3. 智能运维数据体系与采集技术
牵引供电智能运维的“智能”，首先取决于数据是否完整、可信、可用。牵引变电所、接触网、分区所、开闭所中同时存在电气量、非电气量、开关状态量、保护动作信息和巡检影像等多类数据，它们来自不同厂家、不同接口、不同采样频率，若缺乏统一的数据体系设计，很容易形成“数据很多、用不起来”的局面。本节围绕传感器选型与部署、多源数据接入、数据质量评估与预处理三个层面展开，目标是建立一条从现场感知到可用数据集的完整链路。
一、传感器类型与部署原则
牵引供电系统常用的传感器可按被测对象分为四类。第一类是电气量传感器：电压互感器、电流互感器及其二次侧的变送器，用于采集母线电压、馈线电流、牵引变压器高低压侧电流等；对于需要谐波分析的场合，应选用带宽足够的霍尔电流传感器或带谐波测量能力的数字式仪表。第二类是非电气量传感器：温度传感器（变压器油温、绕组温度、开关柜触头温度）、湿度传感器、SF6气体密度与微水传感器、局放传感器（超声波、特高频）、振动传感器等。第三类是状态量：断路器分合位、隔离开关位置、保护出口、储能状态、远方/就地切换把手位置等，通常以无源接点方式接入。第四类是环境与安防量：门禁、烟感、水浸、视频与巡检机器人采集的红外热像和可见光图像。
部署原则可归纳为四条。其一，按故障模式布点：传感器应针对该设备最可能发生的故障布置，例如牵引变压器重点监测油温、绕组温度和油中溶解气体，开关柜重点监测触头温升与局放，接触网重点监测张力、抬升量和关键接头温度。其二，保证代表性：测点应能反映设备整体状态，避免只测局部而误判，如温度传感器应布置在发热最严重部位而非柜体表面。其三，满足同步与采样要求：用于差动、谐波分析或故障录波的电流电压量，必须来自同一采样时钟或具备同步对时（如IRIG-B、PTP），否则相位关系失真。其四，兼顾可靠性与可维护性：传感器本身不应成为新的故障点，宜采用无源或低功耗器件，并预留校验接口与更换空间。
二、多源数据接入
牵引供电智能运维的数据源主要有四类，接入方式各不相同。SCADA系统提供遥测、遥信、遥控、遥调“四遥”数据，通常通过IEC 60870-5-104或IEC 61850 MMS接口以周期上送和变位上送方式获取，是实时运行状态的主数据源。微机保护装置提供保护动作事件、故障录波、定值区和自检信息，可通过保护信息子站或IEC 61850报告服务接入，其价值在于故障时刻的高分辨率波形。在线监测系统（油色谱、局放、测温、SF6监测等）一般由监测IED或后台以Modbus、MQTT或私有协议上送，采样周期从分钟级到小时级不等。巡检机器人与视频系统则通过文件或流媒体方式提供红外热像、可见光图片和识别结果。
多源接入的关键是建立统一的数据模型与时间基准。工程上通常以IEC 61850或IEC 61970公共信息模型为骨架，将不同来源的测点映射到统一的设备—测点编码体系，例如“所亭编号+设备类型+设备编号+测点类型”的四段式编码；同时所有数据打上带时标的时间戳，统一对时到同一时钟源。接入层还需完成协议适配、量纲归一和初步过滤，避免把原始报文直接抛给上层应用。
三、数据质量评估
数据质量评估应围绕五个维度展开：完整性、有效性、一致性、唯一性和及时性。完整性关注缺测率和断点，例如某馈线电流测点在15分钟内应有900个秒级样本，实际收到882个，则缺测率为2%；有效性关注数值是否落在合理量程内、是否与开关状态矛盾，例如断路器在合位而电流长期为零，应判为可疑；一致性关注同一物理量在不同来源之间是否吻合，例如SCADA上送的馈线电流与保护录波计算出的基波幅值偏差超过3%时需核查；唯一性关注重复记录，多套系统转发同一测点时应按主数据源去重；及时性关注上送延迟，遥信变位从装置动作到主站刷新若超过3秒，会影响故障判断的时效。
工程上可对每个测点按日计算质量评分，例如以完整性0.3、有效性0.3、一致性0.2、及时性0.2加权，得分低于阈值的测点进入待核查清单，由运维人员确认是传感器故障、通信中断还是配置错误。这样数据质量本身也成为可运维的对象。
四、预处理方法
预处理的目标是把原始数据整理成时间对齐、量纲统一、异常可控的分析数据集。常用步骤包括：异常值剔除，对缓变量（如油温）可用3σ准则或箱线图识别离群点，对开关量则依据状态合法性判断；缺失值填补，短时缺失可用线性插值或前值保持，长时缺失应标记为无效而非强行填补；重采样与对齐，将不同采样率的数据统一到同一时间栅格，例如统一到1分钟均值，用于趋势分析；归一化，对多测点建模时采用Z-score或极差归一化，消除量纲影响。
以一个教学示例说明：某牵引变压器油温测点每分钟上送一次，某日10:00—10:05连续缺失6个点，10:06恢复。若直接线性插值填补，会掩盖可能的通信中断；更稳妥的做法是将这6个点标记为无效，并在质量评分中扣减完整性得分，同时检查同一监测IED下其他测点是否同时缺失，以区分单点故障与通道故障。这一判断过程正是预处理与质量评估联动的体现。
综上，牵引供电智能运维的数据体系不是简单的“多接几路数据”，而是以故障模式为导向布点、以统一模型和时标完成多源接入、以质量评估筛选可信数据、以预处理形成可用数据集的一条完整链路。只有这条链路稳定，后续的状态评价、故障诊断与预测才有可靠基础。