一种柔性直流牵引供电系统能量路由器动态安全评估方法与流程

本发明属于柔性直流牵引供电系统，具体涉及一种柔性直流牵引供电系统能量路由器动态安全评估方法。

背景技术：

1、随着智慧城轨、绿色城轨的快速发展，柔性直流牵引供电系统因其高效率和可靠性而被广泛推广应用。能量路由器作为该系统的核心组成部分，其安全性和稳定性对整个系统的运行至关重要。然而，传统的安全评估方法往往依赖于定期的检查和维护，这不仅耗时耗力，而且难以应对复杂和多变的运行环境，尤其是在极端环境条件或突发事件下。

2、现有的技术在实时数据监测和风险评估方面存在一定的局限性。虽然一些系统采用了传感器来收集运行数据，但通常缺乏有效的数据处理和分析机制，以及无法提供即时的安全风险评估和预警。此外，现有技术往往忽视了环境因素对系统安全性的影响，以及在面对数据量大和变化快的情况下缺乏有效的风险管理策略。传统的牵引供电系统安全评估技术通常依赖于静态的分析和传统的故障诊断方法，这些方法在处理复杂的实时数据和预测未来潜在风险方面效果不佳。例如，许多系统无法有效处理和分析大量来自传感器的数据流，导致无法及时识别和响应可能影响系统安全性的关键变化。此外，传统方法在评估环境因素对系统性能和安全性的影响方面也存在不足。

3、在快速变化的操作环境中，对安全性的评估需要不仅基于当前的数据，还要考虑历史趋势和潜在的风险因素。现有技术通常缺乏动态评估的能力，无法有效预测和适应这种环境变化。例如，现有系统可能无法准确预测由于突发事件或非常规运行条件导致的安全风险，从而无法提前采取预防措施。

4、此外，大多数现有系统在安全响应策略上也存在局限性，它们通常依赖于人工干预，缺乏自动化和智能化的安全响应机制。这种依赖导致响应时间延迟，增加了系统面临的风险。在紧急情况下，这种延迟可能导致严重的后果，特别是在对安全性和可靠性要求较高的城市轨道交通系统牵引供电系统中。

技术实现思路

1、有鉴于此，本发明提出了一种柔性直流牵引供电系统能量路由器动态安全评估方法，该方法通过整合传感器网络、先进的数据处理技术、风险评估模型和动态安全识别技术，能够实时监测系统状态和环境变化，对潜在的安全风险进行即时评估和预测。通过这种方式，本发明旨在提供一种更高效、准确且响应迅速的安全评估机制，从而提高柔性直流牵引供电系统的整体安全性和可靠性。

2、本发明通过以下技术方案实现该目的：

3、一种柔性直流牵引供电系统能量路由器动态安全评估方法，包括以下步骤：

4、s1：实时监测收集柔性直流牵引供电系统的运行数据和环境数据；

5、s2：清洗和格式化数据，对数据进行预处理；

6、s3：进行安全风险分析，识别影响能量路由器安全性的关键风险因素；

7、s4：利用专家系统或/和历史数据分配不同风险因素的权重，并对风险因素排序；

8、s5：构建并训练动态安全评估模型，使用独立的测试数据集对动态安全评估模型进行验证和调优；

9、s6：利用训练完成的动态安全评估模型对柔性直流牵引供电系统能量路由器的实时监测数据进行风险评估，分析当前环境和设备运行状态，并进行风险预测；

10、s7：利用预设的安全标准和阈值，确定能量路由器的安全等级；

11、s8：若检测到安全等级超出预设阈值，自动启动安全响应机制；

12、s9：为城市轨道交通操作人员或运维团队提供数据驱动的决策支持，以采取进一步的预防或修复措施。

13、进一步，所述步骤s1中的运行数据包括直流馈线电压、直流母线电压、直流馈线电流、机车进入供电区间遥信信号、能量路由器三相进线电压、能量路由器三相进线电流、能量路由器阀组三相电流、能量路由器阀组状态、阀组运行温度 、牵引变压器低压侧三相电流。

14、进一步，所述步骤s1中环境数据包括环境温度、环境湿度和风冷或液冷数据。

15、进一步，所述步骤s1中运行数据和环境数据监测收集为使用传感器网络自动收集和实时传输。

16、进一步，所述步骤s2中数据预处理具体为：

17、数据清洗：滤除噪声，去除数据中的随机错误或偏差；

18、纠正错误读数：识别并修正显然错误的数据点；

19、填补缺失值：对缺失的数据进行填补；

20、异常值检测和校正：识别异常值并对异常值进行处理，决定是删除异常值、用其他值替换还是进行进一步的分析；

21、数据标准化：统一单位，确保所有数据采用统一的测量单位；

22、范围标准化：将数据转换为标准格式；

23、数据转换：数据编码，将非数值数据转换为数值形式；

24、特征工程：创建新的特征或转换现有特征以提高后续分析的效果；

25、数据集成：合并不同来源的数据。

26、进一步，所述步骤s3中的安全风险分析包括构建和应用一个或多个风险评估模型，所述风险评估模型同时对多种风险因素进行评估。

27、进一步，所述步骤s4具体为：

28、s4.1：根据专家系统的意见，输出每个风险因素的主观评分，反映其对系统安全性的潜在影响；

29、s4.2：收集和分析关于过往事故、故障和性能数据，以识别风险模式和趋势，基于其历史发生频率和影响程度输出每个风险因素的客观评分；

30、s4.3：使用决策支持工具将风险因素的主观评分或客观评分转化为权重；或者使用决策支持工具综合风险因素的主观评分与客观评分计算权重；所述决策支持工具包括但不限于：层次分析法、多属性决策方法、多准则决策方法、专家系统、数据驱动方法、模拟和优化工具；

31、s4.4：根据权重的大小进行风险因素优先级排序。

32、进一步，所述步骤s5中构建、训练并优化动态安全评估模型的步骤如下：

33、s5.1：数据准备：收集并整理用于训练动态安全评估模型的数据，包括运行参数、环境数据；进行数据预处理，包括清洗、标准化和特征工程；

34、s5.2：模型设计：根据数据的特征和评估需求，利用基于决策树的集成学习方法设计动态安全评估模型结构，随机森林通过构建多个决策树，并对预测结果进行平均或多数投票，来提高预测的准确性和鲁棒性；所述的决策树的每棵树都在随机选择的数据子集和特征子集上进行训练；随机森林的预测表示为：

35、，

36、式中， y表示动态安全评估输出预测； n表示树的数量； t i表示第 i棵树的预测函数； x是输入特征；

37、s5.3：训练与验证：使用历史数据对动态安全评估模型进行训练，使动态安全评估模型学习如何从输入数据预测并输出安全等级；使用验证集调整动态安全评估模型参数，以优化其性能并避免过拟合；

38、s5.4：测试与调优：使用独立的测试集评估动态安全评估模型的准确性和泛化能力；根据测试结果对动态安全评估模型进行调优；

39、s5.5：持续优化：收集动态安全评估模型的预测结果和实际发生的情况，建立用于动态安全评估模型持续优化和调整的反馈机制。

40、进一步，所述步骤s6中风险预测的具体为动态安全评估模型利用训练、优化过程中学到的风险因素和安全状况之间的关联度进行关联学习，并预测短期内可能出现的安全问题，输出预警信息。

41、进一步，所述步骤s8中安全响应机制包括但不限于调节能量输出、发出警报、断开能量路由器及对系统运行人员的实时通知。

42、相对于现有技术，本发明具有的有益效果为：

43、本发明基于实时数据监测与动态分析，通过集成传感器网络来实时收集运行数据，包括环境和设备状态变化，提供了比传统方法更全面和即时的监测能力，使得系统能够快速响应环境变化和设备状态的变化，提高了评估的时效性和准确性。本发明提供的动态评估方法具备高级数据预处理能力，通过高级预处理技术，本发明能够提供更准确和可靠的数据分析基础。本发明具备综合风险评估模型，相较于现有技术，通过构建和应用一个或多个风险评估模型来综合考虑多种风险因素的组合影响，能够更全面地评估潜在的安全风险，而不仅仅是单一因素的影响。本发明利用训练性能优异的动态安全评估模型，不仅能评估当前的安全状况，还能预测潜在的安全问题，具备智能化的安全识别与预测能力，动态安全评估模型的识别预测能力远超传统的静态分析和预测。本发明提供的评估方法具备自动化安全响应机制，在检测到安全等级超出预设阈值时，能够自动启动安全响应机制，快速响应能力大大减少了潜在风险的影响。本发明提供的评估方法具备数据驱动的决策支持能力，本发明为操作人员或运维团队提供基于数据的决策支持，有助于他们更有效地进行风险管理和应对措施的制定，数据驱动方法提供了比传统基于经验的决策更高的精度和效率。本发明提供的评估方法在实时数据处理、动态风险评估、智能化预测和自动化响应等方面相对于现有技术具有显著的优势，从而为柔性直流牵引供电系统能量路由器提供了一个更安全、可靠和高效的安全评估解决方案。