针对高铁接触网结冰特性预测模型的研究报告

本文档为一篇科学研究论文，题为《prediction model for icing growth characteristics of high-speed railway contact lines》，主要作者为Zheng Li、Guizao Huang、Guangning Wu、Guoqiang Gao、Zefeng Yang以及Hongyu Zhu，所属机构为西南交通大学电气工程学院（School of Electrical Engineering, Southwest Jiaotong University, Chengdu, China）。文章发表于Cold Regions Science and Technology期刊，文章编号为227 (2024) 104306。

一、研究背景及意义

高速铁路是国家经济发展的命脉之一，截至2023年底，中国高速铁路网已运行45,000公里，总体速度高达350公里/小时，居世界第一位。然而，通过单一滑动电接触获取能量的高速铁路臂网系统（Pantograph-Catenary System, 简称PCS），面对中国复杂的气候条件，接触网结冰问题成为限制高速铁路发展的重要障碍。接触网结冰会导致滑板振动冲击加剧、电弧频发、电流采集质量下降，甚至可能引发严重的安全隐患。

相比架空输电线路的结冰特性，由于接触网结构的独特性（包括不对称结构、张力大、无扭转等），其结冰过程更加复杂。先前研究对输电线路结冰已有较为丰富的成果，但针对接触网结冰特性的研究极为有限。为了解决接触网结冰状态机制不清、模式难以预测、特性表征困难等科学问题，本研究提出一种基于动态模拟和深度学习的预测模型。

本文研究的目标与贡献如下： 1. 澄清接触网结冰的演化模式； 2. 开发基于深度学习的替代预测模型，实现对结冰状态的早期监测与预测； 3. 为高速铁路在结冰条件下的安全稳定运行提供理论基础。

二、研究流程与方法

本研究分为六部分：结冰过程模拟、结冰特性分析、替代预测模型构建、动态仿真验证、模型性能测试及结论解读。具体研究流程如下：

1. 结冰过程动态模拟

接触网结冰是一个涉及超冷水滴碰撞、捕获、换热及冻结的多物理过程。为优化对这种非稳态复杂现象的研究，作者提出利用网格生成、流场分析、结冰层计算等步骤来建立接触网结冰的数值模型。

• 网格划分：基于接触网特殊的不规则表面，采用自适应前进法划分网格空间。接触网的导线直径设置为14.4mm。
• 流场分析：对空气流动和水滴轨迹进行建模，结合Reynolds-Averaged Navier-Stokes (RANS)方法和SST-k-ω湍流模型，计算气流场与水滴运动轨迹。
• 结冰层计算：利用归结的动态参数（如水滴碰撞系数α1、冻结系数α3），结合接触网冰质量增长公式，逐步迭代得出结冰层厚度的演化。

此外，为了改进数据分析，本文首次提出了基于区域分割的扇形分析方法，将接触网的结冰轮廓分为若干扇区，以量化结冰层的形态特征。

2. 结冰特性演变分析

在初始环境参数（风速10 m/s、液态水含量1 g/m³、中值体积直径0.035 mm、温度-5.5°C）下进行模拟，结果显示： - 风速（vp）越高，结冰质量及厚度显著增加； - 液态水含量（LWC）越高，结冰厚度增长速率更快； - 温度（t）越低，结冰更容易发生； - 中值体积直径（MVD）对结冰质量有决定性作用，但对结冰形状影响较小。

通过对不同外界条件下的结冰过程进行量化分析，本文归纳出结冰状态变化的非线性特性，并进一步明确了影响结冰的重要因素及其相互作用关系。

3. 替代预测模型的构建

为解决接触网结冰监测难、数据有限的问题，本文提出了一种基于深度学习的替代预测模型，组合了CNN（Convolutional Neural Network, 卷积神经网络）与GRU（Gated Recurrent Unit, 门控循环单元）算法，建立接触网结冰质量和轮廓的预测框架。

• 模型输入：使用t、vp、LWC和MVD等时间变化环境参数作为模型输入；
• 特征提取：CNN部分从输入信号序列中提取空间特征，GRU部分建模输入与输出的非线性关系；
• 预测输出：输出包含结冰质量（单输出变量）与结冰轮廓（多扇形极坐标分布）两部分。

4. 模型性能测试

作者详细设计了仿真实验以评估模型的预测表现： - 设定150组不同参数组合，生成涵盖1小时内结冰状态变化的3000组数据； - 将样本分为训练集和测试集（比例为4:1），并进行模型训练及预测验证。

实验结果表明： - 结冰质量预测的均方误差（RMSE）为4.1，平均绝对误差（MAE）为2.23%，决定系数（R²）为0.92； - 结冰轮廓预测经测试分扇极坐标点与真实值对比误差R²达到0.85以上，验证了该模型的良好适应性和预测能力。

三、主要研究结果

1. 本文动态模拟揭示了接触网结冰的动态发展规律及形态演变特性；
2. 流场因素如风速、湿度、温度等多维变量共同影响结冰的质量和厚度，且形成复杂的非线性关系；
3. 建立的替代预测模型基于CNN-GRU算法，不仅在有限数据条件下实现了高精度的结冰预测，还提供了快速预测接触网结冰质量和轮廓变化的可能性。

四、研究结论与价值

本研究为高速铁路接触网结冰状态的监测与预测提供了理论突破。结冰模拟与预测模型为铁路系统在极端天气条件下的稳定运行提供了新思路。此外，该研究对以下领域具有重要价值： - 提升铁路接触网抗冰安全技术； - 发展基于AI算法的电网结冰状态检测技术； - 为新型接触网优化设计和除冰防护技术提供数据支撑。

五、研究亮点与创新

1. 提出了基于动态网格和分区分析的接触网结冰数值模型；
2. 创新性采用CNN-GRU算法实现接触网结冰状态的高效预测；
3. 结合数值模拟与深度学习，解决了环境参数多变与数据不足的技术难题。

六、进一步探索的潜力

未来，研究可拓展至以下方向： - 设计更复杂的晕阻模型模拟更极端气候环境下的结冰； - 将替代预测模型应用于实时接触网状态监测，提升高铁运行效率； - 探索基于电热或涂层的新型防结冰技术方案。

此研究不仅对接触网结冰领域的科学理解做出了贡献，也为高速铁路行业提出结合数值模拟与AI预测的解决方案，为安全与运营效率提供了宝贵的理论依据。