[发明专利]一种铁路接触网补偿装置的监测方法及设备

说明书

本申请公开了一种铁路接触网补偿装置的监测方法及设备，用以解决现有的监测方法不能真实反映补偿装置的运行状态，也不能针对环境数据进行预警的技术问题。方法包括：服务器接收若干接触网补偿装置测试点在预设时间段内的运行状态监测数据；根据监测数据构建神经网络模型的训练数据集及验证数据集，并通过数据集对神经网络模型进行训练及验证，得到接触网补偿装置的b值预测模型；将若干预设时刻的运行状态监测数据输入至b值预测模型中，得到T时刻的b值；在T时刻的b值大于第一预设阈值的情况下，向移动终端发送报警信息。本申请通过上述方法实现了b值真实反映当前补偿装置的运行状态并实现了提前预警，提高了预防控制能力。

技术领域

本申请涉及设备监测技术领域，尤其涉及一种铁路接触网补偿装置的监测方法及设备。

背景技术

高速铁路的接触网是沿着铁路线上空架设的向电力机组供电的特殊形式的输电线路，接触网的平稳运行密切关系着铁路行车安全的平稳进行。其中，接触网补偿装置(又称张力自动补偿器)的张力是关系接触网稳定、可靠、安全运营的关键参数，且直接关系到接触网的运行状态及铁路行车安全。因此，对接触网补偿装置进行监测就显得尤为重要。

但通过现有的接触网补偿装置的监测方法，很难及时发现正在锈蚀或者恶化的装置。且针对监测数据的判断方式比较单一，不能准确地反映当前接触网补偿装置的运行状态，而且无法根据当前的环境数据进行提前预警。

发明内容

本申请实施例提供了一种铁路接触网补偿装置的监测方法及设备，用以解决现有的接触网补偿装置的监测方法，不能准确地反映当前接触网补偿装置的运行状态，而且也不能针对当前的环境数据进行提前预警的技术问题。

一方面，本申请实施例提供了一种铁路接触网补偿装置的监测方法，包括：服务器接收若干接触网补偿装置测试点在预设时间段内的运行状态监测数据；根据运行状态监测数据，构建神经网络模型的训练数据集及验证数据集，并通过训练数据集对神经网络模型进行训练，以及通过验证数据集对神经网络模型进行验证，得到接触网补偿装置的b值预测模型；其中，b值为接触网补偿装置的第一坠砣底面与地面之间的垂直距离，第一坠砣为坠砣串中距离地面最近的坠砣；将若干预设时刻的运行状态监测数据输入至b值预测模型中，得到T时刻的b值；其中，T时刻在若干预设时刻之后；在T时刻的b值大于第一预设阈值的情况下，向移动终端发送报警信息。

本申请实施例提出的接触网补偿装置运行状态的监测方法，通过预设时间段内的监测数据构建神经网络模型的数据集，并通过该数据集对神经网络模型进行训练及验证，得到接触网补偿装置的b值预测模型，并通过该模型对b值进行预测。采用了先进的深度学习智能分析技术对接触网补偿装置的运行状态进行预测分析，该模型预测得到的b值能够真实的反映的补偿装置的运行状态，进而使监测人员能够及时的发现补偿装置在运行过程中出现的问题，对保证接触网补偿装置的稳定运行有着重要的意义。另外，在预测得到的b值变化较大时，及时发出预警信息，能够使监测人员及时修正数据，实现全网预警管理，避免造成更大损失。

在本申请的一种实现方式中，运行状态监测数据主要包括以下任一项或者多项：时间、温度、湿度、风速、风向、经纬度、b值。通过由多种运行状态监测数据构建的训练数据集对神经网络模型进行训练，使得该模型的建立综合了接触网补偿装置安装区域的外部环境、气象等信息，考虑了外在的影响因素，实现了能够准确的对补偿装置的运行状态进行分析。

在本申请的一种实现方式中，根据运行状态监测数据，构建神经网络模型的训练数据集及验证数据集，具体包括：对运行状态监测数据中的风速数据以第一预设编码方式进行编码；以及通过第二预设编码方式对风向数据进行编码；对运行状态监测数据中的时间数据、温度数据、湿度数据、经纬度数据、b值数据以及编码后的风向数据、编码后的风速数据，进行归一化处理，并将处理之后的数据存储为预设格式的待分组数据集；将待分组数据集中的异常数据剔除后，进行分组，得到训练数据集及验证数据集。