高速铁路监测系统大风预警功能方案研究

姜 海

高速铁路监测系统大风预警功能方案研究

姜 海

介绍了国内外铁路大风预警情况，详细阐述了大风预警试验前期数据准备、试验方法及验证方案，并例举了某客运专线大风预警的试验过程，得出应尽早利用历史数据，实施大风预警的结论。

高速铁路；大风预警；试验预测

0 引言

目前我国高速铁路自然灾害及异物侵限监测系统可以实现对监测点的风速监测，但还不能实现大风预警功能。大风预警是指根据对既有气象资料、现场地形地貌及风监测点的数据综合分析提前一定时间进行风速预测，当预测风速超过报警门限时，发出大风报警信息。大风预警功能对高速铁路的行车安全是十分必要的。尤其是应尽量提早通知进入风区的高速列车减速，以及防止刚刚解除大风报警后的瞬间大风对列车造成的危害。

1 高速铁路大风预警现状

1.1 国内外应用情况

目前国内高速铁路的风监测功能中没有实现实际意义上的大风预警功能，开通运营的铁路客运专线防灾安全监控系统大风报警所用数据为现场的“瞬时风速”，风速连续10 s超过报警阈值时产生限速报警。

国外高速铁路中已有实际应用的大风预警功能，例如：法国地中海线应用Topowind软件，其预测模型利用风监测数据可预测未来几分钟内的风速和风向；日本高速铁路通过建立大风事件的特定风动态统计模型，将实时风监测数据与各大风时间模型进行关联分析，以实现大风预警。

国内普速铁路领域已经有大风预警功能的应用。青藏铁路开通运用大风监测预警系统，对自动实时采集的测风站风速时间序列进行检验与处理，对沿线风速进行超前多步（多分钟）预测计算。

1.2 国内外风预测主要模型

目前大风预测的主要模型有以下几种：N元自回归模型；微小尺度模型；基于时间序列的人工神经元（RBF）网络模型；采用气象统计原理结合神经网络算法进行时间上的风速预测；基于CFD的计算流体力学（ALL的风流外推）。

2 大风预测试验

2.1 试验目的

通过试验验证不同计算模型预测数据的准确性。评定各种计算模型的适用情况。通过对比验证采用大风预警对列车的安全性的贡献。

2.2 试验数据准备

（1）现状数据搜集。包括：铁路线路情况，铁路线路弯曲角度及半径，铁轨距离地面的高度，铁路沿线地形数据，地表粗糙度数据等。

（2）气象历史数据搜集。地方气象站应具备的条件：距线路监测点50 km以内、地理环境与线路相似、无障碍物影响风流信息测量准确度。数据时间段为不少于10年，完整连续的观测数据。

数据种类及精度要求：a.日降水量：24 h内降水量；b.日均气温：一天气温的平均值；c.最高气温：一天的最高气温；d.最低气温：一天的最低气温；e.10 min平均风速序列；f.10 min平均风向序列；g.日最大瞬时风速序列；h.日最大瞬时风速对应的风向。

2.3 试验方法

在线路沿线选取不少于5处固定风监测点及1处移动数据监测点，安装风速风向传感器（同时具有监测气温、气压、温度、湿度、降雨量等功能）。收集各监测点相关气象数据，利用数据建立各算法模型，对预测结果进行记录，通过与实际测量值进行比较，判别不同模型的预测效果。

（1）既有数据预测法。从收集到的气象数据中，抽取某一需预测时段的数据，然后根据剩余数据对抽取的数据进行预测，将预测结果存入数据库，用于评定。

（2）现场数据预测法。将监测点的实时数据传送给各计算模型进行计算，得出指定点（固定点或移动点）的未来某一时间间隔的平均风速、风向及最大风速，将预测数据存入数据库，用于评定。

2.4 试验验证方案

对于预测实验数据采取预测数据和监测数据对比、多种模型之间互相对比等多种验证方案。

（1）既有数据预测法的验证。根据提前抽取的数据和各种模型计算出的预测数据进行比对。验证各种模型预测数据的准确性和误差率等。

（2）现场数据预测法的验证。

a.时间预测数据的验证。对任意风监测点，任意给定时间段内的预测数据和实测数据进行比对。给定时间段包括不同的天气状况、昼夜状况、各个主导风向等。

b.空间预测数据的验证。由验证人员任意抽取、预测覆盖范围内的某一个或几个具有代表性的监测点（该监测点已有移动风监测点记录实时风速数据），由计算模型现场计算预测数据，再按照“时间预测数据的验证”方案进行验证。

根据数理统计原理，利用均值和标准差作为判别的标准。均值反应了预测值与测量值总体偏差情况，标准差反应了预测值与测量值之间的分散程度。误差均值和误差标准差越小，预测的性能越好。

2.5 模型之间互相对比

运用以上多种方案，对不同模型下的预测数据进行综合比对，选出适合该线的最佳预测模型。

3 大风预测试验案例

本次试验对某客运专线风速值较大的风速监测点的数据进行分析，有直观的参考意义。

3.1 基于时间的大风预测试验

（1）预测模型的选择。风流预测模型是一个ARMA模型。模型中参数的取值与当地的风流特性紧密相连，在不同的监控点上模型的参数各不相同，为了建立与特定环境相适应的预测模型参数，需要至少1年的该位置上的测风数据积累。

（2）试验段中的风流预测实现内容。在所选择的测风监控点上建立与当地风环境相适应的不同预测提前量的预测模型（2、5、10 min）。在模型的建立过程中，还须考虑风速上升期与强风期的特征，因为这些情况是风流最容易对列车运行带来风险的时期。

（3）预测模型的误差分析。预测总是存在与实际情况之间的误差，因此需要明确误差的计算方法：首先，应该说明误差是不能用每个时间点的瞬时值来进行计算的，因为风流本身的随机波动特性是无法控制的。瞬时风速本身就是一个不可预测的随机变量。

如果取一个预测值做为一个样本值，记为Vp，并获得同期的实际测量值Vm，以2 min为预测量，那么这2个值都应是2 min内的平均风速值。所以，误差的计算式为

（4）数据记录方式。

不建议采用现在的方式记录数据：每10 s记录一次，每次均为3 s平均值。这样的记录方式意味着每10 s内有7 s的风流信息被丢掉，而对于阵风而言，7 s的时间已经足够出现一个风速峰值。最好能够存储所有的3 s平均值。

（5）压强和温度对于预测模型的影响。在预测模型中是否引入压强取决于具体的测风点环境。而温度在预测模型中并没有用处，如果能够获取列车的标准CWC曲线，那么在进行线路实际风险分析的时候才会使用该信息。

（6）试验测试内容。完成预测部分工作所需的入口数据有：1 min的平均风速值Vm1(i)、风速最大值Vp1(i)、平均风向值Dm1(i)、风速标准偏差Vsd1(i)，大气压强P(i)。

选取全年各季度一天，共4天的预测数据与测量数据进行比较，得出预测值与测量值的误差均值及标准差值，详见表1和表2。

表1 预测值与测量值的误差均值表

表2 预测值与测量值的标准差值表

由表1和表2可见，预测值与测量值的误差均值在1.49～7.12之间，标准差值在0.623～3.192之间，不同预测时间误差均值和标准差值相差较大，但同一天的不同预测标准下的误差均值和标准差值相差不大。

3.2 基于空间的大风预测试验

选取固定监测点A，B，C进行试验，在A，C两处分别安装2个风监测点，通过以上两点数据，推算B点数据。

（1）试验数据选取。采集的数据从2014年2—7月，对日最大风速进行统计，见表3。

表3 日最大风速统计表

根据风流外推理论：在一定风速大小条件下风流才能体现出较强的变化规律。由表3看出6月份2个固定点出现大风的天数比较多，所以选取2014年6月份的数据作为风流外推的基础研究数据。

（2）风流外推算法。

a.风速数据的预处理。

固定点每秒钟记录一次瞬时风速数据。风流验证时采用2、5、10 min的平均风速值，转换方法如下（以2 min为例）：

已知1 s风速vs( )，1 s风向为Φs( )。

设1 s风速X方向矢量为vsX( )，1 s风速Y方向矢量为vsY( )；2 min平均风速为v2m，X方向矢量为v2mX，Y方向矢量为v2mY；2 min风向为Φ2m。则：

vsX(i) =vs(i)×cosΦs(i)，将瞬时风速按X轴方向分解；

vsY(i) =vs(i)×sinΦs(i)，将瞬时风速按Y轴方向分解；

Φ2m= arctg(v2mY/v2mX)，求取2 min平均风速的方向；

b.测量值与预测值的验证方法。

通过A和C两个固定点采集的同步数据，外推出2、5、10 min平均值，称之为预测值。将B点采集的数据，计算2、5、10 min平均值，称之为测量值。将测量值与预测值的大小进行比较，求预测误差。以2 min平均为例：

一天中2 min平均风速序列表示为

一天中2 min平均风速预测序列表示为

将一天中对应时刻的2 min平均风速相减得到预测误差随机序列：

预测误差随机序列的每一项都趋近于零时，风速预测效果越好。

（3）验证结果。根据实验数据，得出预测误差均值和标准差值，见表4和表5。

表4 预测值与测量值的误差均值表（部分时间）

表5 预测值与测量值的标准差值表（部分时间）

由表4和表5可见，预测值与测量值的误差均值在4.130～6.361之间，标准差值在0.919～2.717之间，不同预测日期的误差均值、标准差值相差不大。

4 结论

根据上述试验可知，基于时间的大风预测值与实测值还是有一定差距的，预测的准确率主要受历史采样数据量的多少及测点风环境参数的准确性影响。同样，基于空间的预测结果同样与实测值存在一定差距，预测主要受外推点地形、地貌、线路工程情况以及历史数据的影响。实际应用中，应综合考虑线路风环境特点、采集数据特性，以此进行方案选取。

大风预警功能对于高速铁路来说十分重要，国内高速铁路风监测数据积累已有数年，建议可以先采用既有数据通过本文提供的试验方案、验证方案，进行大风预警功能试验，并尽早在高速铁路中应用。

[1] 徐超.高速铁路综合防灾安全监控系统的研究[D].中国铁道科学研究院，2010.

[2] 龚炯，王鹏.高速铁路大风监测预警系统的研究[J].高速铁路技术，2012，（1）.

The paper introduces the situations of strong wind warning for railways in home and abroad, illustrates in details the preliminary data preparation, testing method and verification scheme before strong wind warning test, demonstrates an example of testing process of strong wind warning for one dedicated passenger line, and a conclusion is obtained that it is necessary to implement the strong wind warning by application of historical data as early as possible.

High speed railway; strong wind warning; prediction of test

U231.96

：B

：1007-936X(2016)03-0043-04

2015-12-28

姜 海.中铁电气化局集团有限公司设计研究院，助理工程师，电话：13811536398。