基于大数据分析的轨道交通杂散电流波形预测系统及方法技术方案

本发明专利技术公开了基于大数据分析的轨道交通杂散电流波形预测系统及方法，该方法通过轨道交通杂散电流分析大数据库收集轨道交通的杂散电流历史波形数据、轨道交通历史运行数据、非交通类历史数据和非交通类短期预测数据，对收集到的数据进行分类归集，通过人工智能技术预测短期轨道交通运行数据；对杂散电流历史波形数据预处理形成杂散电流波形特征数据集，并输入XGBoost模型训练，将短期轨道交通运行数据和非交通类短期预测数据输入训练后的XGBoost模型，实现对未来时刻轨道交通的杂散电流波形进行预测，再将预测后的波形特征数据集作为测试集，检验和修正XGBoost模型，保证XGBoost模型预测的精准度。XGBoost模型预测的精准度。XGBoost模型预测的精准度。

【技术实现步骤摘要】
基于大数据分析的轨道交通杂散电流波形预测系统及方法


[0001]本专利技术属于电流波形大数据预测领域，具体涉及基于大数据分析的轨道交通杂散电流波形预测系统及方法。

技术介绍

[0002]轨道交通对城市交通的疏解和人员运送的作用越来越明显。然而轨道交通常采用直流供电牵引模式，在轨道交通运行期间电流通过轨道回流，部分电流杂散入地，并侵入城市电网和地下管网系统，给电网和管网的运行造成危害。因此，对轨道交通在电网和管网接地位置的杂散电流历史电流数据进行收集，并进行杂散电流短期预测，对电网和管网运行安全具有重要意义。
[0003]申请号为202011633135.3的中国专利技术专利“一种地铁杂散电流引起的变压器直流偏磁地电位计算方法”，提出了利用杂散电流动态分布模型对三维大地电阻率模型，计算地表的大地电位并输出计算杂散电流结果。申请号为202011151504.5的中国专利技术专利“一种轨道交通与变压器直流偏磁关联性分析方法”提出了一种轨道交通杂散电流和变压器直流偏磁间支持度和置信度的计算和关联规则。
[0004]现有技术主要仅对典型杂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据分析的轨道交通杂散电流波形预测方法，其特征是，步骤如下：步骤一、构建轨道交通杂散电流分析大数据库，收集轨道交通的杂散电流历史波形数据、轨道交通历史运行数据、非交通类历史数据和非交通类短期预测数据；步骤二、对轨道交通历史运行数据和非交通类历史数据进行分类和归集形成杂散电流影响因素数据集；根据杂散电流影响因素数据集，应用人工智能技术预测短期轨道交通运行数据，对杂散电流历史波形数据预处理形成杂散电流波形特征数据集；步骤三、构建用于杂散电流波形预测的XGBoost模型，以杂散电流波形特征数据集作为训练数据集，将训练数据集输入XGBoost模型进行训练；步骤四、把步骤二所得的短期轨道交通运行数据输入XGBoost模型，访问轨道交通杂散电流大数据库，提取非交通类短期预测数据，并导入XGBoost模型；通过训练后的XGBoost模型对预测时间的轨道交通的杂散电流波形进行预测；步骤五、预测完成后，测量预测时间的杂散电流波形实测数据，将预测时间的杂散电流波形实测数据预处理，形成实测杂散电流波形特征数据集，并将实测杂散电流波形特征数据集作为测试集，用于检验和修正训练后的XGBoost模型。2.根据权利要求1所述的基于大数据分析的轨道交通杂散电流波形预测方法，其特征是：步骤一中，所述轨道交通杂散电流分析大数据库内部分为杂散电流数据采集区、交通运行状态监测区、数据处理区三个工作区：杂散电流数据采集区连接安装在受杂散电流侵扰的电力系统和管网系统接地位置的电流传感器，获取接地位置杂散电流历史波形；交通运行状态监测区通过接入地铁生产运行数据网和短期天气数值预报系统，收集轨道交通历史运行数据、非交通类历史数据和非交通类短期预测数据，轨道交通历史运行数据包括列车位置、列车运行速度和载客量，非交通类历史数据包括时间、季节和天气的历史数据，非交通类短期预测数据包括时间、季节和天气的短期预测数据。3.根据权利要求2所述的基于大数据分析的轨道交通杂散电流波形预测方法，其特征是：列车位置的特征参数l
en
表示为：，其中ρ0为土壤电阻率，d1为正方向最近一趟列车至杂散电流测量位置的直线距离、d2为反方向最近一趟列车至杂散电流测量位置的直线距离，t1为正方向最近地铁列车发车间隔、t2为反方向最近地铁列车发车间隔，d
eq
为同方向相邻两列车平均距离，K
l
为电流回流系数；载客量的特征参数p表示为：，其中N为地铁站数量，p
h
为第h个地铁站进出站人数差的绝对值，d
h
为第h个地铁站至杂散电流测量位置的距离，rat
h
为第h个地铁站乘客分流比；列车运行速度为瞬时速度，列车运行速度与其所处位置一一对应，根据列车位置直接获取列车运行速度v:，其中Ψ
v
为列车运行速度函数，根据地铁生产运行数据网的地铁运行计划获取，s为列车距始发站的距离。4.根据权利要求3所述的基于大数据分析的轨道交通杂散电流波形预测方法，其特征
是：步骤二中，基于数据聚类原理对轨道交通历史运行数据和非交通类历史数据进行分类和归集，按不同属性分类和归集形成杂散电流影响因素数据集INF；INF=[INF1,INF2,
…
,INF
i
,
…
,INF
z
]；其中INF
i
表示杂散电流影响因素数据集的第i个元素，i=1~z，z为杂散电流影响因素数据集INF的元素总数量；杂散电流影响因素数据集为包括列车位置、载客量、列车运行速度、时间、季节、天气公共交通影响因素的时间序列数据子集，应用人工智能技术反演推算不同时间序列数据子集加权特征值，并预测当天不同时刻短期轨道交通运行数据，短期轨道交通运行数据包括轨道交通的列车位置、载客量和列车运行速度。5.根据权利要求4所述的基于大数据分析的轨道交通杂散电流波形预测方法，其特征是：在轨道交通历史运行数据进行分类和归集时，对非交通类数据按属性进行分类，属性类别包括有时间属性、天气属性和季节属性。6.根据权利要求5所述的基于大数据分析的轨道交通杂散电流波形预测方法，其特征是：所述步骤二中对杂散电流历史波形数据进行预处理，通过杂散电流历史波形数据与杂散电流影响因素数据集映射形成杂散电流波形特征数据集...

【专利技术属性】
技术研发人员：童涛，徐碧川，李唐兵，周银彪，王鹏，童超，曾磊磊，万华，胡睿智，周友武，
申请(专利权)人：国家电网有限公司国网江西省电力有限公司，
类型：发明
国别省市：