3. 车站智能运维数据体系

智能运维的“智能”并不来自算法本身，而来自算法背后可被持续获取、可信解释的数据。地铁车站是一个典型的多专业耦合体：环控风机、冷水机组、水泵、电扶梯、屏蔽门、AFC闸机、照明与配电设备同时运行，各自产生不同形态的数据。如果把这些数据混为一谈，后续的故障诊断就会失去判断依据。因此，本节要建立的是一个“分类清楚、来源明确、采集方式可落地、质量可校验”的车站数据体系。

四类数据的定位与边界

车站智能运维数据通常划分为四类，它们的差别不只是格式，而是“回答什么问题”。

• 设备运行数据：回答“设备此刻在做什么”。典型对象是冷水机组、风机、水泵、电扶梯、屏蔽门。内容包括启停状态、运行模式、设定值、电流、频率、阀门开度等。它反映的是设备的工况与动作，采样周期常在秒级到分钟级。
• 状态监测数据：回答“设备健康在往哪个方向变化”。典型对象是轴承振动、电机绕组温度、绝缘电阻、门机行程曲线、蓄电池内阻。它更关注趋势与劣化，采样可以是高频波形，也可以是按巡检周期采集的特征值。
• 维修记录：回答“过去发生过什么、怎么处理的”。包括工单、故障现象、故障代码、更换部件、处理人、耗时、验收结论。它是事件型数据，天然稀疏，但对故障诊断的因果解释价值极高。
• 环境数据：回答“设备处在什么外部条件下”。包括站厅站台温湿度、CO₂浓度、客流密度、室外气象、隧道温度。它既是环控系统的控制输入，也是解释设备负荷与故障率变化的重要背景变量。

四类数据的关系可以概括为：环境数据提供“工况背景”，运行数据描述“当前动作”，状态监测数据刻画“健康趋势”，维修记录沉淀“历史结论”。故障诊断时，往往需要把四者按时间和设备编号对齐，才能形成完整证据链。

采集方式：从“能采到”到“采得准”

设备运行数据主要来自车站设备监控系统（BAS）与现场PLC。工程上常见的做法是通过Modbus TCP或BACnet/IP读取寄存器/对象，由采集网关按固定周期轮询。例如冷水机组可读取运行状态、冷冻水出水温度设定值、压缩机电流百分比；风机可读取启停反馈、变频器频率给定与反馈。轮询周期需要与设备动态匹配：温度类量变化慢，30秒至1分钟足够；电流、频率、阀门开度建议5至10秒；而启停状态属于事件量，应优先采用变化上报而非纯轮询，避免漏掉短时动作。

状态监测数据的采集分两条路径。在线路径依靠振动传感器、温度传感器、绝缘监测装置，经边缘采集单元做初步特征提取后上传；离线路径依靠巡检仪、万用表、绝缘电阻测试仪按周期补采。这里的关键不是“多装传感器”，而是明确测点位置与采集周期。以电扶梯驱动主机轴承为例，振动测点应布置在轴承座径向，采样频率需覆盖轴承故障特征频段，通常不低于2 kHz；若只采一个RMS有效值，则只能看趋势，难以做频谱诊断。

维修记录属于人工产生的事件数据，采集方式应尽量结构化。工单中至少应包含设备编码、故障发生时间、故障现象描述、故障代码、处理措施、更换部件编号、恢复时间与验收人。若只保留一段自由文本，后续很难做统计与关联。实践中可在移动端设置下拉选项与必填项，把“现象”和“措施”拆成可枚举字段，自由文本仅作补充。

环境数据由站厅站台温湿度传感器、CO₂传感器、客流统计设备以及室外气象接口提供。环境量变化平缓，采样周期可取1至5分钟；客流数据在早晚高峰变化快，宜取1分钟或更短。环境数据的一个重要用途是作为解释变量：同样是冷水机组电流偏高，若室外温度与客流同时处于高峰，则更可能是正常负荷而非设备异常。

数据质量要求：四条可执行的判据

数据质量不能停留在“要准确”这样的口号，应转化为可计算的判据。

需要特别强调一致性。车站里同一台风机，BAS里可能叫“AHU-01”，工单系统里写成“1号空调机组”，若不做编码映射，运行数据与维修记录就无法关联。建议在汇聚层建立“设备主数据表”，以唯一设备编码为主键，把各系统的别名登记为映射关系，所有数据入库前先完成编码归一。

落地时的组织方式

把四类数据真正用起来，建议按“一设备一档案”的方式组织：以设备编码为索引，向前挂接运行与监测时序数据，向后挂接维修记录，横向关联环境背景数据。采集侧明确每个测点的来源系统、协议、周期、量纲与责任人；汇聚侧执行编码归一与四道质量校验；应用侧只使用通过校验的数据做诊断，可疑数据单独留存供核查。这样，数据体系才不是四张互不相干的表，而是支撑故障诊断的证据网络。