CN109659980A - 集成混合储能与光伏装置的牵引供电系统能量管理优化方法 - Google Patents

Abstract

本发明公开了集成混合储能与光伏装置的牵引供电系统能量管理优化方法，包括以下步骤：步骤1：获取牵引变电所负荷过程数据和典型光照强度场景；步骤2：根建立优化模型的目标函数；步骤3：建立优化模型的约束条件，并将优化模型的约束条件线性化；步骤4：根据步骤2得到的目标函数和步骤3得到的约束条件，建立混合整数线性规划模型；步骤5：求解步骤4得到的模型，得到混合储能装置最优充放电功率、光伏最优并网功率、潮流控制器中背靠背变流器最优潮流功率，即完成牵引供电系统能量管理优化；本发明提高光伏渗透率和列车再生制动能量利用率、减少电气化铁路电费成本，能量管理优化方法更加贴近实际。

Description

集成混合储能与光伏装置的牵引供电系统能量管理优化方法

技术领域

本发明涉及一种集成混合储能与光伏装置的牵引供电系统能量管理优化方法。

背景技术

为了减少碳排放，推进绿色可持续发展，我国也加入了减少温室气体排放的国家行列；轨道交通领域，电气化铁路作为能源消耗大户，也开始采取措施实现节能减排；考虑到高速列车巨大的再生制动能量，可以通过在铁路系统中引入蓄电池与超级电容器组合的混合储能装置，以实现列车再生制动能量的吸收和再利用。此外，近年来我国可再生能源发电发展迅速，然而在电气化铁路沿线风、光资源丰富的地区却未能实现可再生能源的就近消纳利用，利用混合储能设备存储多余的可再生能源可以有效提高可再生能源的渗透率，减小电源薄弱地区电气化铁路对外部电源的依赖，提高牵引供电系统的可靠性。

需要注意的是，电气化铁路牵引负荷的随机波动性、冲击性不仅使得牵引供电系统稳定性与可靠性受到影响，还大大增加了牵引变压器安装容量，从而使铁路运营部门需要支付的两部制电价中的基本电费增加。凭借超级电容充放电迅速以及电池存储容量大的优势特点，混合储能装置可以实现牵引负荷的削峰填谷，减小牵引负荷波动性，从而降低牵引变电所需量电费。此外，由于电气化铁路牵引负荷的不平衡性，既有供电模式下以三相电压不平衡度为主的电能质量问题已经成为制约系统安全、可靠和高效运行的突出“瓶颈”。然而，既有牵引供电系统并不具备对冲击性负荷进行主动控制及调节的能力，供电资源的利用效率以及对以三相电压不平衡度为主的电能质量的控制能力亟待提升。

发明内容

为解决上述问题，本发明提供一种集成混合储能与光伏装置的牵引供电系统能量管理优化方法，该方法可以提高光伏渗透率和列车再生制动能量利用率，减少铁路电费成本，且克服了既有方案中没有考虑三相电压不平衡度国标约束的局限，使优化运行策略更加贴近实际。

本发明采用的技术方案是：集成混合储能与光伏装置的牵引供电系统能量管理优化方法，包括以下步骤：

步骤1：获取牵引变电所负荷过程数据和典型光照强度场景；

步骤2：根据电费参数和步骤1得到的牵引变电所负荷过程数据和典型光照强度场景，建立优化模型的目标函数；

步骤3：根据混合储能系统和光伏系统的功率容量参数、三相电压不平衡度国标参数，基于步骤1得到的牵引变电所负荷过程数据和典型光照强度场景建立优化模型的约束条件，并将优化模型的约束条件线性化；

步骤4：根据步骤2得到的目标函数和步骤3得到的约束条件，建立混合整数规划模型；

步骤5：求解步骤4得到的模型，得到混合储能装置最优充放电功率，光伏最优并网功率、潮流控制器中背靠背变流器最优潮流功率，即完成牵引供电系统能量管理优化。

进一步的，所述步骤2中的目标函数为：

式中：f为目标函数，表示牵引变电所日电费成本，s为光照场景，t为时间段，π_s为不同光照强度场景对应的概率，为电度电费单价，为需量电费单价，为光伏发电单位成本，为售电单价；为15分钟内牵引供电系统平均负荷，为由公共电网输入到牵引供电系统的有功功率，为光伏发电的有功输出，为由牵引供电系统反馈至公共电网的有功功率；

其中：

式中：T为一天内总的时间段数，Δt为单位时间段。

进一步的，所述步骤3中的约束条件包括功率平衡约束、混合储能系统约束、公共电网功率约束、光伏发电约束、背靠背变流器约束、三相电压不平衡度约束。

进一步的，所述步骤3中约束条件如下：

功率平衡约束条件：

式中：为由公共电网输入到牵引供电系统的有功功率，为由牵引供电系统反馈至公共电网的有功功率，分别为单相牵引变压器的正、反方向有功功率，分别为背靠背变流器α相的正、反方向有功功率，分别为背靠背变流器β相的正、反方向有功功率；

为电池的放电功率，为电池的充电功率，为超级电容的放电功率，为超级电容的充电功率，为光伏发电的有功输出；

为牵引负荷的有功功率，为再生制动的有功功率；

分别为背靠背变流器β相的正方向无功功率和负方向无功功率，为牵引负荷的无功功率，为再生制动的无功功率；

混合储能系统约束条件：

式中：ε^b为电池的自放电率，ε^b为超级电容的自放电率，η^b,dis为电池的放电效率，η^b,ch为电池的充电效率，η^u,dis为超级电容的放电效率，η^u,ch为超级电容的充电效率，Δt为单位时间段，为电池在t+1时间段储存的电能，为电池在t时间段储存的电能；为超级电容在t+1时间段储存的电能，为超级电容在t时间段储存的电能；

式中：为电池额定功率，为超级电容额定功率，SOC^b 为电池最小荷电状态，为电池最大荷电状态，为电池额定容量，为超级电容额定容量，为t-1时段电池储存的电能，为t-1时段超级电容储存的电能，SOC^u 为超级电容最小荷电状态，为超级电容最大荷电状态；

式中：为每日初始时段电池储存的电能，为每日最后时段电池储存的电能，为每天初始荷电状态，为每日初始时段超级电容储存的电能，为每日最后时段超级电容储存的电能，为超级电容每天初始荷电状态；和均为二进制变量；

光伏发电约束：

式中：η^pv为光伏发电效率，A^pv为光伏面板面积，为日内各时刻光照强度，S^pv为光伏逆变器容量；

背靠背变流器约束：

式中：S^α为背靠背变流器α相的容量，S^β为背靠背变流器β相的容量，为背靠背变流器α相有功功率最大值，和均为二进制变量；

三相电压不平衡度约束：

式中：ε_U为牵引变电所电网侧三相电压不平衡度，U_S为电网侧线电压，S为电网侧线短路容量，为国标中三相电压不平衡度上限值，为电网侧负序电流，U^T为牵引变压器出口处电压，U^α为背靠背变流器α相出口处电压，N₁为单相牵引变压器变比，N₂为高压匹配变压器变比，a为复数算子e^j120°，为单相牵引变压器的电压电流相角差，为背靠背变流器α相的电压电流相角差，I_T为牵引变压器电流，I_α为背靠背变流器α相的电流。

进一步的，所述步骤3中约束条件线性化方法如下：

公式(1)线性化后为下式：

式中：为辅助变量；

公式(16)线性化后为下式：

a_nP_n,l≤p_n≤a_nP_n,r,-Ma_n≤q_n≤Ma_n (26)

式中：a_n为二进制变量，N^trap为PQ圆中划分的梯形个数，p_n为辅助变量，q_n为辅助变量，P为背靠背变流器β相的有功功率，Q为背靠背变流器β相的无功功率，P_n,l为PQ圆中第n个梯形左侧上角点的横坐标，P_n,r为PQ圆中第n个梯形右侧上角点的横坐标，M为极大值，Q_n,l为PQ圆中第n个梯形左侧上角点的纵坐标，Q_n,r为PQ圆中第n个梯形右侧上角点的纵坐标，二进制变量a_n之和为1表示只有一个梯形会被选中；

公式(21)线性化后如下：

式中：为均为辅助变量，为二进制变量。

进一步的，所述步骤5中通过混合整数优化求解器求解模型。

进一步的，所述步骤1中的牵引变电所负荷过程数据，根据高速铁路线路、列车和时刻表，通过负荷过程仿真软件计算得到，例如ELBAS/WEBANET。

进一步的，所述步骤1中的典型光照强度场景，是基于场景削减方法对光照强度场景历史数据进行削减得到的，例如同步回代消除法。

进一步的，所述步骤5中通过混合整数优化求解器求解模型。

本发明的有益效果是：

(1)本发明以减少铁路部门电费成本为目标，着重考虑了牵引供电系统中的三相电压不平衡度约束，使得牵引供电系统能量管理优化方法更加贴近实际，克服了既有方案中没有考虑三相电压不平衡度约束的局限；

(2)本发明通过对目标函数和约束条件中的非线性元素进行线性化处理，建立混合整数线性规划模型，便于利用优化求解器直接求解，避免了混合整数非线性模型求解的复杂性。

附图说明

图1为本发明中集成混合储能和光伏装置的牵引供电系统示意图。

图2为本发明流程示意图。

图3为实施例中本发明方法与传统方法牵引变电所电网侧三相电压不平衡度曲线对比示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

本发明针对的牵引供电系统结构如图1所示，集成混合储能与光伏装置的牵引供电系统能量管理优化方法，包括以下步骤，如图2所示；

步骤1：利用牵引负荷过程仿真软件，例如德国SIGNON公司的ELBAS/WEBANET软件，输入高速铁路线路、列车与时刻表参数，仿真得到牵引变电所负荷过程数据；

输入光照强度场景数据，基于同步回代消除法对光照强度场景进行场景削减，得到四个典型光照强度场景。

步骤2：根据电费参数，建立优化模型的目标函数；电费参数包括电度电费、需要电费、光伏发电成本以及售电收入。

目标函数表达式如下：

式中：f为目标函数，表示牵引变电所日电费成本，s为光照场景，t为时间段，π_s为不同光照强度场景对应的概率，为电度电费单价，为需量电费单价，为光伏发电单位成本，为售电单位单价；为15分钟内牵引供电系统平均负荷，为由公共电网输入到牵引供电系统的有功功率，为光伏发电的有功输出，为由牵引供电系统反馈至公共电网的有功功率，T为一天内总的时间段数。

步骤3：根据混合储能系统和光伏系统的功率容量参数、三相电压不平衡度国标参数，基于步骤1得到的牵引变电所负荷过程数据和典型光照强度场景，建立优化模型的约束条件，并将优化模型的约束条件线性化。

其中约束条件包括功率平衡约束、混合储能系统约束、公共电网功率约束、光伏发电约束、潮流控制器中背靠背变流器约束以及以三相不平衡度约束。

约束条件如下：

功率平衡约束条件：

式中：为由公共电网输入到牵引供电系统的有功功率，为由牵引供电系统反馈至公共电网的有功功率，分别为单相牵引变压器的正、反方向有功功率，分别为背靠背变流器α相的正、反方向有功功率，分别为背靠背变流器β相的正、反方向有功功率。

为电池的放电功率，为电池的充电功率，为超级电容的放电功率，为超级电容的充电功率，为光伏发电的有功输出。

为牵引负荷的有功功率，为再生制动的有功功率；分别为背靠背变流器β相的正方向无功功率和负方向无功功率，为牵引负荷的无功功率，为再生制动的无功功率。

混合储能系统约束条件：

式中：ε^b为电池的自放电率，ε^b为超级电容的自放电率，η^b,dis为电池的放电效率，η^b,ch为电池的充电效率，η^u,dis为超级电容的放电效率，η^u,ch为超级电容的充电效率，Δt为单位时间段本发明设置为1分钟，为电池在t+1时间段储存的电能，为电池在t时间段储存的电能；为超级电容在t+1时间段储存的电能，为超级电容在t时间段储存的电能；

式中：为电池额定功率，为超级电容额定功率，SOC^b 为电池最小荷电状态，为电池最大荷电状态，为电池额定容量，为超级电容额定容量，为t-1时段电池储存的电能，为t-1时段超级电容储存的电能，SOC^u 为超级电容最小荷电状态，为超级电容最大荷电状态；为每日初始时段电池储存的电能，为每日最后时段电池储存的电能，为每天初始荷电状态，为每日初始时段超级电容储存的电能，为每日最后时段超级电容储存的电能，为超级电容每天初始荷电状态；和均为二进制变量；

光伏发电约束：

式中：η^pv为光伏发电效率，A^pv为光伏面板面积，为日内各时刻光照强度，S^pv为光伏逆变器容量；本发明中：η^pv设置为12％，A^pv设置为10⁴m²，S^pv设置为1MVA。

背靠背变流器约束：

式中：S^α为背靠背变流器α相的容量，S^β为背靠背变流器β相的容量；为背靠背变流器α相的有功功率最大值，和均为二进制变量，以保证任意时刻变流器的正方向功率和负方向功率不能同时存在。

三相电压不平衡度约束：

式中：ε_U为牵引变电所电网侧三相电压不平衡度，U_S为电网侧线电压，本发明设置为110kV，S为电网侧线短路容量，本发明设置为1200MVA，为国标中三相电压不平衡度上限值，为2％，为电网侧负序电流，U^T为牵引变压器出口处电压，为27.5kV，U^α为背靠背变流器α相出口处电压，为27.5kV，N₁为单相牵引变压器变比，为4，N₂为高压匹配变压器(YNd11接线)变比，为a为复数算子e^j120°，为单相牵引变压器的电压电流相角差，为背靠背变流器α相的电压电流相角差，I_T为牵引变压器电流，I_α为背靠背变流器α相电流。

约束条件线性化如下：

公式(1)中的最大值函数max(·)线性化：

式中：为辅助变量，表示每日最大需量值。

公式(16)线性化，线性化过程如下：

a_nP_n,l≤p_n≤a_nP_n,r,-Ma_n≤q_n≤Ma_n (26)

式中：a_n为二进制变量，N^trap为PQ圆中划分的梯形个数，p_n为辅助变量，q_n为辅助变量，P为背靠背变流器β相的有功功率，Q为背靠背变流器β相的无功功率，P_n,l为PQ圆中第n个梯形左侧上角点的横坐标，P_n,r为PQ圆中第n个梯形右侧上角点的横坐标，M为极大值，Q_n,l为PQ圆中第n个梯形左侧上角点的纵坐标，Q_n,r为PQ圆中第n个梯形右侧上角点的纵坐标，二进制变量a_n之和为1表示只有一个梯形会被选中。

公式(21)绝对值函数线性化过程如下：

式中：为均为辅助变量，为二进制变量，表示和不能在同一光照场景s和时间段t下同时大于0。

步骤4：根据步骤2得到的目标函数和步骤3得到的约束条件，建立混合整数规划模型(MILP)；

步骤5：利用优化软件，例如Matlab环境下的混合整数优化求解器GUROBI，求解步骤4该混合整数线性规划，得到混合储能装置最优充放电功率，光伏最优并网功率、潮流控制器中变流器最优潮流功率，即完成牵引供电系统能量管理优化。

实施例

本发明中集成混合储能与光伏装置的电气化铁路牵引供电系统拓扑结构如图1所示，其储能系统参数如表1所示：

表1.储能系统参数

其他部分参数，光伏发电站光伏面积为10000m²，光伏效率12％，光伏变流器容量2MVA；潮流控制器中背靠背变流器α相和β相的容量均为5MVA。

以传统的优化方法(采用牵引变电所出口有分区的既有牵引供电系统模型)和本发明方法进行对比；两种模型中高铁线路、列车以及时刻表参数保持一致，牵引所负荷数据由负荷过程仿真软件计算得到，例如ELBAS/WEBANET软件。

传统牵引供电系统电费成本计算方法如下：

式中：P_t ^L和P_t ^R分别为牵引所左、右供电臂有功功率；P_t ^dem为传统牵引供电模式15分钟内牵引所平均负荷。

以基于Scott接线的牵引变压器为例，传统牵引供电系统的电网侧三相电压不平衡度计算如下：

式中：和分别为左、右供电臂功率因数角，均为18°，U^L和U^R分别为左、右供电臂电压，均为27.5kV，N₃为牵引变压器变比，为4。

经过仿真计算后，其结果如表2所示。

表2.优化结果

表2展现了两种方法下的单个牵引变电所的计算结果；根据表2可知，集成了混合储能和光伏装置的牵引供电系统能量管理优化方法，每日电费成本远小于传统牵引供电系统优化方法，成本减少了27.1％；由于潮流控制器对负序电流大小的控制作用，本发明方法中日内最大电压不平衡度为2％，满足国标上限值2％的要求；而传统方法中负序电流受左、右供电臂负荷不平衡影响，最大电压不平衡度高达4.32％，超过了国标限值。

两种方法，两小时时间段内的电网侧三相电压不平衡度曲线如图3所示；由图3和表2可以看出本发明方法，即集成了混合储能与光伏装置的牵引供电系统的能量管理优化方法，可以在电网侧三相电压不平衡度满足国标约束的条件下实现电费成本最优化。

本发明考虑在牵引供电系统的背靠背变流器的直流环节接入光伏发电系统以及混合储能系统，实现对牵引负荷进行削峰填谷以平衡其随机波动，提高牵引供电系统稳定性与可靠性，降低铁路运营部门电费成本。同时将三相电压不平衡度指标约束考虑在内，保证其达到国家标准，使该牵引供电系统能量管理方法更加贴近实际，为未来电气化铁路中储能系统和可再生能源的接入与工程应用提供基础。

Claims (5)

1.一种集成混合储能与光伏装置的牵引供电系统能量管理优化方法，其特征在于，包括以下步骤：

步骤1：获取牵引变电所负荷过程数据和典型光照强度场景；

步骤2：根据电费参数和步骤1得到的牵引变电所负荷过程数据和典型光照强度场景，建立优化模型的目标函数；

步骤3：根据混合储能装置和光伏系统的功率容量参数、三相电压不平衡度国标参数，基于步骤1得到的牵引变电所负荷过程数据和典型光照强度场景，建立优化模型的约束条件，并将优化模型的约束条件线性化；

步骤4：根据步骤2得到的目标函数和步骤3得到的约束条件，建立混合整数规划模型；

步骤5：求解步骤4得到的模型，得到混合储能装置最优充放电功率，光伏最优并网功率、潮流控制器中背靠背变流器最优潮流功率，即完成牵引供电系统能量管理优化。

2.根据权利要求1所述的一种集成混合储能与光伏装置的牵引供电系统能量管理优化方法，其特征在于，所述步骤2中的目标函数为：

式中：f为目标函数，表示牵引变电所日电费成本，s为光照场景，t为时间段，π_s为不同光照强度场景对应的概率，为电度电费单价，为需量电费单价，为光伏发电单位成本，为售电单价；为15分钟内牵引供电系统平均负荷，为由公共电网输入到牵引供电系统的有功功率，为光伏发电的有功输出，为由牵引供电系统反馈至公共电网的有功功率；

其中：

式中：T为一天内总的时间段数，Δt为单位时间段。

3.根据权利要求2所述的一种集成混合储能与光伏装置的牵引供电系统能量管理优化方法，其特征在于，所述步骤3中的约束条件包括功率平衡约束、混合储能系统约束、公共电网功率约束、光伏发电约束、背靠背变流器约束、三相电压不平衡度约束。

4.根据权利要求3所述的一种集成混合储能与光伏装置的牵引供电系统能量管理优化方法，其特征在于，所述步骤3中约束条件如下：

功率平衡约束条件：

式中：为由公共电网输入到牵引供电系统的有功功率，为由牵引供电系统反馈至公共电网的有功功率，分别为单相牵引变压器的正、反方向有功功率，分别为背靠背变流器α相的正、反方向有功功率，分别为背靠背变流器β相的正、反方向有功功率；

为电池的放电功率，为电池的充电功率，为超级电容的放电功率，为超级电容的充电功率，为光伏发电的有功输出；

为牵引负荷的有功功率，为再生制动的有功功率；

分别为背靠背变流器β相的正方向无功功率和负方向无功功率，为牵引负荷的无功功率，为再生制动的无功功率；

混合储能系统约束条件：

式中：ε^b为电池的自放电率，ε^b为超级电容的自放电率，η^b,dis为电池的放电效率，η^b,ch为电池的充电效率，η^u,dis为超级电容的放电效率，η^u,ch为超级电容的充电效率，Δt为单位时间段，为电池在t+1时间段储存的电能，为电池在t时间段储存的电能；为超级电容在t+1时间段储存的电能，为超级电容在t时间段储存的电能；

式中：为电池额定功率，为超级电容额定功率，SOC^b 为电池最小荷电状态，为电池最大荷电状态，为电池额定容量，为超级电容额定容量，为t-1时段电池储存的电能，为t-1时段超级电容储存的电能，SOC^u 为超级电容最小荷电状态，为超级电容最大荷电状态；

式中：为每日初始时段电池储存的电能，为每日最后时段电池储存的电能，为每天初始荷电状态，为每日初始时段超级电容储存的电能，为每日最后时段超级电容储存的电能，为超级电容每天初始荷电状态；和均为二进制变量；

光伏发电约束：

式中：η^pv为光伏发电效率，A^pv为光伏面板面积，为日内各时刻光照强度，S^pv为光伏逆变器容量；

背靠背变流器约束：

式中：S^α为背靠背变流器α相的容量，S^β为背靠背变流器β相的容量；为背靠背变流器α相有功功率最大值，和均为二进制变量；

三相电压不平衡度约束：

式中：ε_U为牵引变电所电网侧三相电压不平衡度，U_S为电网侧线电压，S为电网侧线短路容量，为国标中三相电压不平衡度上限值，为电网侧负序电流，U^T为牵引变压器出口处电压，U^α为背靠背变流器α相出口处电压，N₁为单相牵引变压器变比，N₂为高压匹配变压器变比，a为复数算子e^j120°，为单相牵引变压器的电压电流相角差，为背靠背变流器α相的电压电流相角差，I_T为牵引变压器电流，I_α为背靠背变流器α相电流。

5.根据权利要求4所述的一种集成混合储能与光伏装置的牵引供电系统能量管理优化方法，其特征在于，所述步骤3中约束条件线性化方法如下：

公式(1)线性化后为下式：

式中：为辅助变量；

公式(16)线性化后为下式：

a_nP_n,l≤p_n≤a_nP_n,r,-Ma_n≤q_n≤Ma_n (26)

式中：a_n为二进制变量，N^trap为PQ圆中划分的梯形个数，p_n为辅助变量，q_n为辅助变量，P为背靠背变流器β相的有功功率，Q为背靠背变流器β相的无功功率，P_n,l为PQ圆中第n个梯形左侧上角点的横坐标，P_n,r为PQ圆中第n个梯形右侧上角点的横坐标，M为极大值，Q_n,l为PQ圆中第n个梯形左侧上角点的纵坐标，Q_n,r为PQ圆中第n个梯形右侧上角点的纵坐标；

公式(21)线性化后如下：

式中：为均为辅助变量，为二进制变量。