利用大数据进行接触网供电故障分析的思路

摘 要： 随着地铁运营里程增加，导致接触网发生供电故障的原因越来越多。通过对接触网供电故障的调查分析，发现不同的故障原因之间具有区别于其他原因的特征，利用大数据建立接触网供电故障分析方法，对当前故障进行相似度对比，得出可能故障的概率，为运营人员故障处理提供参考，从而加速故障的排查，减少对地铁运营的影响。

关键词： 地铁;接触网;大数据;故障

随着城市轨道交通线路增多、既有线路设备老化、地面高架里程增加，接触网供电故障也随之增多，本文通过对接触网供电故障的原因及其特征进行分析，运用大数据对比方法对所内设备故障、接触网本体短路、非供电设备故障进行区分。

1 故障数据统计

对35起接触网供电故障的发生位置、故障原因、故障数量、故障占比、专业占比进行梳理统计，如表1所示：

从表1可以看出造成接触网供电故障的原因比较复杂，但按发生位置可分为接触网本体、变电所内、非供电设备3类，其中接触网本体占比为31%，变电所内占37%，非供电设备占31%。由于对接触网本体故障、变电所内设备故障和非供电设备故障的处理方法不同，且对行车及供电调度的影响程度也不一样（通常接触网本体故障对运营影响最大，变电所内设备故障和非供电设备故障影响次之）。因此，通过对接触网供电故障进行识别，可有针对性地采取应急措施，减小接触网供电故障对运营造成的影响。

2 数据特征采集

根据文献[1]证实了运用SCADA监测，通过关键运行特征变化来实现区域稳定判别和预测是可行的。本文所引用的特征数据全部通过SCADA监控系统进行采集，通过采集接触网供电故障发生时的保护、OVPD及重合闸的动作情况，分析归纳故障发生在不同位置时的特征规律。接触网供电故障数据特征采集情况如表2所示：

3 建模思路

选择保护动作情况作为数据特征参数是因为保护动作与故障的关联性强，通常构成双边供电的接触网两侧保护同时动作时（除被联跳），由于两个变电所两台不同的保护装置同时发生故障的可能性很低，所以这时可以确定发生了短路故障。但对单边供电或发生一侧保护动作另一侧被联调的情况则不能判断是发生了真实的故障还是保护误动作。

根据文献[2]确定钢轨电位与杂散电流呈现一定的关联性，当发生短路故障时，随着电流大增，杂散电流也将增加，此时会造成钢轨电位的升高，为了保证人身及设备的安全OVPD将动作合闸。因此，可以利用OVPD的动作情况来判断保护动作时是否真的有大电流通过，从而判断是真实故障还是保护误动。

通过自动重合闸的动作情况可以判断故障的严重程度，是瞬时故障还是永久性故障。如果自动重合闸不成功，电调结合倒闸操作及电客车升降弓，逐步对变电所上网电缆、接触网、电客车进行试送电，可以判断出故障位于变电所内、接触网、电客车三者中的哪一部分。

4 运用模型对数据进行分析

根据建模思路分别统计对比接触网本体故障、变电所内故障、非供电设备故障时保护、OVPD及重合闸的动作数据（不计故障前OVPD已在合位的数据），如表3所示：

通过对比分析发现当保护（除框架保护）与OVPD同时 动作的情况下接触网本体故障占66%，非供电设备故障占34%，所内设备故障占比为0;当只发生框架保护或大电流脱扣或被临所联跳或无任何动作报文的情况下开关跳闸，则所内故障占比达100%，接触网本体故障和非供电设备故障的占比为0;当开关刀闸均在合位出现无网压的情况，接触网本体（上网开关未 闭合）占比达100%，所内故障和非供电设备故障的占比为0;  热过负荷保护动作的情况下接触网本体故障和所内故障占比分别为50%，非供电设备故障的占比为0;当保护动作而OVPD未动作的情况下接触网本体故障占比9%，所内故障占比27%，非供电设备故障的占比64%。不同保护和OVPD动作情况下的故障位置占比如表4所示：

5 結论及讨论

利用大数据对比分析的方法进行接触网供电故障判断的思路是可行的，随着数据积累量的提升，不同故障的特征将更加明确。OVPD动作情况对分析模型的建立起到关键性的作用，如果故障前OVPD就在合闸状态则无法区分保护误动和真实故障。数据模型的准确性对录入数据的准确性要求较高。分析结果均为概率性事件，所以为了防止接触网故障小概率事件的发生，在故障发生后应及时对接触网、受电弓、区间限界情况进行检查，运营结束后对接触网进行全面排查，消除安全隐患。

参考文献：

[1]管霖，王同文，唐宗顺.电网安全监测的智能化关键特征识别及稳定分区算法[J].电力系统自动化，2006，30（21）：22-27.

[2]宋奇吼，杨飏，童岩峰，潘世航.南京地铁1号线轨电位异常的抑制方法[J].城市轨道交通研究，2018，21（4）：114-118.

作者简介： 黄涛（1982—），男，汉族，本科，工程师，研究方向：轨道交通供电系统运维管理。