大数据为动车组智能运维“添翼加速”

■广 告 据中国国家铁路集团公布的数据，截至2020年7月底，全国铁路营业里程达到14.14万公里，其中高铁3.6万公里。高铁在我国经济、社会、文化等方面发挥着不可估量的作用

■广 告

据中国国家铁路集团公布的数据，截至2020年7月底，全国铁路营业里程达到14.14万公里，其中高铁3.6万公里。高铁在我国经济、社会、文化等方面发挥着不可估量的作用。

建立完善的动车组运维保障体系是动车组持续高效发展的重要前提。在高速铁路建设的同期，为保障动车组安全运行与高效维修，中国铁道科学研究院电子计算技术研究所建设了覆盖全路的动车组管理信息系统（EMIS），随后又陆续建设了一系列动车组运维相关信息化系统，保障了动车组的安全运行和高效维修。动车组管理信息系统上线10余年，积累了大量的动车组新造、运用检修、监测、检测等数据，并且随着车载设备的不断升级，动车组车载数据也不断丰富、增多，这些数据不仅数量巨大且种类繁多、结构各异。

如何利用有效手段对动车组海量数据进行挖掘，研究动车组故障预测与健康管理（PHM）技术，实现动车组故障的超前预警，为动车组检修提供维修决策支持，优化修程修制，节约检修成本，由计划性预防修向状态修转变，成为当前比较重要的课题。

基于大数据架构搭建动车组智能化运维平台

针对高速动车组运维数据特点和应用需求，基于大数据架构搭建动车组智能化运维平台，中国铁道科学研究院电子计算技术研究所对动车组海量数据进行统一汇集，利用大数据技术对其进行清洗、处理与存储，为动车组状态监测、故障超前预警、视情维修建议等提供数据支撑。

数据采集方面，通过车载传感器、RFID等技术采集动车组车载及检修数据，并建立统一的数据采集规范，从EMIS、WTDS、TEDS、TADS、主机厂及零部件造修企业等获取动车组新造、检修运用、监测、检测以及环境等海量数据，为动车组智能化运维提供数据支撑。

数据处理方面，动车组运维数据来源丰富，结构化、非结构化数据混杂，数据格式、表述、质量差异较大，数据汇集后，首先进行数据治理、融合，形成基础数据集，然后从数据粒度、应用目标、处理工具等不同维度对数据进行分类，方便数据的分析挖掘。

数据存储方面，采用数据仓库、非关系型数据库及分布式文件系统等技术实现海量数据的存储，采用关系型数据库满足实时响应速度的需求，通过分布式、多副本提高数据库整体性能与服务稳定性。并通过历史数据归档，降低海量数据对存储资源的消耗。

利用算法、模型对处理后的动车组数据进行智能化分析

中国铁道科学研究院电子计算技术研究所利用机理算法、规则模型以及阈值模型对处理后的动车组数据进行智能化分析，对动车组进行车组状态监测、故障超前预警、历史故障分析、部件性能退化分析、视情维修建议等，具体如下：

第一，车组状态监控。汇集WTDS、TEDS、TADS系统报出的故障，以GIS地图、列表、清单等形式展示动车组的运行状态，方便动车组监控人员实时了解动车组运营状态、车载数据变化、故障情况、线路状态信息、动车组部件情况、健康状态信息。

第二，故障超前预警。通过动车组数据收集，利用机理算法、规则模型以及简单的阈值模型对动车组异常状态进行预警，提醒相关人员对动车组进行监控及故障复核检修，实现动车组故障的超前预警，保障动车组行车安全。

第三，历史故障分析。通过对采集的动车组车载数据分析，检索动车组故障时的网压、运行加速度、牵引功率、制动力变化等数据，判断动车组故障原因，着重检查、消除故障。建立实时更新的动车组历史故障库，记录故障现象、故障发生部位、故障处置方案、计算故障发生频次，确定重点检修部位，总结同一系统、位置的故障规律，为后续故障处理提供方案，同时为发现源头质量问题提供依据。

第四，部件性能退化分析。以动车组部件为单位，通过性能劣化参数或曲线的变化，识别出部件的性能退化，并通过对曲线及影响因素的建模，预测部件性能的退化程度和时间规律。同时，根据部件故障统计结果及动车组故障影响分析结果，逐步发现新的需要故障识别的重要部件。

第五，视情维修建议。汇总动车组及部件的故障历史、检修历史情况、车载运行数据，以车型、部件、检修项目等为维度，考虑动车组维修时机、维修间隔及维修成本等要素，利用视情维修模型，在保障车辆可靠性的同时，降低维修费用，提高检修效率，给出精准视情维修建议。

为动车组智能运维相关决策提供数据支撑

中国铁道科学研究院电子计算技术研究所大数据技术在动车组智能运维方面的应用，为动车组智能运维相关决策提供数据支撑，包括修程修制优化、运维方案优化、资源配置优化、运维成本优化等方面：

首先，修程修制优化。构建PHM驱动的精准检修模式，确保动车组运营安全，调整既有修程，优化维修周期，减少过度维修，构建中国动车组运维标准体系。

其次，运维方案优化。提供智能化、柔性化、定制化的动车组运用维修方案，充分发挥检修能力，持续提高动车组利用率，支持复杂工况下的方案智能调整。

第三，资源配置优化。综合考虑高铁路网结构与运输需求，为动车组运力配属、段所检修资源布局的优化提供决策支撑，完善动车组检修生产力布局。

第四，运维成本优化。支撑动车组精益维修，有效利用生产要素，优化库存，不断降低动车组运维成本，促进高铁持续健康发展。

（图文及数据来源：中国铁道科学研究院电子计算技术研究所）