轨道交通地下区间给排水智慧运维管控平台及管理方法

技术领域

本发明涉及轨道交通给排水管控技术领域，尤其涉及一种轨道交通地下区间给排水智慧运维管控平台及管理方法。

背景技术

在地铁给排水设计中，地铁区间隧道线路变坡的最低点需设置区间废水泵房，主要排除结构渗漏水及消防废水。泵房内设两台潜水排污泵，平时互为备用，必要时两台水泵同时启动。排水泵的排水能力按最大小时排水量计算，集水池的有效容积不小于最大一台排水泵15～20min的出水量。水泵均采用水位自动控制、就地手动控制和车站控制室远程控制，水泵的启、停、故障状态信号在车站控制室有显示，并上传控制中心。

地下区间排水泵房距离车站一般较远，行车期间人员无法进入，只能利用夜间天窗时间进行巡检和维修，实际操作过程较为不便，随着线路运营时间的增长，故障信息增多，成为管理的薄弱环节。

区间废水泵主要依靠设备自动控制和紧急情况下的远程控制为主，设备监控系统如果没有报警，一般情况下没有人管理，设备运营过程中的一些运行数据，并没有进行深入的数据处理、数据开发和应用。

目前主要设备信息均通过有线的方式上传至综合监控系统，但上传的信息包含内容较少。以地下区间主废水泵为例，上传至BAS系统的信息包括就地/远程状态、各台水泵启停状态、液位报警状态和综合故障状态。当BAS系统上传综合故障状态时，车控室值班人员会认为水泵故障，将故障信息下发至机电运维人员，由机电运维人员到达现场进一步检查，对于问题部位进行维修。但机电运维人员到现场前，只得到水泵故障信息，其他信息均不了解，增大维修难度。同时，水泵发生故障前，主要运行数据(如前期运行时间、启停泵频率、电流、电压等)往往会发生异常，对于这类数据的异常波动，BAS系统无法进行主动判断和报警，无法做到故障预测，对于运维人员的应急处理能力要求较高。并且，给排水专业设备需要大量运维人员定期巡检，才能保证各系统安全可靠。

因此，本申请提供一种轨道交通地下区间给排水智慧运维管控平台及管理方法，对日常数据进行分析后进行主动判断和故障预警，降低设备的维护成本，减少运维人员的工作量。

发明内容

因此，本发明的目的在于提供一种轨道交通地下区间给排水智慧运维管控平台及管理方法，对现场获得的原始数据，进行大数据分析处理，根据建立的故障分析模型进行逐步排查，生成故障预判结果，对高发故障及发生周期进行提前判断，提前发出维保指令，确保在设备故障前进行维修，实现了故障预警，确保在故障即将发生或已经发生时做到准确预判，避免运维人员浪费大量精力进行故障排查，实现故障的精准锁定。

为了实现上述目的，本发明的一种轨道交通地下区间给排水智慧运维管理方法，包括如下步骤：

S1、获取现场监测的原始数据，并将原始数据按照数据来源进行分类，包括：排水管道实时排水量、集水坑水位、水泵参数；所述水泵参数包括水泵电流、日启泵次数；

S2、将分类后的原始数据作为维保大数据，采用预设的故障分析模型进行大数据分析，根据分析结果生成故障预判；对高发故障及发生周期进行提前判断，提前发出维保指令，确保在设备故障前进行维修；

S3、通过故障预判结果将各种故障情况发生的概率进行统计整理，对故障原因进行概率分析，根据故障原因生成维修建议。

进一步优选的，所述故障分析模型，包括按照如下第一顺序阶梯建立故障预判条件；

根据日启泵次数，判断日启泵次数是否超过阈值，若是，则进行水泵异常分析；若否，则认为无故障；

根据排水管道实时排水量，判断水泵停止工作时，排水管道实时排水量是否异常，若是，则分析启泵时集水坑水位的实时数据；若否，则生成第一级故障预判映射关系；

根据集水坑水位实时数据，判断水泵运行时，集水坑水位是否变化，若是，则根据水泵参数建立第二顺序阶梯，建立故障预判条件，若否，则分析集水坑水位状态状态信息，生成第二级故障预判映射关系。

在上述任意一项实施例中进一步优选的，所述根据水泵参数建立第二顺序阶梯，建立故障预判条件包括如下步骤：

根据水泵实时运行电流，判断水泵实时运行电流是否不小于正常范围，若是，则进一步判断水泵当日的累计排水量是否正常，若是，则生成第三级故障预判映射关系；

根据水泵实时运行电流是否小于超过正常范围，生成第四级故障预判映射关系。

在上述任意一项实施例中进一步优选的，所述第一级故障预判映射关系根据水泵工作时，排水管流量值为负值；将管道组件故障概率P

在上述任意一项实施例中进一步优选的，所述第二级故障预判映射关系根据集水坑水位是否为高位，对液位传感器故障概率P

为高水位状态时，P

为低水位状态时：P

在上述任意一项实施例中进一步优选的，所述第三级故障预判映射关系根据水泵当日的累计排水量是否正常；

当水泵当日累计排水量大于历史平均值时，对结构渗水概率P

在上述任意一项实施例中进一步优选的，根据区间是否有结构渗漏历史、环境温度是否低于0度、消防系统为干湿转换系统或湿式系统，逐步计算结构渗漏概率、管道冻裂概率、连接件破损概率及管道破裂概率。

在上述任意一项实施例中进一步优选的，所述第四级故障预判映射关系根据水泵的电流数据是否小于正常范围；对水泵性能概率P

若水泵的电流数据小于正常范围，P

若水泵的电流数据不小于正常范围，P

本发明还提供一种轨道交通地下区间给排水智慧运维管控平台，用于实施上述的轨道交通地下区间给排水智慧运维管理方法，包括：数据采集模块、大数据计算模块以及故障概率预测模块；

所述数据采集模块，用于获取现场监测的原始数据，并将原始数据按照数据来源进行分类，包括：排水管道实时排水量、集水坑水位、水泵参数；所述水泵参数包括水泵电流、日启泵次数；

所述大数据计算模块，将分类后的原始数据作为维保大数据，采用预设的故障分析模型进行大数据分析，根据分析结果生成故障预判；对高发故障及发生周期进行提前判断，提前发出维保指令，确保在设备故障前进行维修；

所述故障概率预测模块，用于通过故障预判结果将各种故障情况发生的概率进行统计整理，对故障原因进行概率分析，根据故障原因生成维修建议。

进一步优选的，还包括将移动终端，利用移动终端的APP或微信小程序，与大数据计算模块进行通信，实现数据同步，接收大数据计算模块推送的故障预判信息和维保指令。

本申请公开的轨道交通地下区间给排水智慧运维管控平台及管理方法，相比于现有技术，至少具有以下优点：

1、本申请通过对现场获得的原始数据，进行大数据分析处理，根据建立的故障分析模型进行逐步排查，生成故障预判结果，对高发故障及发生周期进行提前判断，提前发出维保指令，确保在设备故障前进行维修，实现了故障预警，确保在故障即将发生或已经发生时做到准确预判，避免运维人员浪费大量精力进行故障排查，实现故障的精准锁定。

2、本申请通过故障预判结果将各种故障情况发生的概率进行统计整理，对故障原因进行概率分析，根据故障原因生成维修建议，能有效防患于未然，减少重大故障的发生，避免造成重大损失，通过大数据分析将各种故障情况发生的概率进行统计整理，便于在派单维修时给出各种故障原因出现的概率，使运维人员可以有针对性的准备方案，提高维修效率。

附图说明

图1为本发明轨道交通地下区间给排水智慧运维管理方法的流程示意图。

图2为本发明轨道交通地下区间给排水智慧运维管理方法的故障分析模型的分析流程图。

图3为本发明示例2中第三级故障预判映射关系的示意图。

图4为本发明轨道交通地下区间给排水智慧运维管控平台的结构示意图。

具体实施方式

以下通过附图和具体实施方式对本发明作进一步的详细说明。

如图1所示，本发明一方面实施例提供的一种轨道交通地下区间给排水智慧运维管理方法，包括如下步骤：

S1、获取现场监测的原始数据，并将原始数据按照数据来源进行分类，包括：排水管道实时排水量、集水坑水位、水泵参数；所述水泵参数包括水泵电流、日启泵次数；

S2、将分类后的原始数据作为维保大数据，采用预设的故障分析模型进行大数据分析，根据分析结果生成故障预判；对高发故障及发生周期进行提前判断，提前发出维保指令，确保在设备故障前进行维修；

S3、通过故障预判结果将各种故障情况发生的概率进行统计整理，对故障原因进行概率分析，根据故障原因生成维修建议。

如图2所示，所述故障分析模型，包括按照如下第一顺序阶梯建立故障预判条件；

根据日启泵次数，判断日启泵次数是否超过阈值，若是，则进行水泵异常分析；若否，则认为无故障；

根据排水管道实时排水量，判断水泵停止工作时，排水管道实时排水量是否异常，若是，则分析启泵时集水坑水位的实时数据；若否，则生成第一级故障预判映射关系；

根据集水坑水位实时数据，判断水泵运行时，集水坑水位是否变化，若是，则根据水泵参数建立第二顺序阶梯，建立故障预判条件，若否，则分析集水坑水位状态状态信息，生成第二级故障预判映射关系。

所述根据水泵参数建立第二顺序阶梯，建立故障预判条件包括如下步骤：

根据水泵实时运行电流，判断水泵实时运行电流是否不小于正常范围，若是，则进一步判断水泵当日的累计排水量是否正常，若是，则生成第三级故障预判映射关系；

根据水泵实时运行电流是否小于超过正常范围，生成第四级故障预判映射关系。

在上述任意一项实施例中进一步优选的，所述第一级故障预判映射关系根据水泵工作时，排水管流量值为负值；将管道组件故障概率P

所述第二级故障预判映射关系根据集水坑水位是否为高位，对液位传感器故障概率P

为高水位状态时，P

为低水位状态时：P

所述第三级故障预判映射关系根据水泵当日的累计排水量是否正常；

当水泵当日累计排水量大于历史平均值时，对结构渗水概率P

示例2，进一步如图3所示，根据区间是否有结构渗漏历史、环境温度是否低于0度、消防系统为干湿转换系统或湿式系统，逐步计算结构渗漏概率、管道冻裂概率、连接件破损概率及管道破裂概率。

以区间排水量增大为例，当出现区间排水量增大超过预设值时，根据设定的优先级顺序进行逐级判断

第一优先级，判断是否有区间结构渗透史；若是，结构渗漏的概率为80％，消防管道爆管的概率大概为20％；若没有区间结构渗透史，则结构渗透概率为60％；消防管道爆管概率为40％；设置第二优先级对消防管道爆管的故障原因急需进行分析；

第二优先级，判断消防管道温度是否低于O度；若低于零度，则管道冻裂的概率为20％(或40％)*90％＝18％(或36％)；若高于零度，则管道冻裂的概率为20％(或40％)*10％；＝2％(或4％)。设置第三优先级，对管道冻裂的故障原因继续进行故障分析。

第三优先级，判断消防为干湿转换系统或消防为普通湿式系统；若为干湿转换系统，则发生故障的概率约为70％，若为普通湿式系统，则发生故障的概率约为30％；在设置第四优先级，进一步判断管道破裂的原因是否与近期启动过消防泵有关。

第四优先级，判断近期是否启动过消防泵；近期启动过消防泵导致的管道破裂的概率为90％，未启动过消防泵出现的管道破裂的概率为10％。

最终，根据每个优先级的的判断结果计算故障类型的发生概率，例如结构渗漏的概率、管道冻裂的概率、连接件破损的概率、管道破损概率等。

所述第四级故障预判映射关系根据水泵的电流数据是否小于正常范围；对水泵性能概率P

若水泵的电流数据小于正常范围，P

若水泵的电流数据不小于正常范围，P

如图4所示，本发明还提供一种轨道交通地下区间给排水智慧运维管控平台，用于实施上述的轨道交通地下区间给排水智慧运维管理方法，包括：数据采集模块、大数据计算模块以及故障概率预测模块；

所述数据采集模块，用于获取现场监测的原始数据，并将原始数据按照数据来源进行分类，包括：排水管道实时排水量、集水坑水位、水泵参数；所述水泵参数包括水泵电流、日启泵次数；

所述大数据计算模块，将分类后的原始数据作为维保大数据，采用预设的故障分析模型进行大数据分析，根据分析结果生成故障预判；对高发故障及发生周期进行提前判断，提前发出维保指令，确保在设备故障前进行维修；

所述故障概率预测模块，用于通过故障预判结果将各种故障情况发生的概率进行统计整理，对故障原因进行概率分析，根据故障原因生成维修建议。

进一步，还包括将移动终端，利用移动终端的APP或微信小程序，与轨道交通地下区间给排水智慧运维管控平台实现数据同步，对运维人员可以通过APP接收到水泵运行及故障状态、水池液位等相关信息，准确掌握现场情况。同时，通过分析设备运行时长、间隔、液位等信息，对于可能发生故障的点位进行预判，及时通知运维人员，早发现早处理。

管理人员可以通过APP定期检查运维人员对于故障信息的处理情况，整体把握各区间排水系统的状态，提高监督的便利性

本发明还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的轨道交通地下区间给排水智慧运维管理方法的步骤。

显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。