铁路供电故障预测与健康管理大数据平台方案研究

铁路供电故障预测与健康管理(PHM)系统是以大数据技术为核心,以供电管理信息系统、6C数据中心、SCADA系统为支撑,按照国铁集团-铁路局-供电段三级管理架构进行设计和建设的供电设备大数据分析管理平台.基于大数据框架的PHM系统涵盖针对高速铁路接触网和牵引变电所的PHM技术方案,在多时空尺度上实现铁路供电故障预测与健康指标评估,全生命周期可靠性、可用性和可维修性的可视化分析和风险评估,以及优化维修决策.本文阐述了铁路供电故障预测与健康管理大数据平台方案的基本设计原则和系统架构,并对该平台涉及的关键技术和系统重要功能进行了探讨.     

基于GA-GM(1,N,α)幂模型的铁路客运量预测

针对在铁路客运量预测领域传统的灰色预测模型不能反映真实系统的非线性结构特点及其背景值的赋值不合理的问题,提出使用对系统相关因素引入幂指数且经过背景值优化的GM(1,N,)幂模型进行客运量预测。背景值优化时设置待定参数,利用线性组合结构重新计算背景值。对此模型产生的较多的待定参数,采用能够并行运算、全局寻优的遗传算法进行一次性求解。最后使用此模型对甘肃省铁路客运量进行建模预测,并与传统GM(1,N)模型、GM(1,N)幂模型进行对比分析。结果证明,GM(1,N,)幂模型具有更高的预测精度,对铁路客运量预测有一定的应用和研究价值。     

基于多功能车辆总线的机车轴承故障诊断系统

研制开发的基于多功能车辆总线的机车轴承故障诊断系统是通过监测温度和振动信号来对机车走行部轴承进行早期诊断和预警,把组合预测模型引入机车轴承故障预警,使用灰色模型和时间序列模型预测故障增长性趋势和波动性趋势,再将预警值加以综合。给出了诊断系统的硬件结构、软件功能与特点。试验表明所开发的系统有很强的鲁棒性,能有效监测机车轴承故障。     

未来中国铁路能源消费情景分析

铁路在国际上被称为“绿色交通工具”,优先发展铁路这一清洁环保型交通工具,有利于环境保护,对遏制日益恶化的生态环境具有重要的战略意义。因此,必须抓住未来一段我国现代综合交通运输体系建设的关键时期,优化运输资源配置,加快发展铁路,构建以铁路为骨干的节能环保的综合交通运输体系,促进国民经济和社会又好又快发展。     

Holt-Winters模型在铁路货运量预测中的应用

铁路货运量的预测结果直接影响到铁路运输计划及有关运输政策的制定。通过提出基于Holt-Winters的铁路货运量预测模型,介绍了平滑系数α、β、γ的选取及初始平滑因子、递推计算过程等关键预测环节,并对该预测模型设计了相应的算法,最后利用实例验证了Holt-Winters预测方法的有效性和实用性。     

基于灰色DGM(2,1)模型的四川省铁路货运量预测

基于四川省铁路货运量的数据特征,引入灰色系统理论,建立四川省铁路货运量DGM(2,1)预测模型,并对其预测值进行精度检验,得出该模型精度为一级,模型精度高、可用于货运量的预测的结论。在此基础上对四川省2010-2015年的铁路货运量进行了预测,结果呈现单调的递增趋势,发展态势良好。     

基于Box-Jenkins的铁路客运量短期预测

对客运量的发展趋势进行科学预测是铁路客运企业正确进行市场决策的基础。运用Box-Jenkins对某铁路局的客运量进行了预测,结果显示Box-Jenkins模型在分析处理短期客运发送量预测工作中的非平稳时间序列上,具有一定的优势,预测结果可信。     

TSP 203在隧道施工中的应用

研究目的:太行山隧道地形地质条件极为复杂,工期紧。为确保工期,加快施工速度,本文通过对隧道超前预测预报技术TSP 203的使用方法、工作内容、工作程序和数据分析方法的研究,以达到TSP 203能够迅速、准确地探明隧道前方的工程地质和水文地质情况的目的。研究结论:TSP 203能够准确地预测隧道前方100～150 m处围岩地质体的性质、位置和规模,特别是溶洞、断层和破碎带等不良地质。隧道施工通过TSP 203超前地质超前预测预报系统提前预知隧道前方围岩情况,可减少隧道施工的盲目性,避免隧道施工过程中可能的重大不良地质或灾害地质发生,进而有效地防止工程事故,加快施工进度。     

基于周期时变特点的城市轨道交通短期客流预测研究

分析了城市轨道交通客流的周期时变性特征,并根据该特征在GM(1,1)灰色预测模型的基础上改进了马尔科夫算法,以适用于城市轨道交通短期客流预测。用无偏GM(1,1)模型拟合系统的发展变化趋势,再以此为基础进行了马尔科夫链预测,并采用多转移矩阵排除客流数据中噪声数据的扰动。试验结果表明,改进后的模型在城市轨道交通客流短期预测中具有良好的精确性。