基于边缘计算的铁路牵引变电综合自动化保护设计

1 铁路牵引变电保护系统特性分析

1.1 牵引供电系统运行特征

铁路牵引供电系统具有强非线性、负荷波动剧烈、运行工况复杂等显著特征。电力机车作为典型移动负荷，其启停、加速、再生制动等行为导致电流频繁突变，易引发暂态过电压、谐波畸变及不平衡供电等问题。此外，牵引变电所分布广、环境恶劣，设备长期处于高电磁干扰与温湿度变化环境中，对保护系统的可靠性与鲁棒性提出更高要求。更为关键的是，牵引网为单相供电结构，存在明显的负序电流问题，传统三相系统保护原理难以直接适用，需结合牵引供电特殊拓扑进行定制化设计。

1.2 传统保护系统局限性

当前主流牵引变电保护系统多采用集中式 SCADA 架构，依赖站控层集中处理来自各间隔层的数据。该模式在面对突发性短路或高阻接地故障时，存在明显响应延迟。数据需经多级网络传输至主控单元，处理后再下发指令，整个过程耗时可达百毫秒级，难以满足高速铁路对故障切除时间小于80ms 的严苛要求。此外，大量原始数据上传至中心服务器造成通信带宽资源紧张，尤其在多所联动或故障连锁情况下，易形成网络拥塞，影响整体系统稳定性。更深层次的问题在于，传统系统缺乏对非电气量（如温度、振动、局放）的有效融合能力，难以实现早期故障预警与状态评估。

2 边缘计算架构设计

2.1 云-边-端协同体系

为突破传统架构瓶颈，本文构建“云端-边缘层-终端设备”三级协同体系。终端层由各类智能电子设备（IED）、传感器及执行机构组成，负责原始数据采集与基础控制；边缘层部署于牵引变电所本地，集成高性能嵌入式处理器与实时操作系统，承担核心保护算法执行与本地决策任务；云端则位于调度中心，侧重于大数据分析、模型训练与全局优化管理。三者通过安全加密通道互联，形成“本地快速响应+远程智能支持”的双轨运行机制。在此架构下， 90% 以上的保护动作由边缘节点独立完成，仅需将关键事件摘要与统计信息上传至云端，大幅降低通信负载。

2.2 边缘节点硬件优化

针对牵引变电现场高温、强电磁干扰等严苛环境，边缘节点采用工业级ARM+FPGA 异构计算平台。ARM 核心运行轻量级 Linux 系统，负责任务调度与协议解析；FPGA 则用于高速数据采集、滤波与特征提取，可实现微秒级信号预处理。硬件设计中引入双电源冗余、宽温器件与电磁屏蔽结构，确保在 40^∘C～+85^∘C 环境下稳定运行。

3 保护算法轻量化设计

3.1 差动保护算法优化

传统电流差动保护虽原理成熟，但其高采样率与大数据量处理对边缘计算资源构成挑战。为此，本文提出一种基于压缩感知与稀疏表示的轻量化差动保护算法。通过对两侧电流信号进行稀疏基变换，在保证故障特征完整性的前提下，将原始数据压缩至原体积的 30% 以下。重构后的差流信号采用改进型自适应阈值判据，结合波形畸变率与谐波含量进行综合判别，有效区分区内故障与 CT 饱和、励磁涌流等干扰场景。实验表明，该算法在保持动作精度的同时，计算耗时降低约 65% ，满足边缘节点实时性需求。

3.2 距离保护特征提取

针对牵引线路阻抗特性受负荷、谐波影响显著的问题，设计一种融合瞬时功率与解析信号理论的距离保护方案。利用 Hilbert 变换构建电流电压解析信号，提取瞬时幅值与相位角，进而计算瞬时阻抗轨迹。通过滑动窗口动态拟合阻抗变化趋势，识别异常偏移点。进一步引入模糊 C 均值聚类对历史阻抗数据建模，建立自适应动作边界，避免固定定值在复杂工况下的误动。该方法无需精确系统参数，具备较强鲁棒性，特别适用于长距离、多分支牵引网保护。

4 多源数据融合决策机制

4.1 电气量与非电气量融合

单一电气量监测难以全面反映设备健康状态。本文提出基于 D-S 证据理论的多源信息融合框架，将电气量（电流、电压、频率）与非电气量（变压器油温、套管泄漏电流、GIS 局放信号）统一建模。各传感器作为独立证据源，其输出经可信度赋值后输入融合中心。通过构建基本概率分配函数，量化不同状态下的支持度，并利用Dempster 组合规则进行合成决策。例如，当差动保护启动且油温异常升高时，系统可判定为内部严重故障，触发快速跳闸；若仅电气量波动而温度正常，则可能为外部穿越性故障，采取闭锁措施。该机制显著提升故障判据的准确性与容错能力。

4.2 跨间隔信息关联分析

牵引变电所内各电气间隔（如馈线、主变、母线）并非孤立存在，故障往往引发连锁反应。为此，在边缘节点内部建立跨间隔拓扑知识图谱，记录设备间电气连接关系与时序依赖。当某一馈线发生短路时，系统自动关联主变差动、母线电压等信号，进行因果推理分析。采用改进型贝叶斯网络模型，量化各事件间的条件概率，实现故障源定位与影响范围预测。例如，馈线保护动作伴随主变低压侧过流，则可推断为近端短路；若仅馈线动作而主变无异常，则可能为远端故障。该分析过程在本地完成，响应时间控制在 20ms 以内。

5 边缘节点与云端协同管理

5.1 动态资源调度策略

边缘节点计算资源有限，需根据任务优先级进行动态调配。本文设计一种基于强化学习的资源调度算法，将 CPU、内存、I/O 带宽等抽象为资源池。保护任务设为最高优先级，确保其独占关键资源；监测、录波等辅助功能则根据负载情况弹性分配。调度器实时监控系统状态，当检测到多起故障并发时，自动启用节能模式下的备用核心，提升并行处理能力。同时，通过 QoS 机制保障保护指令的传输优先级，避免因资源竞争导致动作延迟。

5.2 模型在线更新机制

为应对设备老化、运行方式变更等动态因素，系统支持保护模型远程在线更新。云端训练平台定期基于全网历史数据优化算法参数，生成轻量级模型补丁。经安全认证后，通过加密通道推送至边缘节点。更新过程采用双分区机制：新模型在备用区加载验证，确认无误后与运行区切换，实现“零停机”升级。同时保留版本回滚功能，确保系统始终处于可控状态。该机制使保护系统具备持续进化能力，适应复杂多变的运行环境。

结语

本文围绕铁路牵引变电综合自动化保护需求，提出一种基于边缘计算的新型系统架构。通过构建云-边-端协同体系，实现保护功能的本地化部署与实时响应；结合硬件优化与算法轻量化设计，确保边缘节点在资源受限条件下高效运行；引入多源数据融合与跨间隔关联分析机制，提升故障识别的准确性与智能化水平；并通过动态资源调度与模型在线更新，保障系统长期稳定与自适应能力。该设计方案有效解决了传统系统响应滞后、通信压力大、智能水平低等核心问题，为现代铁路牵引供电系统的安全、可靠、高效运行提供了切实可行的技术路径。

参考文献：

[1] 基于大数据分析的输变电设备故障诊断与预测研究[J]. 许娟.电气技术与经济,2024(05)

[2] 牵引变电设备状态感知与分析系统方案研究[J]. 王潘潘;刘磊;杨凯;赵春艳.电气化铁道,2023(02)

[3] 可见光图像检测方法在牵引变电设备故障诊断中的应用[J]. 陈静.电气化铁道,2020(S2)