CN109659980B - 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

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 Download PDF

Info

Publication number
CN109659980B
CN109659980B CN201910056142.2A CN201910056142A CN109659980B CN 109659980 B CN109659980 B CN 109659980B CN 201910056142 A CN201910056142 A CN 201910056142A CN 109659980 B CN109659980 B CN 109659980B
Authority
CN
China
Prior art keywords
power
traction
phase
formula
photovoltaic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910056142.2A
Other languages
English (en)
Other versions
CN109659980A (zh
Inventor
陈民武
刘元立
陈垠宇
潘自强
田航
刘思阳
程哲
程一林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201910056142.2A priority Critical patent/CN109659980B/zh
Publication of CN109659980A publication Critical patent/CN109659980A/zh
Application granted granted Critical
Publication of CN109659980B publication Critical patent/CN109659980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/383—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

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：
Figure GDA0003459680910000021
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，πs为不同光照强度场景对应的概率，
Figure GDA0003459680910000022
为电度电费单价，
Figure GDA0003459680910000023
为需量电费单价，
Figure GDA0003459680910000024
为光伏发电单位成本，
Figure GDA0003459680910000025
为售电单价；
Figure GDA0003459680910000026
为15分钟内牵引供电系统平均负荷，
Figure GDA0003459680910000027
为由公共电网输入到牵引供电系统的有功功率，
Figure GDA0003459680910000028
为光伏发电的有功输出，
Figure GDA0003459680910000029
为由牵引供电系统反馈至公共电网的有功功率；
其中：
Figure GDA00034596809100000210
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：
Figure GDA00034596809100000211
Figure GDA00034596809100000212
Figure GDA00034596809100000213
Figure GDA00034596809100000214
式中：
Figure GDA00034596809100000215
为由公共电网输入到牵引供电系统的有功功率，
Figure GDA00034596809100000216
为由牵引供电系统反馈至公共电网的有功功率，
Figure GDA00034596809100000217
分别为单相牵引变压器的正、反方向有功功率，
Figure GDA00034596809100000218
分别为背靠背变流器α相的正、反方向有功功率，
Figure GDA00034596809100000219
分别为背靠背变流器β相的正、反方向有功功率；
Figure GDA00034596809100000220
为电池的放电功率，
Figure GDA00034596809100000221
为电池的充电功率，
Figure GDA00034596809100000222
为超级电容的放电功率，
Figure GDA00034596809100000223
为超级电容的充电功率，
Figure GDA0003459680910000031
为光伏发电的有功输出；
Figure GDA0003459680910000032
为牵引负荷的有功功率，
Figure GDA0003459680910000033
为再生制动的有功功率；
Figure GDA0003459680910000034
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，
Figure GDA0003459680910000035
为牵引负荷的无功功率，
Figure GDA0003459680910000036
为再生制动的无功功率；
混合储能系统约束条件：
Figure GDA0003459680910000037
Figure GDA0003459680910000038
Figure GDA0003459680910000039
Figure GDA00034596809100000310
Figure GDA00034596809100000311
Figure GDA00034596809100000312
Figure GDA00034596809100000313
式中：εb为电池的自放电率，εu为超级电容的自放电率，ηb,dis为电池的放电效率，ηb,ch为电池的充电效率，ηu,dis为超级电容的放电效率，ηu,ch为超级电容的充电效率，Δt为单位时间段，
Figure GDA00034596809100000314
为电池在t+1时间段储存的电能，
Figure GDA00034596809100000315
为电池在t时间段储存的电能；
Figure GDA00034596809100000316
为超级电容在t+1时间段储存的电能，
Figure GDA00034596809100000317
为超级电容在t时间段储存的电能；
式中：
Figure GDA00034596809100000318
为电池额定功率，
Figure GDA00034596809100000319
为超级电容额定功率，SOCb 为电池最小荷电状态，
Figure GDA00034596809100000320
为电池最大荷电状态，
Figure GDA00034596809100000321
为电池额定容量，
Figure GDA00034596809100000322
为超级电容额定容量，
Figure GDA00034596809100000323
为t-1时段电池储存的电能，
Figure GDA00034596809100000324
为t-1时段超级电容储存的电能，SOCu 为超级电容最小荷电状态，
Figure GDA00034596809100000325
为超级电容最大荷电状态；
式中：
Figure GDA00034596809100000326
为每日初始时段电池储存的电能，
Figure GDA00034596809100000327
为每日最后时段电池储存的电能，
Figure GDA00034596809100000328
为每天初始荷电状态，
Figure GDA00034596809100000329
为每日初始时段超级电容储存的电能，
Figure GDA00034596809100000330
为每日最后时段超级电容储存的电能，
Figure GDA0003459680910000041
为超级电容每天初始荷电状态；
Figure GDA0003459680910000042
和
Figure GDA0003459680910000043
均为二进制变量；
光伏发电约束：
Figure GDA0003459680910000044
Figure GDA0003459680910000045
式中：ηpv为光伏发电效率，Apv为光伏面板面积，
Figure GDA0003459680910000046
为日内各时刻光照强度，Spv为光伏逆变器容量；
背靠背变流器约束：
Figure GDA0003459680910000047
Figure GDA0003459680910000048
Figure GDA0003459680910000049
Figure GDA00034596809100000410
式中：Sα为背靠背变流器α相的容量，Sβ为背靠背变流器β相的容量，
Figure GDA00034596809100000411
为背靠背变流器α相有功功率最大值，
Figure GDA00034596809100000412
和
Figure GDA00034596809100000413
均为二进制变量；
三相电压不平衡度约束：
Figure GDA00034596809100000414
Figure GDA00034596809100000415
Figure GDA00034596809100000416
式中：εU为牵引变电所电网侧三相电压不平衡度，US为电网侧线电压，S为电网侧线短路容量，
Figure GDA00034596809100000417
为国标中三相电压不平衡度上限值，
Figure GDA00034596809100000418
为电网侧负序电流，UT为牵引变压器出口处电压，Uα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ej120°，
Figure GDA00034596809100000419
为单相牵引变压器的电压电流相角差，
Figure GDA00034596809100000420
为背靠背变流器α相的电压电流相角差，IT为牵引变压器电流，Iα为背靠背变流器α相的电流；
Figure GDA00034596809100000421
为单相牵引变压器的有功功率；
Figure GDA00034596809100000422
为背靠背变流器α相的有功功率。
进一步的，对所述步骤2中的公式(1)线性化后为下式：
Figure GDA0003459680910000051
Figure GDA0003459680910000052
式中：
Figure GDA0003459680910000053
为辅助变量；
步骤3中约束条件线性化方法如下：
公式(16)线性化后为下式：
Figure GDA0003459680910000054
Figure GDA0003459680910000055
anPn,l≤pn≤anPn,r,-Man≤qn≤Man(26)
Figure GDA0003459680910000056
式中：an为二进制变量，Ntrap为PQ圆中划分的梯形个数，pn为辅助变量，qn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，Pn,l为PQ圆中第n个梯形左侧上角点的横坐标，Pn,r为PQ圆中第n个梯形右侧上角点的横坐标，M为极大值，Qn,l为PQ圆中第n个梯形左侧上角点的纵坐标，Qn,r为PQ圆中第n个梯形右侧上角点的纵坐标，二进制变量an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：
Figure GDA0003459680910000057
Figure GDA0003459680910000058
Figure GDA0003459680910000059
式中：
Figure GDA00034596809100000510
为均为辅助变量，
Figure GDA00034596809100000511
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：
Figure GDA0003459680910000061
Figure GDA0003459680910000062
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，πs为不同光照强度场景对应的概率，
Figure GDA0003459680910000063
为电度电费单价，
Figure GDA0003459680910000064
为需量电费单价，
Figure GDA0003459680910000065
为光伏发电单位成本，
Figure GDA0003459680910000066
为售电单位单价；
Figure GDA0003459680910000067
为15分钟内牵引供电系统平均负荷，
Figure GDA0003459680910000068
为由公共电网输入到牵引供电系统的有功功率，
Figure GDA0003459680910000071
为光伏发电的有功输出，
Figure GDA0003459680910000072
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：
Figure GDA0003459680910000073
Figure GDA0003459680910000074
Figure GDA0003459680910000075
Figure GDA0003459680910000076
式中：
Figure GDA0003459680910000077
为由公共电网输入到牵引供电系统的有功功率，
Figure GDA0003459680910000078
为由牵引供电系统反馈至公共电网的有功功率，
Figure GDA0003459680910000079
分别为单相牵引变压器的正、反方向有功功率，
Figure GDA00034596809100000710
分别为背靠背变流器α相的正、反方向有功功率，
Figure GDA00034596809100000711
分别为背靠背变流器β相的正、反方向有功功率。
Figure GDA00034596809100000712
为电池的放电功率，
Figure GDA00034596809100000713
为电池的充电功率，
Figure GDA00034596809100000714
为超级电容的放电功率，
Figure GDA00034596809100000715
为超级电容的充电功率，
Figure GDA00034596809100000716
为光伏发电的有功输出。
Figure GDA00034596809100000717
为牵引负荷的有功功率，
Figure GDA00034596809100000718
为再生制动的有功功率；
Figure GDA00034596809100000719
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，
Figure GDA00034596809100000720
为牵引负荷的无功功率，
Figure GDA00034596809100000721
为再生制动的无功功率。
混合储能系统约束条件：
Figure GDA00034596809100000722
Figure GDA00034596809100000723
Figure GDA0003459680910000081
Figure GDA0003459680910000082
Figure GDA0003459680910000083
Figure GDA0003459680910000084
Figure GDA0003459680910000085
式中：εb为电池的自放电率，εu为超级电容的自放电率，ηb,dis为电池的放电效率，ηb,ch为电池的充电效率，ηu,dis为超级电容的放电效率，ηu,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，
Figure GDA0003459680910000086
为电池在t+1时间段储存的电能，
Figure GDA0003459680910000087
为电池在t时间段储存的电能；
Figure GDA0003459680910000088
为超级电容在t+1时间段储存的电能，
Figure GDA0003459680910000089
为超级电容在t时间段储存的电能；
式中：
Figure GDA00034596809100000810
为电池额定功率，
Figure GDA00034596809100000811
为超级电容额定功率，SOCb 为电池最小荷电状态，
Figure GDA00034596809100000812
为电池最大荷电状态，
Figure GDA00034596809100000813
为电池额定容量，
Figure GDA00034596809100000814
为超级电容额定容量，
Figure GDA00034596809100000815
为t-1时段电池储存的电能，
Figure GDA00034596809100000816
为t-1时段超级电容储存的电能，SOCu 为超级电容最小荷电状态，
Figure GDA00034596809100000817
为超级电容最大荷电状态；
Figure GDA00034596809100000818
为每日初始时段电池储存的电能，
Figure GDA00034596809100000819
为每日最后时段电池储存的电能，
Figure GDA00034596809100000820
为每天初始荷电状态，
Figure GDA00034596809100000821
为每日初始时段超级电容储存的电能，
Figure GDA00034596809100000822
为每日最后时段超级电容储存的电能，
Figure GDA00034596809100000823
为超级电容每天初始荷电状态；
Figure GDA00034596809100000824
和
Figure GDA00034596809100000825
均为二进制变量；
光伏发电约束：
Figure GDA00034596809100000826
Figure GDA00034596809100000827
式中：ηpv为光伏发电效率，Apv为光伏面板面积，
Figure GDA00034596809100000828
为日内各时刻光照强度，Spv为光伏逆变器容量；本发明中：ηpv设置为12％，Apv设置为104m2，Spv设置为1MVA。
背靠背变流器约束：
Figure GDA00034596809100000829
Figure GDA0003459680910000091
Figure GDA0003459680910000092
Figure GDA0003459680910000093
式中：Sα为背靠背变流器α相的容量，Sβ为背靠背变流器β相的容量；
Figure GDA0003459680910000094
为背靠背变流器α相的有功功率最大值，
Figure GDA0003459680910000095
和
Figure GDA0003459680910000096
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：
Figure GDA0003459680910000097
Figure GDA0003459680910000098
Figure GDA0003459680910000099
式中：εU为牵引变电所电网侧三相电压不平衡度，US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，
Figure GDA00034596809100000910
为国标中三相电压不平衡度上限值，为2％，
Figure GDA00034596809100000911
为电网侧负序电流，UT为牵引变压器出口处电压，为27.5kV，Uα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
Figure GDA00034596809100000912
a为复数算子ej120°，
Figure GDA00034596809100000913
为单相牵引变压器的电压电流相角差，
Figure GDA00034596809100000914
为背靠背变流器α相的电压电流相角差，IT为牵引变压器电流，Iα为背靠背变流器α相电流；
Figure GDA00034596809100000915
为单相牵引变压器的有功功率；
Figure GDA00034596809100000916
为背靠背变流器α相的有功功率。
目标函数线性化如下：
公式(1)中的最大值函数max(·)线性化：
Figure GDA00034596809100000917
Figure GDA00034596809100000918
式中：
Figure GDA00034596809100000919
为辅助变量，表示每日最大需量值。
约束条件线性化如下：
公式(16)线性化，线性化过程如下：
Figure GDA0003459680910000101
Figure GDA0003459680910000102
anPn,l≤pn≤anPn,r,-Man≤qn≤Man (26)
Figure GDA0003459680910000103
式中：an为二进制变量，Ntrap为PQ圆中划分的梯形个数，pn为辅助变量，qn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，Pn,l为PQ圆中第n个梯形左侧上角点的横坐标，Pn,r为PQ圆中第n个梯形右侧上角点的横坐标，M为极大值，Qn,l为PQ圆中第n个梯形左侧上角点的纵坐标，Qn,r为PQ圆中第n个梯形右侧上角点的纵坐标，二进制变量an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：
Figure GDA0003459680910000104
Figure GDA0003459680910000105
Figure GDA0003459680910000106
式中：
Figure GDA0003459680910000107
为均为辅助变量，
Figure GDA0003459680910000108
为二进制变量，表示
Figure GDA0003459680910000109
和
Figure GDA00034596809100001010
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
Figure GDA0003459680910000111
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：
Figure GDA0003459680910000112
Figure GDA0003459680910000113
式中：Pt L和Pt R分别为牵引所左、右供电臂有功功率；Pt 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：
Figure GDA0003459680910000114
Figure GDA0003459680910000115
式中：
Figure GDA0003459680910000116
和
Figure GDA0003459680910000117
分别为左、右供电臂功率因数角，均为18°，UL和UR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
Figure GDA0003459680910000118
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 (4)

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，目标函数为：
Figure FDA0003459680900000011
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，πs为不同光照强度场景对应的概率，
Figure FDA0003459680900000012
为电度电费单价，
Figure FDA0003459680900000013
为需量电费单价，
Figure FDA0003459680900000014
为光伏发电单位成本，
Figure FDA0003459680900000015
为售电单价；
Figure FDA0003459680900000016
为15分钟内牵引供电系统平均负荷，
Figure FDA0003459680900000017
为由公共电网输入到牵引供电系统的有功功率，
Figure FDA0003459680900000018
为光伏发电的有功输出，
Figure FDA0003459680900000019
为由牵引供电系统反馈至公共电网的有功功率；
其中：
Figure FDA00034596809000000110
式中：T为一天内总的时间段数，Δt为单位时间段；
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。
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中约束条件如下：
功率平衡约束条件：
Figure FDA00034596809000000111
Figure FDA00034596809000000112
Figure FDA00034596809000000113
Figure FDA0003459680900000021
式中：
Figure FDA0003459680900000022
为由公共电网输入到牵引供电系统的有功功率，
Figure FDA0003459680900000023
为由牵引供电系统反馈至公共电网的有功功率，
Figure FDA0003459680900000024
分别为单相牵引变压器的正、反方向有功功率，
Figure FDA0003459680900000025
分别为背靠背变流器α相的正、反方向有功功率，
Figure FDA0003459680900000026
分别为背靠背变流器β相的正、反方向有功功率；
Figure FDA0003459680900000027
为电池的放电功率，
Figure FDA0003459680900000028
为电池的充电功率，
Figure FDA0003459680900000029
为超级电容的放电功率，
Figure FDA00034596809000000210
为超级电容的充电功率，
Figure FDA00034596809000000211
为光伏发电的有功输出；
Figure FDA00034596809000000212
为牵引负荷的有功功率，
Figure FDA00034596809000000213
为再生制动的有功功率；
Figure FDA00034596809000000214
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，
Figure FDA00034596809000000215
为牵引负荷的无功功率，
Figure FDA00034596809000000216
为再生制动的无功功率；
混合储能系统约束条件：
Figure FDA00034596809000000217
Figure FDA00034596809000000218
Figure FDA00034596809000000219
Figure FDA00034596809000000220
Figure FDA00034596809000000221
Figure FDA00034596809000000222
Figure FDA00034596809000000223
式中：εb为电池的自放电率，εu为超级电容的自放电率，ηb,dis为电池的放电效率，ηb,ch为电池的充电效率，ηu,dis为超级电容的放电效率，ηu,ch为超级电容的充电效率，Δt为单位时间段，
Figure FDA00034596809000000224
为电池在t+1时间段储存的电能，
Figure FDA00034596809000000225
为电池在t时间段储存的电能；
Figure FDA00034596809000000226
为超级电容在t+1时间段储存的电能，
Figure FDA00034596809000000227
为超级电容在t时间段储存的电能；
式中：
Figure FDA0003459680900000031
为电池额定功率，
Figure FDA0003459680900000032
为超级电容额定功率，SOCb 为电池最小荷电状态，
Figure FDA0003459680900000033
为电池最大荷电状态，
Figure FDA0003459680900000034
为电池额定容量，
Figure FDA0003459680900000035
为超级电容额定容量，
Figure FDA0003459680900000036
为t-1时段电池储存的电能，
Figure FDA0003459680900000037
为t-1时段超级电容储存的电能，SOCu 为超级电容最小荷电状态，
Figure FDA0003459680900000038
为超级电容最大荷电状态；
式中：
Figure FDA0003459680900000039
为每日初始时段电池储存的电能，
Figure FDA00034596809000000310
为每日最后时段电池储存的电能，
Figure FDA00034596809000000311
为每天初始荷电状态，
Figure FDA00034596809000000312
为每日初始时段超级电容储存的电能，
Figure FDA00034596809000000313
为每日最后时段超级电容储存的电能，
Figure FDA00034596809000000314
为超级电容每天初始荷电状态；
Figure FDA00034596809000000315
和
Figure FDA00034596809000000316
均为二进制变量；
光伏发电约束：
Figure FDA00034596809000000317
Figure FDA00034596809000000318
式中：ηpv为光伏发电效率，Apv为光伏面板面积，
Figure FDA00034596809000000319
为日内各时刻光照强度，Spv为光伏逆变器容量；
背靠背变流器约束：
Figure FDA00034596809000000320
Figure FDA00034596809000000321
Figure FDA00034596809000000322
Figure FDA00034596809000000323
式中：Sα为背靠背变流器α相的容量，Sβ为背靠背变流器β相的容量；
Figure FDA00034596809000000324
为背靠背变流器α相有功功率最大值，
Figure FDA00034596809000000325
和
Figure FDA00034596809000000326
均为二进制变量；
三相电压不平衡度约束：
Figure FDA00034596809000000327
Figure FDA00034596809000000328
Figure FDA00034596809000000329
式中：εU为牵引变电所电网侧三相电压不平衡度，US为电网侧线电压，S为电网侧线短路容量，
Figure FDA0003459680900000041
为国标中三相电压不平衡度上限值，
Figure FDA0003459680900000042
为电网侧负序电流，UT为牵引变压器出口处电压，Uα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ej120°，
Figure FDA0003459680900000043
为单相牵引变压器的电压电流相角差，
Figure FDA0003459680900000044
为背靠背变流器α相的电压电流相角差，IT为牵引变压器电流，Iα为背靠背变流器α相电流；
Figure FDA0003459680900000045
为单相牵引变压器的有功功率；
Figure FDA0003459680900000046
为背靠背变流器α相的有功功率。
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，对所述步骤2中的公式(1)线性化后为下式：
Figure FDA0003459680900000047
Figure FDA0003459680900000048
式中：
Figure FDA0003459680900000049
为辅助变量；
所述步骤3中约束条件线性化方法如下：
公式(16)线性化后为下式：
Figure FDA00034596809000000410
Figure FDA00034596809000000411
anPn,l≤pn≤anPn,r,-Man≤qn≤Man (26)
Figure FDA00034596809000000412
式中：an为二进制变量，Ntrap为PQ圆中划分的梯形个数，pn为辅助变量，qn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，Pn,l为PQ圆中第n个梯形左侧上角点的横坐标，Pn,r为PQ圆中第n个梯形右侧上角点的横坐标，M为极大值，Qn,l为PQ圆中第n个梯形左侧上角点的纵坐标，Qn,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：
Figure FDA00034596809000000413
Figure FDA0003459680900000051
Figure FDA0003459680900000052
式中：
Figure FDA0003459680900000053
为均为辅助变量，
Figure FDA0003459680900000054
为二进制变量。
CN201910056142.2A 2019-01-22 2019-01-22 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 Active CN109659980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910056142.2A CN109659980B (zh) 2019-01-22 2019-01-22 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910056142.2A CN109659980B (zh) 2019-01-22 2019-01-22 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

Publications (2)

Publication Number Publication Date
CN109659980A CN109659980A (zh) 2019-04-19
CN109659980B true CN109659980B (zh) 2022-07-08

Family

ID=66120287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910056142.2A Active CN109659980B (zh) 2019-01-22 2019-01-22 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

Country Status (1)

Country Link
CN (1) CN109659980B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110299713B (zh) * 2019-06-25 2022-04-29 西南交通大学 一种计及风电场影响的牵引供电系统三相电压不平衡补偿方法
CN110460077B (zh) * 2019-08-27 2022-04-26 西南交通大学 一种用于城轨牵引网的新能源供电系统的控制方法
CN110504692B (zh) * 2019-08-27 2022-10-21 西南交通大学 城轨交通光伏储能牵引供电的统一潮流控制系统及方法
CN111614113B (zh) * 2019-11-29 2022-08-30 国网江苏省电力有限公司常州供电分公司 一种在配电网储能系统优化运行的混合整数线性规划模型
CN110979105B (zh) * 2019-12-24 2022-06-14 中铁二院工程集团有限责任公司 一种贯通双边牵引供电系统外部电源接入方案设计方法
CN111262245B (zh) * 2020-03-07 2022-04-29 西南交通大学 一种计及光伏不确定性的牵引供电系统能量管理优化运行方法
CN111313465B (zh) * 2020-03-07 2022-08-23 西南交通大学 含光伏与混合储能装置的柔性牵引供电系统能量管理方法
CN111342450B (zh) * 2020-03-07 2022-08-23 西南交通大学 考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法
CN111786397B (zh) * 2020-08-04 2021-03-23 盾石磁能科技有限责任公司 多能源耦合系统的控制方法、装置及终端设备
CN111864774B (zh) * 2020-08-10 2022-06-24 西南交通大学 一种电气化铁路同相混合储能供电构造削峰填谷控制方法
CN112350326B (zh) * 2020-10-23 2023-08-11 株洲中车时代电气股份有限公司 轨道交通牵引供电系统及其控制方法、系统及相关组件
CN113422364B (zh) * 2021-05-06 2023-04-28 华翔翔能科技股份有限公司 考虑两部制电价的全埋变负荷管理方法
CN113300395B (zh) * 2021-05-26 2022-06-28 成都国佳电气工程有限公司 一种柔性牵引供电系统混合储能最优容量配置方法
CN113629742B (zh) * 2021-07-28 2023-06-16 西南交通大学 电气化铁路地面混合式储能系统容量配置方法
CN114977182B (zh) * 2022-04-25 2024-05-28 西南交通大学 计及光伏接入的柔性牵引供电系统区间最优潮流优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2541720A1 (en) * 2011-06-29 2013-01-02 Acciona Energía, S.A. Procedure for supply control and storage of power provided by a renewable energy generation plant
WO2014116899A1 (en) * 2013-01-24 2014-07-31 Nec Laboratories America, Inc. Adaptive control of hybrid ultracapacitor-battery storage system for photovoltaic output smoothing
CN104834974A (zh) * 2015-05-13 2015-08-12 西南交通大学 一种电气化铁路牵引供电方案优化设计方法
CN106099956A (zh) * 2016-05-15 2016-11-09 华南理工大学 考虑配网调度情况下的单三相多微网功率协调控制方法
CN108683179A (zh) * 2018-05-03 2018-10-19 国网山东省电力公司潍坊供电公司 基于混合整数线性规划的主动配电网优化调度方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2541720A1 (en) * 2011-06-29 2013-01-02 Acciona Energía, S.A. Procedure for supply control and storage of power provided by a renewable energy generation plant
WO2014116899A1 (en) * 2013-01-24 2014-07-31 Nec Laboratories America, Inc. Adaptive control of hybrid ultracapacitor-battery storage system for photovoltaic output smoothing
CN104834974A (zh) * 2015-05-13 2015-08-12 西南交通大学 一种电气化铁路牵引供电方案优化设计方法
CN106099956A (zh) * 2016-05-15 2016-11-09 华南理工大学 考虑配网调度情况下的单三相多微网功率协调控制方法
CN108683179A (zh) * 2018-05-03 2018-10-19 国网山东省电力公司潍坊供电公司 基于混合整数线性规划的主动配电网优化调度方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
含光伏发电的牵引供电系统混合储能优化配置研究;郑政;《中国优秀硕士学位论文全文数据库（电子期刊）工程科技Ⅱ辑》;20181015(第10期);正文第6-7，34-47页 *

Also Published As

Publication number Publication date
CN109659980A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN109659980B (zh) 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
Wang et al. A hybrid AC/DC micro-grid architecture, operation and control
CN104734166B (zh) 混合储能系统及风力发电功率平滑控制方法
Deng et al. Control strategy of wind turbine based on permanent magnet synchronous generator and energy storage for stand-alone systems
CN111342450B (zh) 考虑不确定光伏与负荷的牵引供电系统鲁棒能量管理方法
CN106099962A (zh) 一种电动汽车充电站主动参与电网调节的系统及方法
CN113300395B (zh) 一种柔性牵引供电系统混合储能最优容量配置方法
CN104318326A (zh) 一种提升可再生能源接纳能力的网架优化模型
CN108400593A (zh) 基于分层多代理技术的主动配电网电气模型建立方法
Akbari et al. Voltage control of a hybrid ac/dc microgrid in stand-alone operation mode
Shi et al. Decoupling control of series-connected DC wind turbines with energy storage system for offshore DC wind farm
Kim et al. Low-voltage ride-through coordinated control for PMSG wind turbines using de-loaded operation
El-Bahay et al. Computational methods to mitigate the effect of high penetration of renewable energy sources on power system frequency regulation: a comprehensive review
CN205960661U (zh) 一种电动汽车充电站主动参与电网调节的系统
Liu et al. A feasibility study of applying storage-based wind farm as black-start power source in local power grid
WO2024093152A1 (zh) 一种100％新能源送端电网的分布式电压钳位方法
CN109560568A (zh) 基于短路电流裕度的双馈风电场最大可接入容量确定方法
CN114977182B (zh) 计及光伏接入的柔性牵引供电系统区间最优潮流优化方法
Ge et al. A novel topology for HVDC link connecting to offshore wind farms
Wu et al. Voltage control of offshore wind farm considering reactive ability of electrochemical energy storage
Jianna et al. Modeling and analysis of microgrid cluster simulation based on rtds
Prakash et al. Optimal coordination of photovoltaics and electric vehicles for ancillary services in low voltage distribution networks
CN112736948A (zh) 一种充电站中储能系统的功率调节方法及装置
CN113629765A (zh) 一种光储虚拟同步机多模式运行控制系统
Kordkheili et al. Managing high penetration of renewable energy in MV grid by electric vehicle storage

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant