基于知识图谱的铁路牵引供电系统运维风险分析及预警方法

《Engineering Applications of Artificial Intelligence》:Knowledge graph-based operation and maintenance risk analysis and early warning approach for railway traction power supply systems

【字体: 大 中 小 】 时间:2025年12月24日 来源:Engineering Applications of Artificial Intelligence 9.0

编辑推荐:

  石秋|李小健|陈永军|王伟东|王进|程如楠|卡西姆·扎希尔中国长沙410075,中南大学土木工程学院摘要铁路牵引供电系统是电气化铁路运行中的关键组成部分。但随着网络规模的扩大以及维护周期的延长,该系统面临着日益增加的运营风险。为提升风险管理精度和决策时效性,本文利用知识图谱技术构

  石秋|李小健|陈永军|王伟东|王进|程如楠|卡西姆·扎希尔中国长沙410075,中南大学土木工程学院摘要铁路牵引供电系统是电气化铁路运行中的关键组成部分。但随着网络规模的扩大以及维护周期的延长,该系统面临着日益增加的运营风险。为提升风险管理精度和决策时效性,本文利用知识图谱技术构建了铁路牵引供电系统运维的风险分析框架。首先,通过自然语言处理技术处理海量故障数据,建立系统模型,全面表征多风险耦合机制及跨系统级联故障的总体情况。随后,提出了一种整合多维度数据的风险事件预警等级评估方法,该方法综合考虑风险概率、风险损失数据以及网络拓扑结构来系统评估预警等级。最后,阐述了通过将铁路牵引供电系统运维风险的预警等级与知识图谱动态结合的实现流程,这一方法有助于维护人员快速了解系统的运行状态。案例研究结果表明,所提出的方法显著提升了分析的系统化、全面性和可观测性,为铁路牵引供电系统运维风险管理提供了更为精准且全面的工具。引言作为典型的线性工程基础设施,铁路牵引供电系统主要由牵引变电所和接触网两大子系统构成,如图1所示。统计数据显示,在全球铁路运营里程排名靠前的国家,如中国、德国和印度,铁路电气化比例已超过70%,其中印度的铁路电气化率更是达到了95%。由于复杂的地理环境、地质条件以及恶劣的气候因素(冯D等人,2021),铁路牵引供电系统在长期运行中容易发生设备故障(李M等人,2024)、列车停运(徐L等人,2025)等各类运营事故,严重时甚至可能造成人员伤亡(曹等人,2022)。这些问题不仅会导致巨大的经济损失,还会带来不良的社会影响。因此,研究铁路牵引供电系统的运维风险分析方法具有重要的现实意义。目前关于铁路牵引供电系统运维风险形成机制的研究可从环境层、设备层和系统层三个维度展开(王Q等人,2020;高S等人,2023;王等人,2022)。针对环境层风险的研究主要探讨气象灾害和地质灾害对铁路牵引供电系统的影响。相关研究(王J等人,2023b、2023a;王等人,2024)运用贝叶斯网络、动态贝叶斯网络以及深度高斯过程等概率模型,建立了极端天气事件影响铁路牵引供电系统的定量评估框架。例如(王J等人,2023b),创新性地将贝叶斯网络与时空脆弱性模型相结合,通过建立概率闪电模型分析雷击事件的时空不确定性,进而预测接触网故障的概率(王等人,2024)。另有研究引入了深度高斯过程分解技术,有效区分了认知不确定性与偶然不确定性,显著提升了极端天气条件下接触网风险预测的可靠性。不过,这些研究大多假设环境因素在系统中独立作用,未能充分考虑多种灾害的协同效应,且过度依赖历史数据的完整性和区域特性。在地质灾害研究方面(孙等人,2024),研究者将地震场景模拟与变电所脆弱性分析相结合,优化变电所选址以降低地震风险,但该方法未考虑次生地震灾害的连锁反应,限制了风险分析的全面性。设备层风险研究则侧重于分析接触网组件及牵引供电设备的老化机制和故障传播路径。例如(戴阳等人,2024a、2024b),通过定义机械耦合组件的故障不可逆性和敏感性指标,运用德普斯特-沙弗证据理论及推理模式图,阐明了组件间的故障传播机制。但这种方法仍难以准确模拟动态交互过程。另有研究(冯D等人,2018a、2018b;林等人,2020;林S等人,2022)从数据驱动的角度优化了设备维护策略。例如(林S等人,2022),运用部分可观测马尔可夫决策过程量化了设备维护相关的故障风险和经济成本,但其状态转移概率的估算依赖于历史故障频率,对于故障率较低的牵引供电设备而言存在适用性难题(冯D等人,2018b)。还有研究提出了一种结合不精确狄利克雷模型与神经网络推理算法的方法来估计故障风险区间,但由于故障模式的复杂性,该方法的区间估计精度有限,可能导致风险决策出现保守偏差。系统层风险研究主要关注铁路牵引供电系统的供电稳定性、负荷波动以及电能质量问题。例如(朱X等人,2024),通过阻抗分析建立了多换流器模型,阐明了光伏发电系统和储能系统接入引发的低频振荡机制。该研究明确了变换器参数对系统稳定性的影响,但并未提出具体的控制策略来消除这类振荡。另有研究(冯D等人,2019;陈Y等人,2021)分别运用故障树分析和蒙特卡洛模拟,量化了负荷特性和继电保护对系统可靠性的影响,但这些研究主要聚焦于负荷和继电保护对铁路牵引供电系统的影响,忽略了与其他组件的耦合效应(林S等人,2019)。还有研究将列车运行计划与电能质量指标相结合,提出了动态风险评估框架,但其电能质量风险权重的设定依赖专家经验,未能充分融合多维度数据。尽管这些研究已对铁路牵引供电系统的运维风险进行了分析,但仍存在一些亟待解决的问题:●风险分析多集中于单个因素或子系统,往往缺乏对多风险耦合效应以及系统内部级联故障可能性的全面建模。●在识别风险事件之间的关联时,现有方法大多依赖基于历史数据的专家判断,这种判断易受人为主观因素影响,效率较低。在此背景下,有必要引入能够建模复杂关系的智能分析方法。作为结构化的语义网络,知识图谱技术因其能够整合多源异构数据并可视化知识结构,为解决上述问题提供了创新方案(Sellami等人,2025)。随着大数据和人工智能技术的不断发展,知识图谱的构建与应用愈发高效且成熟(Shen等人,2022)。目前,知识图谱技术已广泛应用于医疗保健(Chandak等人,2023)、金融领域(刘Z等人,2024)以及人工智能领域(Ro?anec等人,2022)等众多行业。随着理论基础的完善和应用场景的拓展,知识图谱技术也被逐步应用于风险分析、工程管理等领域(Li等人,2017;Peng等人,2023)。例如(Peng等人,2023),从结构化的现场检测数据和非结构化的规范文本文档中提取知识,建立了与地下管线隧道运维风险相关的知识图谱,通过查询、分析及快速反馈等功能提升了地下管线隧道的风险管理能力。不过,目前知识图谱的应用范围仍有局限,制约了该技术在图形表达和多样性方面的发展潜力。在铁路可靠性评估领域,知识图谱技术为构建系统的风险认知框架提供了新思路,有助于应对多源异构数据带来的分析挑战(Guo等人,2024)。在知识图谱构建层面(刘J等人,2024;刘等人,2021;王N等人,2023),研究人员运用自然语言处理算法分析英国铁路事故调查机构发布的事故调查报告,进而建立了聚焦铁路运维风险的知识图谱(Liu和Yang,2022)。另有研究结合文本挖掘、文本增强算法以及实体识别模型,从铁路事故报告中准确提取与风险相关的时空实体及关联关系,从而构建风险事件关联网络。为解决知识图谱构建过程中知识不完整的常见问题(杨等人,2025),有研究提出了一种混合语义-结构图神经网络,通过整合语义信息和结构信息完善知识图谱,为后续的风险分析提供稳定的网络基础。在知识图谱分析层面(刘等人,2021),研究者设计了因果紧密度、类型分布及中介风险等指标,用于揭示风险网络的静态结构特征。在此基础上(王N等人,2023),又引入时间矩阵和因果强度矩阵,拓展了动态分析维度,强调了铁路运维风险与运营周期之间的关联,实现了从静态结构分析向动态演化研究的跨越。在此背景下,越来越多的研究开始关注风险传递机制的探索(刘J等人,2024)。有研究提出了一种基于知识图谱的危害预测方法,通过建模危害之间的交互网络来识别潜在的事故路径(黄等人,2025)。另有研究结合事件逻辑图与无监督因果关系链的分析方法,研究了极端天气条件下铁路运维故障的风险传播机制。该研究通过构建故障事件关联网络并利用历史报告数据(刘和Yang,2024),识别出了铁路信号系统中的风险因素及其传播特征。为应对大规模图结构带来的计算难题,该研究引入了文本聚类和图聚类方法,将风险评估任务转化为聚类问题,从而更高效地预测风险等级(李S等人,2024)。还有研究将改进后的失效模式与影响分析方法与知识图谱相结合,系统识别复杂产品关键组件的各类风险,涵盖故障模式、成因及影响等多方面内容,提升了风险评估的全面性。不过,目前基于知识图谱的风险分析研究大多侧重于网络拓扑特征,往往忽视了对多模态数据的综合整合,包括维护成本、运营中断以及其他直接和间接的风险相关损失。此外,大多数模型也未充分考虑风险事件的先验概率,导致风险评估维度趋于同质化,难以在复杂的运维场景中有效区分风险并提供决策支持。因此,本研究提出了一种基于知识图谱的铁路牵引供电系统运维风险分析与预警方法。该方法以图形化方式呈现运维风险等级,帮助铁路牵引供电系统的运维管理部门提前制定并实施针对性的预防和控制措施,从而确保系统的长期稳定运行。本研究的主要贡献和创新点如下:●采用自上而下与自下而上的相结合方法,建立了铁路牵引供电系统运维风险的知识图谱。该知识图谱以风险事件作为节点,以这些事件之间的因果关系作为边,全面反映了铁路牵引供电系统运维风险的多 hazard耦合机制及跨系统级联故障情况。●提出了一种整合多维度数据以评估铁路牵引供电系统运维风险事件预警等级的框架。该框架运用贝叶斯网络、统计分析等方法,综合专家评估数据、风险损失数据以及网络拓扑数据,系统评估铁路牵引供电系统运维风险事件的预警等级。●明确了风险预警等级与知识图谱之间的映射逻辑。通过动态结合物理数据与图形元素,将铁路牵引供电系统运维风险事件的预警等级与知识图谱网络节点的直径、标识符等参数相关联。该方法有助于直观地呈现风险预警等级。本文结构如下:第2节介绍研究的整体框架,第3节阐述计算分析过程,第4节讨论研究结果,第5节对研究进行总结,指出其局限性及未来研究的潜在方向。

**拟采用的方法论**
本文提出的研究框架包含四个主要组成部分,如图2所示。首先,第一部分介绍RTPSS的运维场景,为后续的风险分析奠定基础。第二部分阐述构建RTPSS运维风险知识图谱的流程,详细说明如何整合多源异构数据,并呈现风险事件之间的复杂关系。第三部分则是用于计算先验概率的方法。

**数据预处理**
本研究案例的数据来源于京广高铁某段线路2016年至2021年的运维故障记录,这些记录涵盖了环境条件、设备状态、人为操作以及系统交互等多方面内容。数据主要以非结构化文本形式存在,包括现场维修人员的记录以及语音转文字的内容。此外,我们还纳入了一些结构化数据。

**基于知识图谱的风险类型比例分析**
RTPSS的运维过程会受到六类风险的影响:人、机械、材料、方法、测量以及环境。由于这些风险类型的多样性,RTPSS运维的稳定性与安全性面临着诸多挑战,比如数据的不完整性和不确定性,以及系统安全稳定机制的复杂性。因此,分析风险类型的分布并确定RTPSS项目运维过程中的关键影响因素十分重要。

**结论**
本研究针对复杂环境中RTPSS运维过程中面临的先进风险管理难题,提出了一种基于知识图谱的风险分析与预警方法。该研究在理论层面和实践层面均具有重要的贡献。具体内容如下:在理论层面,本研究提出了一个融合知识图谱与贝叶斯网络的风险预警分析框架,为运维管理提供了方法上的创新。

**CRediT作者贡献声明**
施秋:写作——审阅与编辑,写作——初稿撰写,可视化,方法论,研究,资金获取,数据整理,概念构建。李晓健:写作——审阅与编辑,写作——初稿撰写,可视化,方法论,研究,形式分析,概念构建。陈永军:监督,方法论,研究,概念构建。王卫东:监督,方法论,概念构建。王进:写作——审阅与编辑,写作——初稿撰写。

**利益冲突声明**
作者们声明不存在任何可能影响本文研究成果的已知财务利益或个人关系。

**致谢**
本研究得到了中国国家自然科学基金(NSFC)的资助,项目编号为52178442。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号