在国家提出建设“交通强国”，加快交通等传统基础设施数字化改造的背景下，推动城市轨道交通行业的数字化转型成为当前工作的重要任务。作为地铁供电系统设备运维的重点监测对象，电能质量直接影响地铁供电设备的稳定运行。目前，针对城轨供电系统电能质量的分析预警方面存在预测模型建立不够准确、预警阈值设置不合理等诸多问题，严重威胁着城轨的安全运行。 针对这些问题，苏州市轨道交通集团有限公司联合上海玖道信息科技股份有限公司，基于城市轨道交通供电设备智能运维平台对电压不平衡度及电能质量的分析预警方法展开了研究与应用。 本项目以CPS(信息物理系统)理论为指导，采用专家经验、深度学习等技术手段，实现了地铁设备电压不平衡度阈值的动态掌握、实时计算和及时预警。在此基础上，构建了供电设备电能质量多指标综合评分模型，最终创建三种设备电能质量的分析预警方法，与轨道交通供电智能运维平台相互融合成功在苏州轨道交通4号线2个试点站运行。投运后，一线运修人员工作量减少20%，运维巡检效率提高75%，应急响应效率提高33%，设备可利用率提高55%，线路人员能效提高40%。经初步估算，平台应用后试点站每年节约人工、物资成本近210万元，苏州轨道交通4号线全线推广应用后每年可节约人工、物资成本近4200万元。由于其效果显著，现已将成果推广至上海轨道交通7、14、15号线，产生间接转化收益2500余万元，并取得了良好收效。 本项目基于 CPS+EAM+PHM 的轨交供电系统智能运维一体化平台技术实现以设备资产为基础，以动态数据、运维业务及数据智能应用为核心的业务融合、闭环管理和持续改进。首次提出了将CPS（信息物理系统）理论与城市轨道交通供电智能运维系统中设备的三相电压的监测相结合，实现对作为电能质量重要指标之一的三相电压不平衡度进行实时计算。同时，平台以故障报警驱动业务的智能联动，实现了对城轨设备的全寿命周期可视化管控。 同时，基于混沌粒子群神经网络的设备运行趋势预测技术，使智能运维平台分析决策的方式和效果产生质变。采用设备运行曲线的特征提取、分析评估、预测预警、辅助决策的方法，建立设备健康度评价、状态评价、寿命评价、故障分析等模型，构造轨交供电设备数据特征库，结合轨交供电故障知识库的运用，实现趋势分析、异常数据分析、阈值分析、峰谷分析。其中，供电设备运行曲线的“峰-谷”分析，为设备运行参数的设定提供依据；预测曲线和离散点的分析，揭示线路运行的异常，通过异常的根因分析，做到事前防范。为设备健康度管理、设备技改、增能、电力调度、线路设备运行参数调整、防性试验内容提供准确、充分及必要的决策数据。 利用机器学习等创新技术手段动态掌握电压不平衡度阈值，并创建三大设备电能质量分析预警方法。采用专家经验、深度学习等技术手段，实现电压不平衡度阈值的动态确定、实时计算和及时预警。采用专家经验法与深度残差收缩网络法相结合的方式确定电能质量的阈值，创立阈值触发预警、评分矩阵映射预警、预警等级迁移预警三大预警方法，实现对供电设备的电能质量管理。 本成果降低了设备故障率，减少了设备能耗，促进了设备运维模式转型，切实保障了城轨的安全、高效运行。