基于云平台的城市轨道交通能源管理系统

肖 珊 吴 华

(1.中铁二院工程集团有限责任公司，610031，成都；2.贵阳市城市轨道交通集团有限公司，550081，贵阳 ∥ 第一作者，高级工程师)

目前，各地城市轨道交通的线网级能源管理平台(以下简为“线网平台”)，大多在已建线路级能源管理系统的基础上搭建，可汇总各线路的能源管理数据，以能耗和能效的统计分析为主要功能；其与线路能源管理系统在业务功能方面有一定程度的重合，相应也有重复建设的部分。一般来说，由不同的承包商承建的各线能源管理系统，其硬件与软件各不相同，在表计设置、能源软件界面、系统功能及能耗报表等各方面都存在较大的差异[1]，故在此基础上建立的线网平台较难运营维护。为此，本文基于云平台技术提出新的解决思路。

中国城市轨道交通协会发布的《智慧城市轨道交通信息技术架构及网络安全规范》提出：轨道交通业务管理模式应由传统的线网中心、线路中心、车站三级管理，向中心、车站二级扁平化管理转变。为此，本文通过研究云计算技术与能源管理系统的特点，提出了基于云平台的能源管理系统解决方案，为线网能源管理系统的搭建提供了思路。

1 线网能源管理系统的结构

1.1 云计算及云平台

云计算是以虚拟化技术为基础，以网络为载体的超级计算，其通过基础架构、平台或软件等服务形式，整合了大规模可扩展的计算、存储、数据、应用等分布式计算资源来进行协同工作[2]。

云计算的服务模式有IaaS(基础设施即服务)、PaaS(平台即服务)及SaaS(软件即服务)。其中，IaaS模式主要提供计算、存储、网络及安全等基本的IT(互联网技术)服务；PaaS模式主要提供应用运行和开发环境、应用开发组件等；SaaS模式提供解决实际业务的企业应用，并从应用服务过程中理解需求，不断完善应用解决方案。

针对城市轨道交通特点及安全性需要，各城市大多采用IaaS模式建立线网级的专有城市轨道交通云平台，以实现多线路、多业务资源共享，按需分配资源服务。PaaS模式提供了针对业务的定制化研发中间件工具，故通过PaaS模式可以更好地搭建上层的SaaS模式应用。根据业务应用的特点，SaaS模式可以个性化、灵活地利用PaaS平台开发多元化应用服务[3]。云计算技术的使用实现了城市轨道交通运营生产、运营管理、企业管理、建设管理、资源管理等5大领域业务的平台资源按需分配，以及业务数据信息的实时共享。线网能源管理系统作为线网云平台的一部分，可直接利用相同的IaaS模式，通过虚拟化技术进行平台建设。

1.2 线网能源管理系统的硬件架构

基于云平台的线网能源管理系统(以下简为“云平台能源管理系统”)硬件架构可划分为线网层及车站层两部分，如图1所示。

图1 云平台能源管理系统的硬件架构

在车站层部分，智能电表、智能水表等能耗采集装置负责具体能耗数据的采集、存储和上传，综合监控系统和通风空调系统的数据采集装置负责客流数据、车站环境传感器数据及通风空调系统设备运行数据的采集、存储及上传，协议转换器负责将车站所有的数据打包传递给能源管理系统的线网级服务器。

云平台能源管理系统在硬件架构中取消了传统的线路级能源管理层级(即线路层)。传统线路层包括线路能源服务器、数据服务器及线路级数据采集设备等。云平台能源管理系统的线网层利用虚拟化的数据服务器、Web服务器和接口服务器，统一显示线网中不同线路、车站的能耗情况，并进行能耗、能效分析，进而生成线网级分析报告和报表，实现对整个线网用能的全面监管。

对于线路的能源管理业务，云平台能源管理系统利用能源管理系统B/S(浏览器/服务器)架构特点，在线路各个车站增加能源管理云桌面，通过用户角色权限管理和不同的查询页面，显示查询每个线路或者不同车站的能耗数据。

云平台能源管理系统采用线网-车站二层管理结构，取消了传统的线路层服务，使能源数据直接接入线网级数据库。大数据技术为这种大量数据的汇总和处理提供了可能。此外，云平台保证了线网级能源管理系统能根据接入线路的容量需求来对能源进行弹性配置。云平台能源管理系统更好地利用了云计算的优势，实现了集约化建设和运营，降低了能源管理系统的建设成本。

1.3 线网能源管理系统的软件架构

云平台能源管理系统的软件包括从现场能耗计量部分到顶层业务应用部分，可分为感知层、基础设施层、平台层和应用层(见图2)。其中，现场的智能电表、智能水表、环境传感器等属于感知层，负责数据的采集、存储和上传。在传统服务器和云计算的架构中，感知层的组成及作用基本一致。

图2 云平台能源管理系统的软件架构

基础设施层、平台层和应用层分别采用不同云计算服务模式的架构组成。

基础设施层采用IaaS模式，提供基于云平台的云计算、分布式云存储、大数据计算等基础性服务。

平台层采用PaaS服务模式所对应的中台服务概念进行构建。平台层包括基础中台、数据中台、技术中台及业务中台。这些中台分类是基于综合监控、安防及能源管理等不同业务中的通用型业务模块和功能模块来划分的。基础中台为云平台能源管理系统的底层基础开发框架和服务运管管理框架，提供支撑平台的基础运行环境，对身份认证、同步服务及数据交换接口服务等进行统一管理，通过开放、共享和标准化使不同轨道交通业务应用可以在同一个平台上进行开发或者搭建。数据中台包含了能源管理系统所应用的数据采集和数据存储(如数据总线处理、Hadoop大数据存储等)，通过数据服务来实现对数据的封装和开放，从而快速、灵活地满足上层应用的要求[4]。技术中台主要指应用于云平台能源管理系统的算法技术，如回归算法、聚类分析算法、机器学习算法等。业务中台为针对云平台能源管理系统的业务，利用技术中台的算法所开发的、SaaS模式所需的定制业务平台内容。业务中台包括能耗累积量存储等实时数据存储业务、基于神经网络DNN技术的负荷预测业务、利用聚类分析算法形成的车站聚类业务等。

应用层是平台架构的最上层，采用SaaS模式，为云平台能源管理系统的业务应用，主要包含能耗概览、能耗实时监测、能耗分析、能耗指标分析、能耗平衡分析、能耗相关性分析、电能质量监测分析、能耗报告、报警及事件管理、用能异常诊断以及节能优化控制等业务。

2 SaaS应用

由IaaS和PaaS模式进行开发、封装的，基于能源管理业务的SaaS应用软件称为能源管理系统的SaaS应用。不同于传统软件的全集成的架构方式，每个SaaS应用专门处理1个单独的业务，可作为1个单独的模块来设置其与外部数据的接口，以获取云平台提供的共享数据，经过业务处理后的数据也会存储到云平台中。SaaS应用不仅可应用于云平台能源管理系统内部，也可用于整个云平台上的其他业务中。在云平台能源管理系统中，主要有能耗指标分析SaaS应用、车站耗能聚类分析SaaS应用及节能优化控制SaaS应用。

2.1 能耗指标分析SaaS应用

城市轨道交通的能耗指标主要为线网、车辆段与综合基地、线路、车站、控制中心等处建筑物及设备设施的能耗指标。这些能耗指标反映了各处建筑物、设施和设备的能效评价指标与指标体系。地铁车站能耗分类如图3所示。

地铁车站能耗指标作为衡量地铁能耗指标的参考数据，采用基于客流量的人均能耗。

人均能耗=能耗值/客流量

(1)

图3 地铁车站能耗分类

各座车站的客流量不同，车站建筑面积也存在差异。为了更好地反映车站建筑面积的差异，在人均能耗计算中引入了配置指标和能效指标。配置指标指人均建筑面积，其反映车站建设的利用率，如式(2)所示。能效指标指单位面积的耗能情况，反映车站设备的利用率情况，如式(3)所示。

根据配置指标和能效指标的意义，可以将人均能耗指标进行分解，如式(4)所示。通过分解后的能耗指标，可从设备、车站环境、客流多个维度来确定地铁各个系统能耗的情况。

(4)

在能耗指标分析中，车站客流量等数据来自AFC(自动售检票)系统的数据。相应的输出指标结果可在云平台能源管理系统中使用，不仅可用于全线网车站间能耗指标的比对，评价和考核车站能耗，还可以通过数据共享应用于线网的统计分析等业务，作为线网车站评价和评估的一部分。

2.2 车站聚类分析SaaS应用

聚类分析的工作原理是使计算机模仿人的活动，对数据按照某种规则进行分类。聚类识别分析往往用于解释数据中隐含的、某种表面看不出来的规律和趋势[5]。

由于车站的结构和形式、所处位置、占地面积、是否为换乘站等因素直接决定了车站能耗的大小，所以运用聚类分析的方法将用能规律相同的车站按同类划分，进而对比分析不同类别车站之间的用能差别,是一种既简洁又全面的方法。

本文以贵阳地铁2号线的云平台能源管理系统为例，对2号线各车站能耗的逐时数据聚类分析过程进行阐述。首先，从云平台共享数据中获取发车对数、车站维护结构、客流量等所需信息，并找出用能特点相同的车站；然后，对平均化后的车站逐日能耗数据进行初步处理，完成车站分类；接着，纵观各类车站全年逐月的能耗数据，进行车站能耗数据分布分类；随后，根据地理位置、车站形式及客流量等因素,对各类车站及其能耗的实测数据进行分析，测算不同车站类型的逐月能耗预测数据；最后，根据实测数据得到未来一年的逐月能耗变化情况，进而得知全年变化趋势。这些聚类分析数据能为地铁后期运营提供理论依据，并能在运营中合理地选择发车对数和车站用能控制工艺，在保证安全运行及舒适度的情况下减小能耗。

2.3 节能优化控制SaaS应用

云平台能源管理系统中的节能优化控制SaaS应用主要是对地铁通风空调系统进行节能控制。地铁车站空间大，不仅有多个出入口，还有列车运行隧道。通风空调提供的多余冷量会通过出入口和运行隧道排出，无法通过在站厅站台堆积来进行降温，因而车站的冷量输出变化大，而站厅站台温度却变化缓慢。这是一个典型的“大惯性”系统。通过预测车站的冷负荷需求，可提前控制通风空调系统的冷负荷输出，既能克服“大惯性”系统的滞后性，又能保证车站环境调控的及时性。

为了准确进行负荷预测，节能优化控制SaaS应用采用了技术中台的深度神经网络技术及机器学习算法等，根据影响冷负荷需求的因素(如室外温湿度、车站客流、通风空调设备固有参数、车站固定维护接口数据等)进行负荷预测计算。根据负荷预测值，节能优化控制SaaS应用通过对通风空调系统的“风水联调”优化控制，在满足车站温湿度环境下，实现对通风空调系统的最优控制。

目前，主流的空调节能优化控制都在车站级进行。而在云平台能源管理系统中，节能优化控制SaaS应用可以作为线网级应用，从而能利用线网能源大数据的优势，采集更多的数据样本用于节能优化控制应用的自学习，提高负荷预测精度。此外，节能优化控制SaaS应用的最终目标是按需调节车站内环境温度，即按照车站智能环境动态调控应用的要求进行温湿度控制调节，为乘客提供舒适的环境。

3 结语

云平台能源管理系统采用线网-车站二层管理模式，有效地结合了云计算及大数据等技术，能够实现能源管理的高效和弹性部署，可降低线网和线路服务器等的硬件部署成本和维护成本，是线网能源管理系统的发展方向之一。

能源管理是未来在云平台上打造的“城轨云脑”主要业务领域之一。通过开放的智慧城市轨道交通SaaS生态，将实现资源、数据及算法的开放与共享，助推大数据及人工智能技术在能源管理方面的进一步应用。