分；

SACCt——蓄電池后備時(shí)間得分。

其中，Ssp為人工手動(dòng)錄入項(xiàng)，該錄入項(xiàng)是相關(guān)元器件的數(shù)量，按件計(jì)算扣相應(yīng)評(píng)分；其余5項(xiàng)可從系統(tǒng)中自動(dòng)獲取，同時(shí)SUp和SACCp亦是統(tǒng)計(jì)當(dāng)天報(bào)警次數(shù)后按次扣分。

2.3 UPS及蓄電池故障評(píng)分模塊

與第2.2節(jié)蓄電池運(yùn)行狀態(tài)評(píng)分模塊類(lèi)似，本評(píng)分模塊也考慮到蓄電池在UPS設(shè)備狀態(tài)評(píng)分系統(tǒng)中所占的重要地位。但不同于第2.2節(jié)針對(duì)UPS設(shè)備狀態(tài)評(píng)分系統(tǒng)的現(xiàn)實(shí)狀況進(jìn)行評(píng)判。此模塊主要是從歷史故障方面考慮對(duì)UPS設(shè)備性能的影響。因此，本系統(tǒng)從能夠體現(xiàn)UPS及蓄電池過(guò)去狀況的監(jiān)測(cè)數(shù)據(jù)中挑選出影響最大的3個(gè)小類(lèi)作為評(píng)分因子參與計(jì)算，其公式如下所示：

SUACCf=Sde+SUf+SACCf+SACCy

(3)

式中：

SUACCf——UPS及蓄電池故障得分；

SUf——UPS故障情況得分；

SACCf——蓄電池故障情況得分；

SACCy——蓄電池運(yùn)行年限得分。

2.4 預(yù)防性試驗(yàn)評(píng)分模塊

除了UPS設(shè)備實(shí)時(shí)的監(jiān)測(cè)數(shù)據(jù)，定期的預(yù)防性試驗(yàn)也可以在一定程度上體現(xiàn)設(shè)備的運(yùn)行狀況，從而對(duì)評(píng)估UPS設(shè)備目前的健康情況具有參考價(jià)值。因此,本系統(tǒng)將針對(duì)于UPS設(shè)備常見(jiàn)的5個(gè)預(yù)防性試驗(yàn)作為評(píng)分因子參與計(jì)算，其公式如下所示：

Spt=Sde+Scf+SAt+SAD+SBs+SACCc

(4)

式中：

Spt——預(yù)防性試驗(yàn)得分；

Scf——充電功能得分；

SAt——交流兩路切換試驗(yàn)得分；

SAD——交直流切換試驗(yàn)得分；

SBs——旁路切換試驗(yàn)；

SACCc——蓄電池核容試驗(yàn)得分。

式(4)中的各項(xiàng)變量數(shù)據(jù)均可從UPS設(shè)備狀態(tài)評(píng)分系統(tǒng)中直接獲取，并可通過(guò)試驗(yàn)性工單查看最新一次試驗(yàn)的詳細(xì)結(jié)果。

2.5 維護(hù)保養(yǎng)評(píng)分模塊

重要部件的維護(hù)保養(yǎng)對(duì)于提升UPS設(shè)備的健康度有很大的影響，進(jìn)行過(guò)不同程度維護(hù)保養(yǎng)的UPS設(shè)備得分普遍較高于未進(jìn)行維護(hù)保養(yǎng)的設(shè)備，故該小項(xiàng)為加分項(xiàng)。根據(jù)不同的規(guī)則而加分不同，其公式如下所示：

Sm=Sem+Scm+Ssi

(5)

式中：

Sm——維護(hù)保養(yǎng)得分；

Sem——設(shè)備整體保養(yǎng)得分；

Scm——主要部件深度保養(yǎng)得分；

Ssi——專(zhuān)項(xiàng)排查整改得分。

式(5)中，各小項(xiàng)得分皆為人工手動(dòng)錄入，但主要部件深度保養(yǎng)與專(zhuān)項(xiàng)排查整改兩小類(lèi)的錄入項(xiàng)是與相關(guān)元器件的數(shù)量有關(guān)，需按件累計(jì)所加的相應(yīng)評(píng)分。

2.6 大修改造評(píng)分模塊

大修改造會(huì)涉及到對(duì)UPS設(shè)備升級(jí)，或針對(duì)其中的主要部件更換，在一定程度上也會(huì)直接影響UPS設(shè)備的健康度，故此項(xiàng)也為加分項(xiàng)。根據(jù)不同部件的更換，對(duì)其分?jǐn)?shù)進(jìn)行相加，得到的大修改造得分如下：

Srr=Ser+Smr+Sur

(6)

式中：

Srr——大修改造得分；

Ser——設(shè)備升級(jí)改造得分；

Smr——主要部件整體更換得分；

Sur——更新改造得分。

其中，各小項(xiàng)得分皆為人工手動(dòng)錄入，但設(shè)備升級(jí)改造與主要部件整體更換兩小類(lèi)的錄入項(xiàng)是與相關(guān)元器件的數(shù)量有關(guān)，需按件對(duì)相應(yīng)評(píng)分進(jìn)行累加。

綜上所述，本課題所設(shè)計(jì)的UPS設(shè)備狀態(tài)評(píng)分系統(tǒng)的基本框架如圖1所示。

圖1中，在各小類(lèi)因子所組成的6大評(píng)分模塊的基礎(chǔ)上，運(yùn)用專(zhuān)家分析體系對(duì)上海積累的UPS設(shè)備相關(guān)數(shù)據(jù)歸類(lèi)統(tǒng)一和分析處理，并在上海軌道交通17號(hào)線(以下簡(jiǎn)稱(chēng)“17號(hào)線”)中多次測(cè)試應(yīng)用后對(duì)其進(jìn)行調(diào)整，最終確定當(dāng)天UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)的整體得分公式：

SUe=(SUeySeSUACC,rSUACC,mSrrpSrrmSrrb)/1012

(7)

SUey=Sde+(SUy+SACCy)/2

(8)

式中：

SUe——當(dāng)天UPS設(shè)備評(píng)估得分；

SUey——本年度UPS設(shè)備得分；

Se——當(dāng)天環(huán)境得分；

SUACC,r——當(dāng)天UPS及蓄電池運(yùn)行狀態(tài)得分；

SUACC,m——當(dāng)天UPS及蓄電池故障情況得分；

Srrp——當(dāng)天預(yù)防性試驗(yàn)得分；

Srrm——當(dāng)天維護(hù)保養(yǎng)得分；

Srrb——當(dāng)天大修改造得分。

式(7)中，SUe體現(xiàn)的是當(dāng)天地鐵開(kāi)始運(yùn)行至查看運(yùn)行評(píng)分的時(shí)間段所得到的分?jǐn)?shù)，其小項(xiàng)中的人工手動(dòng)錄入項(xiàng)則取當(dāng)天最新錄入的結(jié)果，而系統(tǒng)自動(dòng)獲取項(xiàng)則根據(jù)具體要求取其總和或平均值。目前，UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)已經(jīng)嵌入上海申通地鐵股份有限公司的供電智能化運(yùn)維系統(tǒng)中，并在17號(hào)線的運(yùn)行系統(tǒng)中得到了測(cè)試和應(yīng)用。

3 基于智能算法的UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)優(yōu)化

如上所述，UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)在17號(hào)線中進(jìn)行了測(cè)試。其結(jié)果表明，該系統(tǒng)的UPS設(shè)備的狀態(tài)評(píng)分具備了反映UPS設(shè)備相對(duì)工況的能力，實(shí)現(xiàn)了對(duì)UPS設(shè)備目前階段性狀態(tài)的評(píng)估對(duì)比，有利于工作人員了解其健康情況;證明了本系統(tǒng)關(guān)于UPS設(shè)備相關(guān)數(shù)據(jù)的篩選、整理及分析的合理性和有效性;選取的6大模塊和設(shè)置規(guī)則轉(zhuǎn)換出的量化分?jǐn)?shù)具有參考價(jià)值。

UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)在試運(yùn)行過(guò)程中發(fā)現(xiàn)，其第二模塊即運(yùn)行狀態(tài)模塊的評(píng)分變化波動(dòng)幅度最大，對(duì)UPS評(píng)估總分的影響最強(qiáng)。若選取智能算法代替其中的人為評(píng)估環(huán)節(jié)，將使得該評(píng)估系統(tǒng)更為客觀，且這一模塊與UPS實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)的關(guān)聯(lián)性較好，具有實(shí)現(xiàn)算法改進(jìn)的可行性。據(jù)此，本課題以運(yùn)行狀態(tài)模塊為對(duì)象，選取智能控制算法代替其中的人為評(píng)估流程，使得UPS評(píng)估準(zhǔn)則可以更加貼合監(jiān)測(cè)數(shù)據(jù)的實(shí)時(shí)變化，同時(shí)進(jìn)一步具備了UPS的視情維修即評(píng)估設(shè)備狀態(tài)的預(yù)測(cè)功能[6-7]。面對(duì)地鐵供電系統(tǒng)中UPS設(shè)備實(shí)時(shí)運(yùn)行狀態(tài)這種非線性、非平穩(wěn)的復(fù)雜系統(tǒng)，傳統(tǒng)的預(yù)測(cè)方法實(shí)現(xiàn)困難且解決效果欠佳，本課題選擇了智能算法中基于時(shí)間序列的BP神經(jīng)網(wǎng)絡(luò)模型[8]。在驗(yàn)證目前所設(shè)計(jì)的狀態(tài)評(píng)估系統(tǒng)初步可靠的前提下，以17號(hào)線為試點(diǎn)，開(kāi)展針對(duì)于UPS設(shè)備系統(tǒng)狀態(tài)評(píng)分的改進(jìn)與預(yù)測(cè)。

本課題以17號(hào)線中的UPS設(shè)備作為數(shù)據(jù)的來(lái)源依據(jù)。其中，使用480組數(shù)據(jù)用于訓(xùn)練，120組數(shù)據(jù)用于驗(yàn)證與測(cè)試。依靠MATLAB軟件的神經(jīng)網(wǎng)絡(luò)工具箱搭建3層BP神經(jīng)網(wǎng)絡(luò)模型，將UPS的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)作為UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)中運(yùn)行狀態(tài)模塊的組成部分，所形成新的6大模塊包含的總體數(shù)據(jù)作為輸入層的神經(jīng)元，其相應(yīng)17號(hào)線UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)以往的評(píng)分可作為輸出層神經(jīng)元。如表1所示，經(jīng)過(guò)仿真參數(shù)多次調(diào)試后可知，當(dāng)隱含層神經(jīng)元個(gè)數(shù)為14 時(shí)，其預(yù)測(cè)值與實(shí)測(cè)值之間的各種常見(jiàn)誤差最小，算法訓(xùn)練達(dá)到最優(yōu)[9-10]。

其中，BP神經(jīng)網(wǎng)絡(luò)模型的迭代訓(xùn)練過(guò)程如圖2所示。當(dāng)模型迭代至第15代時(shí)，最佳EMS可達(dá)到0.000 43，其對(duì)應(yīng)的訓(xùn)練結(jié)果如圖3所示。此時(shí)訓(xùn)練集、驗(yàn)證集和測(cè)試集的回歸預(yù)測(cè)值R分別為0.999 40、0.998 99、0.997 73，再次體現(xiàn)了迭代次數(shù)為15次時(shí)訓(xùn)練模型的預(yù)測(cè)誤差最小、精度最高，即仿真結(jié)果最優(yōu)。

表1 不同隱藏層節(jié)點(diǎn)數(shù)的對(duì)應(yīng)指標(biāo)取值

根據(jù)以上設(shè)定，將樣本數(shù)據(jù)代入仿真模型中進(jìn)行預(yù)測(cè)，所得到的輸出預(yù)測(cè)值與實(shí)際值對(duì)比如圖4所示。由圖4可見(jiàn)，其輸出結(jié)果的預(yù)測(cè)值與實(shí)際值吻合程度較高、變化趨勢(shì)相同，且誤差變化波動(dòng)小，模型預(yù)測(cè)穩(wěn)定。

研究表明，在經(jīng)過(guò)訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)模型中輸入測(cè)試樣本數(shù)據(jù)后，所得到的評(píng)分預(yù)測(cè)值與真實(shí)值基本吻合，模型的精度可達(dá)99%，表明本課題運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建模型預(yù)測(cè)系統(tǒng)狀態(tài)評(píng)分，通過(guò)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)細(xì)化UPS設(shè)備評(píng)估準(zhǔn)則方法的可行性。伴隨著后期17號(hào)線中UPS設(shè)備的不斷運(yùn)行，評(píng)分?jǐn)?shù)據(jù)的不斷增加將會(huì)進(jìn)一步充實(shí)BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本，其系統(tǒng)狀態(tài)評(píng)分的預(yù)測(cè)結(jié)果亦將更加精準(zhǔn)。這有利于未來(lái)全系統(tǒng)實(shí)現(xiàn)針對(duì)UPS設(shè)備的視情維修，最大程度保障軌道交通安全、準(zhǔn)點(diǎn)、高效的運(yùn)營(yíng)。

4 結(jié)語(yǔ)

針對(duì)城市軌道交通供電系統(tǒng)中UPS設(shè)備智能檢測(cè)維修的需求，本課題在上海軌道交通智能監(jiān)控系統(tǒng)平臺(tái)所提供的數(shù)據(jù)基礎(chǔ)上，進(jìn)行UPS設(shè)備狀態(tài)評(píng)估系統(tǒng)的設(shè)計(jì)，并將該系統(tǒng)在17號(hào)線中成功應(yīng)用。在此基礎(chǔ)上，首次采用智能控制BP神經(jīng)網(wǎng)絡(luò)對(duì)UPS設(shè)備中的重要部分運(yùn)行狀態(tài)模塊繼續(xù)開(kāi)展評(píng)分預(yù)測(cè)研究。該系統(tǒng)具備了對(duì)UPS設(shè)備狀態(tài)評(píng)估的預(yù)測(cè)功能，提升了供電系統(tǒng)運(yùn)維的智能化程度，為今后地鐵供電系統(tǒng)中UPS設(shè)備的故障預(yù)測(cè)提供了可靠的理論參考。