运营维护（简称：运维）是高速铁路（简称：高铁）全寿命周期管理的关键环节，能耗费用是影响车站运营质量和运营成本的主要因素之一，在为旅客提供便捷出行方式和舒适旅行环境的前提下，如何发挥技术优势，以低成本方式运营，是铁路运输部门需要解决的问题。物联网、大数据分析和数字孪生技术的兴起，为优化铁路车站设备运维模式、提升能源效能提供了可能^[1-3]。本文设计研究高铁智慧车站设备能源管理平台（简称：能源管理平台），利用数字孪生技术，收集与分析高铁车站基础设备能耗数据、运行数据，通过历史数据的对比，为车站管理者和值班人员提供优化的车站设备运行模式，实现节能减排的目标；同时利用大数据，为设备维护人员提供设备维修预判及设备故障预警信息，实现智慧运维。

1   能源管理平台设计

将车站内的空气质量管理、环境照度管理、能源管理和机电设备管理等相关的智能化管理系统信息汇集，打通信息孤岛；通过对各类信息的收集、分析和设备运行控制，对各系统进行优化控制，搭建集设备信息、运维信息和管理信息于一体、基于三维可视化数字孪生技术的能源管理平台；通过构建车站功能区域信息系统模型、安装设备物联网组件、搭建通信网络，实现车站可视化功能为导向的建设、运营管理模式。

1.1   能源管理平台架构

能源管理平台采用分布式微服务架构，可以轻松地扩展或缩小组件，而不需要扩大整个平台，使其更加轻量、高效、易于管理，从而降低运营成本，减少故障对其运营的影响^[4-5]。能源管理平台架构如图1所示。

图  1  能源管理平台架构

下载: 全尺寸图片 幻灯片

（1）展示层：构建能源管理平台的统一门户，实现统一登陆和统一授权。此外，针对不同使用对象和功能场景，提供适宜发布显示的方式，通过三维端、Web端和移动端等用户端实现可视化操作与展示。

（2）业务层：主要负责处理业务逻辑，提供能源管理、智慧照明、机电设备管理、环境监控和群控（简称：环控群控）等业务处理。

（3）应用支撑层：提供开发工具、业务服务和应用程序，为在业务层中开发应用程序提供支持。

（4）数据存储层：数据存储层包含关系型数据库MySQL、时序数据库InfluxDB和文件系统等。

（5）数据接入层：负责收集、处理、解析和转换传感器数据，使基础设施变得更加易于管理。根据接入数据的特征，进行分布式负载均衡部署，通过多个相同模块的负载均衡方式部署，增加可用性。

（6）基础设施层：由支持信息系统运行的硬件和网络组成。

1.2   数据中台

数据中台具有高可靠性、高安全性和可维护性，可提供大量、全面、准确、标准化的数据，便于全面深入地进行数据分析，找出问题，优化控制，提高平台的运维效率和车站节能效果。利用数据中台，对能源管理平台的数据进行标准化，将各种型号、版本的设备数据标准化，将原来分散在各个子系统中的数据进行整合，针对不同来源、不同类型的数据进行集成，使数据更加全面、真实、准确。由于数据中台对数据进行集中管理和维护，可以及时发现数据质量问题，并快速修复，从而提升了能源管理平台的运行效率与安全性。同时，数据中台提供完善的用户管理体系，通过用户操作日志、下置日志的管理功能，提高了能源管理平台可追溯性。数据中台构架如图2所示。

图  2  数据中台架构

下载: 全尺寸图片 幻灯片

（1）对接数据中心：对接物联网设备，提供对接管理、数据源管理、点位管理、协议解析、定时采集、数据上传、执行下置命令和异常检测等服务。异常检测模块通过历史数据训练数据模型，使用数据模型检测实时数据，一旦发现异常值，会将这些异常结果推送到消息处理中心。

（2）设备解析中心：负责将收集到的设备数据根据具体的业务进行策略处理。提供设备元数据管理、解析规则、数据转发等服务。

（3）大数据中心：接收来自对接数据中心和设备解析中心的实时数据，按照冷、热、温数据使用频率的不同分别存储，为整个能源管理平台提供原始数据支撑，并就获取到的实时数据按照数据模型或算法进行监测分析，将异常结果推送到消息处理中心分发。支持各种数据汇聚存储功能，满足查询高效性和存储的安全性两项关键指标。

（4）消息处理中心：接收由系统、后台等产生的消息，通过可配置的策略对其进行推送。通过对策略进行管理，实现智能化、自动化、人性化的消息推送方式。

（5）运维监控中心：对于整个物联网监测平台进行监控和操作，提供服务配置、服务启停、服务监控、健康监测等功能。

2   能源管理平台功能

2.1   设备能源管理

利用数字孪生技术分区构建车站功能区域信息模型，实时监控设备能源使用统计，对设备能耗异常情况预警，站内设备能耗统计，预测能耗趋势，实现对车站设备能源的精细化管理，包括车站总体用能、支路用能、分项用能及异常用能管理。

（1）车站总体用能管理可以查看车站用能指标，进行用能排名、能效排名及能效对标，实现车站能耗定额化、计划性管理，实现车站用能考核。

（2）支路用能管理可以查看任意支路的用能峰值、用能环比、用能趋势和功率曲线，实现对支路用能的细节管控。

（3）分项用能管理可以通过用能区域和用能类型两个维度查看用能分布，可以通过用能占比作出用能比例的调节。

（4）数据检查模块自动核算支路上下级的用能差值，通过数据比对，对数据异常预警，避免不必要的浪费。

2.2   设备信息管理

能源管理平台中，构建了能源管理模块、智能照明模块、机电设备管理模块和环控群控模块。车站管理人员通过能源管理平台实时了解设备运行情况、能耗异常数据等，从而及时发现和解决设备故障、缺陷和能源浪费等问题，快速采取相应的调整措施，提高设备利用率和能源利用率。

2.2.1   能源管理模块功能

监测车站环境与车站设备用能数据，跟踪各类能源消耗情况，根据需求（如外购能源分时价格制度）灵活调整各项参数，实现车站能源使用的合理规划和管理，保证车站用能的平稳、经济，保障车站设备的安全运行。

2.2.2   智能照明模块功能

远程控制车站照明设施，调节灯光亮度，可根据时间、照度等预设方案自动调节和能源管理，方便设备维护和安全监控车站各个分区域内的照明状态，及时发现故障或异常，进行维护维修，以便保证站内照明环境的合理性和舒适性。

2.2.3   机电设备管理模块功能

汇总记录能源管理平台中接入的设备信息，实现对设备的集中管理。通过设备信息模块，能够实时了解车站设备的运行情况、能源消耗情况、设备故障等信息，及时做出响应，保障车站设备的正常运行。

2.2.4   环控群控模块功能

控制车站的送、排风机等环控设备与温湿度传感器、空气质量传感器联动，实现车站环境的自动控制。车站工作人员能够通过环控群控模块，实时获取车站内部空气质量、温湿度、风速等数据，适时调整空调及通风设备控制策略，保持车站环境卫生与健康，为乘客提供舒适的旅行环境，并达到节能的目标。

2.3   智慧运维

通过能源管理平台实时监控车站设备用能情况，对设备能源指标与大数据健康度模型对比分析，对设备维修进行预判，对设备故障报警，实现线上主动预防性的智慧运维管理。

能源管理平台可及时向监控终端和移动端推送预判/报警信息，并与工单系统联动，实现工单闭环管理。通过预判/报警推送功能，值班员能够及时发现设备故障情况和能耗异常情况，及时上报站长或维护人员进行处理，消除安全隐患，避免故障扩大而影响正常运行。通过工单联动功能，能够自动派发部分设备巡检、设备维修任务，提升工作效率，减少操作失误。

3   关键技术

3.1   数字孪生技术

数据孪生技术可以帮助车站管理人员更加快速、准确地判断设备状态趋势^[6]。通过对设备运行数据进行实时监控和分析，发现异常情况并及时采取措施，及时进行维修和更换，避免设备故障对车站运营带来的损失。

采用数字孪生技术，构建车站功能区域信息系统模型，在物理世界和数字世界之间建立映射关系，实现数据与三维空间坐标的绑定，体现数据空间关系，解决车站设备智慧能源管理所面临的技术难题，同时，实现对能源能源管理平台的精确仿真和控制^[7-8]。通过采集各个电表能耗和运行信息，完成能耗的分类、分项、分区域统计分析，对能源统一调度、优化能源介质平衡、降低综合能耗。

3.2   数据处理技术

通过安装多种传感器对高铁车站的设备运行、能耗等数据进行实时采集，并将其传输到大数据中心进行分析、处理、存储、输出和展示。

能源管理平台支持ModBus、TCP、WebSocket、MQTT等多种数据接入协议，对采集到的数据进行分类、整理并存储到MySQL数据库和InfluxDB时序数据库，用于数据分析及算法模型构建。

利用TensorFlow、EGADS等数据挖掘和机器学习算法对数据进行分析，从而发现数据背后的规律及相关联的非明显特征，提出优化的运行模式，为车站设备管理和能源消耗管理提供决策依据。

通过Unity、E_Chart等数据可视化技术，将设备信息和能耗数据转换成图表、报表等形式，使数据更加直观、易于理解，为车站管理人员提供更具可操作性的信息。

3.3   智能分析技术

3.3.1   历史数据分析

通过聚类分析、判别分析、时间序列分析和耦合分析，生成诸如单位旅客日均能耗、单位面积日均能耗，不同区域（进站层、站台层、出站层、设备房间、商服设施）日均能耗，不同时间（季节、时段）日均能耗等统计图，帮助管理者从宏观与微观不同粒度查看数据，发现问题的本质，提高决策的准确性。

3.3.2   实时能耗数据分析

车站各区域的设备能耗数据具有一定的规律性，用历史数据训练车站功能区域信息系统模型，进而使用该模型对实时数据进行检测分析，当能耗数据实际值偏离模型预测值并且超过一定阈值时，则进行数据异常告警。在大数据应用场景下，异常能耗数据可能是由于设备处于亚健康状态导致的数据源不准确、测量设备故障、数据处理错误等原因导致的。分析实时能耗数据目的是迅速感知异常数据并对其进行处理，以提高数据质量和决策的准确性。

实时数据分析由时序构造模块与异常检测模块构成。

考虑到数据中含有趋势因素及季节性、周期性的特点，时序构造模块综合采用双指数平滑模型、三指数平滑模型、奥林匹克模型等算法，以历史数据为依据生成当前的预测值。

异常检测模块综合采用超低密度模型、拐点检测模型、K-Sigma模型、基于DBScan密度的模型等。主要对以下内容进行检测：

（1）异常值：指观测值 x_t 与期望值 E(x_t) 不同；

（2）波动点：指在某个时间 t，其状态表现出与t前后的值不同；

（3）异常时间序列：给定一组时间序列 X={xⁱ}，异常时间序列 x^j ∈ X 是在 X 上与大多数时间序列值不一致的部分。

4   平台应用情况

本文研发的能源管理平台已在中国铁路北京局集团有限公司和中国铁路上海局集团有限公司部分车站开展应用，通过数字孪生、物联网、大数据等新兴技术赋能，优化节能减排策略，人员成本、综合能耗和单位面积综合能耗等指标均有不同程度的降低，带来了较好的社会效益和经济效益^[9-10]。

5   结束语

为实现我国铁路低碳转型高质量发展的目标，本文根据高铁车站客运管理需求和设备维护管理需求，结合智慧高铁2.0体系框架，研究了数字孪生、物联网和大数据等新兴技术在高铁车站设备能源管理领域的应用，在保障高铁车站基础设备正常运行和旅客舒适出行基础上，实现高铁车站节能减排、低成本运营和可视化管理。