CN113300395A - 一种柔性牵引供电系统混合储能最优容量配置方法 - Google Patents

一种柔性牵引供电系统混合储能最优容量配置方法 Download PDF

Info

Publication number
CN113300395A
CN113300395A CN202110579685.XA CN202110579685A CN113300395A CN 113300395 A CN113300395 A CN 113300395A CN 202110579685 A CN202110579685 A CN 202110579685A CN 113300395 A CN113300395 A CN 113300395A
Authority
CN
China
Prior art keywords
energy storage
battery
hybrid energy
capacity
cost
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.)
Granted
Application number
CN202110579685.XA
Other languages
English (en)
Other versions
CN113300395B (zh
Inventor
陈民武
梁宗佑
陈垠宇
赵金玉
田忠北
崔明建
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.)
Chengdu Guojia Electrical Engineering Co ltd
Original Assignee
Chengdu Guojia Electrical Engineering Co ltd
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 Chengdu Guojia Electrical Engineering Co ltd filed Critical Chengdu Guojia Electrical Engineering Co ltd
Priority to CN202110579685.XA priority Critical patent/CN113300395B/zh
Publication of CN113300395A publication Critical patent/CN113300395A/zh
Application granted granted Critical
Publication of CN113300395B publication Critical patent/CN113300395B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种柔性牵引供电系统混合储能最优容量配置方法，将容量优化过程分为上层和下层两部分，在下层模型，基于分段线性化的方法，考虑混合储能充放电特性和光伏发电系统装机容量，以铁路部门所需支付的两部制电价中的需量电费和电度电费最低为目标，得到电池容量退化曲线和牵引供电系统最优调度，并传递至上层；在上层模型，考虑混合储能退化和各项成本，以综合成本最低为目标，进而建立非线性数学规划模型，实现混合储能参数配置的优化，得到对应的最低日综合成本。本发明通过优化储能配置参数和能量调度，提高光伏和列车再生制动能量利用率、减少电气化铁路综合成本，同时考虑了电池容量退化和混合储能各项成本，更好的满足实际需求。

Description

一种柔性牵引供电系统混合储能最优容量配置方法
技术领域
本发明属于柔性牵引供电系统优化调度技术领域，具体涉及一种考虑电池容量退化，混 合储能最优容量配置和最低综合成本的柔性牵引供电系统调度优化方法。
背景技术
二十一世纪以来，随着全球变暖的加剧，人们对赖以生存的地球的环境问题越来越关注。 尤其是铁路牵引供电系统的节能降费得到广泛关注。
在传统的27.5kV交流牵引供电系统中，以负序为主的电能质量问题越来越严重。在传统 牵引供电系统中，电力列车通过电分相时会出现失速、过电压等问题，这不仅降低了牵引供 电系统供电效率和质量，也影响了铁路运行的经济性。此外，高速发展的中国铁路也面临着 新的挑战。以川藏铁路为例，30％坡道坡度大于300km，列车制动时产生大量再生制动能量， 然而这些能量不能有效利用。与此同时，我国西部地区太阳能资源丰富，但沿线光伏发电的 利用率较低。柔性牵引供电系统的提出可以解决上述问题，同时它存在的直流环节可以为混 合储能系统和光伏发电系统提供接口。
发明内容
本发明旨在提供一种柔性牵引供电系统混合储能最优容量配置方法。该方法在利用混合 储能装置对牵引负荷削峰填谷的同时，计及混合储能相关的各项成本，并且建立电池容量退 化模型，最终利用麻雀搜索算法求解得到最低的综合成本和混合储能的最优配置。
本发明的一种柔性牵引供电系统混合储能最优容量配置方法，其特征在于，将容量优化 过程分为上层和下层两部分，并计及了电池的容量退化过程，具体包括以下步骤：
步骤1：在上层模型中，给定混合储能容量和功率的上下边界，随机生成p组混合储能 容量和功率参数，并传递至下层。
步骤2：在下层模型中，基于牵引负荷仿真数据和步骤1得到的混合储能参数，建立下 层模型的约束条件。
步骤3：根据电池循环充放电次数和放电深度的关系，建立电池容量退化约束条件，并 使用分段线性化方法简化。
步骤4：计算柔性牵引供电系统运行所需要支付的两部制电价成本，建立下层模型的目 标函数。
步骤5：根据步骤2得到的约束条件和步骤4得到的目标函数，建立混合整数线性规划 模型，求解得到电池容量退化曲线、混合储能的荷电状态、柔性牵引供电系统日最低电费， 并将其传递至上层。
步骤6：在上层模型中，根据步骤5得到的电池容量退化曲线和混合储能荷电状态，计算 得到工程周期内混合储能的更换成本、投资成本、运维成本和回收成本，并和步骤5得到的 柔性牵引供电系统日最低电费组成上层模型的目标函数。
步骤7：在上层模型中，结合步骤1给定的混合储能参数的上下边界，建立上层模型的 约束条件。
步骤8：根据步骤6建立的目标函数和步骤7建立的约束条件，建立非线性数学规划模 型，求解得到柔性牵引供电系统最低日综合成本和混合储能参数配置。
步骤9：重复步骤1到步骤8直到牵引供电系统最低日综合成本收敛于某个值，即通过 迭代求解得到牵引供电系统的最低日综合成本和对应的混合储能的最优参数。
进一步的，步骤1中混合储能容量和功率上下边界为：
Figure BDA0003085586320000021
式中：
Figure BDA0003085586320000022
和
Figure BDA0003085586320000023
分别为电池和超级电容额定功率，
Figure BDA0003085586320000024
和
Figure BDA0003085586320000025
为电池和超级电容 额定容量。
进一步的，步骤2中的牵引变电所负荷数据，可以现场测试获得，或者通过牵引负荷过 程仿真软件计算得到，例如ELBAS/WEBANET。
进一步的，步骤2中的约束条件包括有功功率平衡约束、混合储能动态储能约束、光伏 发电系统约束，具体如下：
有功功率平衡约束条件：
Figure BDA0003085586320000026
式中：
Figure BDA0003085586320000031
为由电网输入到柔性牵引供电系统的有功功率，
Figure BDA0003085586320000032
为由柔性牵引供电 系统返还至电网的有功功率；
Figure BDA0003085586320000033
和
Figure BDA0003085586320000034
分别为电池的放电功率和充电功率，
Figure BDA0003085586320000035
和
Figure BDA0003085586320000036
分别为超级电容的放电功率和充电功率，
Figure BDA0003085586320000037
为光伏发电的有功输出； Pt brake为机车制动时的有功功率，Pt load为机车牵引时的有功功率。
混合储能动态储能约束条件：
Figure BDA0003085586320000038
Figure BDA0003085586320000039
式中：
Figure BDA00030855863200000310
和
Figure BDA00030855863200000311
分别为电池的放电效率和充电效率，
Figure BDA00030855863200000312
和
Figure BDA00030855863200000313
分别为超级电容的 放电效率和充电效率，Δt为采样时间间隔，
Figure BDA00030855863200000314
和
Figure BDA00030855863200000315
分别为电池和超级电容在t 时刻储存的电能，
Figure BDA00030855863200000316
和
Figure BDA00030855863200000317
分别为电池和超级电容在t时刻储存的电能。
Figure BDA00030855863200000318
Figure BDA00030855863200000319
Figure BDA00030855863200000320
Figure BDA00030855863200000321
式中：
Figure BDA00030855863200000322
和
Figure BDA00030855863200000323
为电池最小和最大荷电状态，
Figure BDA00030855863200000324
和
Figure BDA00030855863200000325
分 别为超级电容最小和最大荷电状态，
Figure BDA0003085586320000041
为电池t时刻的实际容量，
Figure BDA0003085586320000042
为超级电容 额定容量，
Figure BDA0003085586320000043
和
Figure BDA0003085586320000044
分别为电池和超级电容每天初始时刻荷电状态，
Figure BDA0003085586320000045
和
Figure BDA0003085586320000046
分别为电池在t＝1时刻和t＝T时刻存储的电能，
Figure BDA0003085586320000047
和
Figure BDA0003085586320000048
分别为电池在t＝1时刻和 t＝T时刻的实际容量，
Figure BDA0003085586320000049
和
Figure BDA00030855863200000410
分别为超级电容在t＝1时刻和t＝T时刻存储的电能。
Figure BDA00030855863200000411
Figure BDA00030855863200000412
Figure BDA00030855863200000413
Figure BDA00030855863200000414
Figure BDA00030855863200000415
式中：
Figure BDA00030855863200000416
和
Figure BDA00030855863200000417
均为二进制变量，用来保证电池和超级电容 的充放电的唯一性，
Figure BDA00030855863200000418
和
Figure BDA00030855863200000419
分别为电池和超级电容的运维时间，πs为光伏典型场景 概率。
光伏发电系统约束：
Figure BDA00030855863200000420
Figure BDA00030855863200000421
式中：ηpv为光伏发电效率，Apv为太阳能光伏板的面积，
Figure BDA00030855863200000422
为每日各时刻光照强度，Spv为光伏变流器容量。
进一步的，步骤3中的电池容量退化曲线和分段线性化方法，具体为：
Figure BDA0003085586320000051
Figure BDA0003085586320000052
Figure BDA0003085586320000053
Figure BDA0003085586320000054
Figure BDA0003085586320000055
式中：
Figure BDA0003085586320000056
为电池放电深度，
Figure BDA0003085586320000057
为电池的额定容量，Piece为分段线性化之后的总段数，i表示分段线性化之后的各段的位数。
进一步的，步骤4中的目标函数包括电度电费，需量电费和罚款，具体为：
Ce＝CECC+CDEM+CPEN (20)
Figure BDA0003085586320000061
Figure BDA0003085586320000062
Figure BDA0003085586320000063
式中：Ce为下层总电费成本，CECC为电度电费，CDEM为需量电费，CPEN为铁 路对返回电网的再生制动能量支付的罚款，pt，s为电度电费单价，
Figure BDA0003085586320000064
为需量电费单价。
进一步的，步骤5通过商用线性求解器求解下层混合整数线性规划模型，求解结果传送 至上层，构成上层约束条件和目标函数。
进一步的，步骤6中目标函数包括混合储能投资成本，更换成本，运维成本和回收成本 以及柔性牵引供电系统电价成本，具体如下：
Ncycle＝24090e-9.346·DOD+6085e-1.319·DOD (24)
Figure BDA0003085586320000065
Figure BDA0003085586320000066
Figure BDA0003085586320000067
Figure BDA0003085586320000068
式中：DOD代表电池放电深度，Ncycle表示电池循环充放电次数，ARATE是电池寿 命指数；
Figure BDA0003085586320000071
Tpro和Lbat分别表示电池更换次数，项目周期和电池寿命；
Figure BDA0003085586320000072
和Luc分别表示超级电容更换次数和超级电容寿命。
Figure BDA0003085586320000073
式中：Ctotal为综合成本，
Figure BDA0003085586320000074
和Csal分别为混合储能的投资成 本，更换成本，运维成本和回收成本。
Figure BDA0003085586320000075
式中：
Figure BDA0003085586320000076
和
Figure BDA0003085586320000077
分别为电池的单位功率和容量成本，UC的单位功率和容 量成本；r0为年折现率。
Figure BDA0003085586320000078
Figure BDA0003085586320000079
Figure BDA00030855863200000710
Figure BDA00030855863200000711
Figure BDA0003085586320000081
式中：
Figure BDA0003085586320000082
和
Figure BDA0003085586320000083
分别是电池和电容的单位能量更换成本，
Figure BDA0003085586320000084
和
Figure BDA0003085586320000085
是混合 储能的固定运维成本系数，
Figure BDA0003085586320000086
和
Figure BDA0003085586320000087
分别是混合储能的动态运维成本，
Figure BDA0003085586320000088
是电池的 折旧回收系数，
Figure BDA0003085586320000089
是电池单位功率更换成本。
进一步的，步骤7中约束条件包括混合储能参数的上下边界，具体如下：
Figure BDA00030855863200000810
Figure BDA00030855863200000811
式中：
Figure BDA00030855863200000812
和
Figure BDA00030855863200000813
表示电池功率或者超级电容功率的最小值和最大值，
Figure BDA00030855863200000814
和
Figure BDA00030855863200000815
表 示电池容量或者超级电容容量的最小值和最大值。
进一步的，步骤8通过智能算法求解非线性数学规划模型，得到第k次迭代的混合储能 最优参数和最低日综合成本。
进一步的，步骤9重复步骤1至步骤8，直至最低日综合成本收敛于某一值。
本发明的有益技术效果为：
(1)本发明将优化调度模型分为上层和下层，兼顾混合储能各项成本，混合储能最优容 量配置和牵引供电系统经济运行，符合混合储能退化规律，也满足了牵引负荷的波动性和冲 击性；
(2)本发明下层模型以牵引供电系统运营电费最低为目标，着重考虑了电池容量退化， 实现了牵引负荷的削峰填谷，提高了光伏能量和再生制动能量的利用率，克服了既有方案没 有考虑电池容量退化的局限，使得牵引供电系统调度优化方法更贴合实际；
(3)本发明上层模型考虑了混合储能的退化和各项成本，优化了混合储能的参数配置， 得到对应参数配置下的日最低综合成本。日综合成本几乎包含实际工程中的所有成本，克服 了既有方案中成本缺失造成的降费效果虚高的局限。
附图说明
图1为本发明中集成混合储能系统和光伏发电系统的柔性牵引供电系统示意图。
图2为本发明一种柔性牵引供电系统混合储能最优容量配置方法流程图。
图3为本发明实现牵引负荷削峰填谷的示意图。
图4为实施例中本发明考虑电池容量退化和没有考虑电池容量退化的对比图。
图5为本发明采用麻雀搜索算法和其他智能算法求解本发明模型目标函数收敛曲线的对 比图。
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详细说明。
本发明针对的牵引供电系统结构如图1所示，本发明的一种柔性牵引供电系统混合储能 最优容量配置方法如图2所示，包括以下步骤：
步骤1：基于麻雀搜索算法随机生成50组混合储能容量和功率参数。
步骤2：利用牵引负荷仿真软件，仿真得到一天的牵引变电所负荷数据。
在下层模型中，基于牵引负荷仿真数据和步骤1得到的混合储能参数，建立下层模型的 约束条件，具体如下：
有功功率平衡约束条件：
Figure BDA0003085586320000091
式中：
Figure BDA0003085586320000092
为由电网输入到柔性牵引供电系统的有功功率，
Figure BDA0003085586320000093
为由柔性牵引供电 系统返还至电网的有功功率；
Figure BDA0003085586320000094
和
Figure BDA0003085586320000095
分别为电池的放电功率和充电功率，
Figure BDA0003085586320000096
和
Figure BDA0003085586320000097
分别为超级电容的放电功率和充电功率，
Figure BDA0003085586320000098
为光伏发电的有功输出； Pt brake为机车制动时的有功功率，Pt load为机车牵引时的有功功率；
混合储能动态储能约束条件：
Figure BDA0003085586320000099
Figure BDA0003085586320000101
式中：
Figure BDA0003085586320000102
和
Figure BDA0003085586320000103
分别为电池的放电效率和充电效率，
Figure BDA0003085586320000104
和
Figure BDA0003085586320000105
分别为超级电容的 放电效率和充电效率，Δt为采样时间间隔，
Figure BDA0003085586320000106
和
Figure BDA0003085586320000107
分别为电池和超级电容在t 时刻储存的电能，
Figure BDA0003085586320000108
和
Figure BDA0003085586320000109
分别为电池和超级电容在t时刻储存的电能。
Figure BDA00030855863200001010
Figure BDA00030855863200001011
Figure BDA00030855863200001012
Figure BDA00030855863200001013
式中：
Figure BDA00030855863200001014
和
Figure BDA00030855863200001015
为电池最小和最大荷电状态，
Figure BDA00030855863200001016
和
Figure BDA00030855863200001017
分 别为超级电容最小和最大荷电状态，
Figure BDA00030855863200001018
为电池t时刻的实际容量，
Figure BDA00030855863200001019
为超级电容 额定容量，
Figure BDA00030855863200001020
和
Figure BDA00030855863200001021
分别为电池和超级电容每天初始时刻荷电状态，
Figure BDA00030855863200001022
和
Figure BDA00030855863200001023
分别为电池在t＝1时刻和t＝T时刻存储的电能，
Figure BDA00030855863200001024
和
Figure BDA00030855863200001025
分别为电池在t＝1时刻和 t＝T时刻的实际容量，
Figure BDA00030855863200001026
和
Figure BDA00030855863200001027
分别为超级电容在t＝1时刻和t＝T时刻存储的电能。
Figure BDA00030855863200001028
Figure BDA00030855863200001029
Figure BDA0003085586320000111
Figure BDA0003085586320000112
Figure BDA0003085586320000113
式中：
Figure BDA0003085586320000114
和
Figure BDA0003085586320000115
均为二进制变量，用来保证电池和超级电容 的充放电的唯一性，
Figure BDA0003085586320000116
和
Figure BDA0003085586320000117
分别为电池和超级电容的运维时间，πs为光伏典型场景 概率；
光伏发电系统约束：
Figure BDA0003085586320000118
Figure BDA0003085586320000119
式中：ηpv为光伏发电效率，Apv为太阳能光伏板的面积，
Figure BDA00030855863200001110
为每日各时刻光照强度，Spv为光伏变流器容量。
步骤3：根据电池循环充放电次数和放电深度的关系，建立电池容量退化约束条件，并 使用分段线性化方法简化，具体如下：
Figure BDA00030855863200001111
Figure BDA00030855863200001112
Figure BDA00030855863200001113
Figure BDA0003085586320000121
Figure BDA0003085586320000122
式中：
Figure BDA0003085586320000123
为电池放电深度，
Figure BDA0003085586320000124
为电池的额定容量，Piece为分段线性化之后的总段数，i表示分段线性化之后的各段的位数。
步骤4：计算柔性牵引供电系统运行所需要支付的两部制电价成本，建立下层模型的目 标函数，具体如下：
Ce＝CECC+CDEM+CPEN (20)
Figure BDA0003085586320000125
Figure BDA0003085586320000126
Figure BDA0003085586320000127
式中：Ce为下层总电费成本，CECC为电度电费，CDEM为需量电费，CPEN为铁 路对返回电网的再生制动能量支付的罚款，pt，s为电度电费单价，
Figure BDA0003085586320000131
为需量电费单价。
步骤5：根据步骤2得到的约束条件和步骤4得到的目标函数，建立混合整数线性规划 模型，利用CPLEX求解得到电池容量退化曲线，混合储能的荷电状态，柔性牵引供电系统日最低电费，并将其传递至上层。
步骤6：在上层模型中，根据步骤5得到的混合储能控制策略计算得到工程周期内更换 成本，投资成本，运维成本和回收成本，并和步骤5得到的日最低电费，组成上层模型的目 标函数，具体如下：
Ncycle＝24090e-9.346·DOD+6085e-1.319·DOD (24)
Figure BDA0003085586320000132
Figure BDA0003085586320000133
Figure BDA0003085586320000134
Figure BDA0003085586320000135
式中：DOD代表电池放电深度，Ncycle表示电池循环充放电次数，ARATE是电池寿 命指数；
Figure BDA0003085586320000136
Tpro和Lbat分别表示电池更换次数，项目周期和电池寿命；
Figure BDA0003085586320000137
和Luc分别表示超级电容更换次数和超级电容寿命。
Figure BDA0003085586320000138
式中：Ctotal为综合成本，
Figure BDA0003085586320000141
和Csal分别为混合储能的投资成 本，更换成本，运维成本和回收成本。
Figure BDA0003085586320000142
式中：
Figure BDA0003085586320000143
和
Figure BDA0003085586320000144
分别为电池的单位功率和容量成本，UC的单位功率和容 量成本；r0为年折现率。
Figure BDA0003085586320000145
Figure BDA0003085586320000146
Figure BDA0003085586320000147
Figure BDA0003085586320000148
Figure BDA0003085586320000149
式中：
Figure BDA00030855863200001410
和
Figure BDA00030855863200001411
分别是电池和电容的单位能量更换成本，
Figure BDA00030855863200001412
和
Figure BDA00030855863200001413
是混合 储能的固定运维成本系数，
Figure BDA00030855863200001414
和
Figure BDA00030855863200001415
分别是混合储能的动态运维成本，
Figure BDA00030855863200001416
是电池的 折旧回收系数，
Figure BDA00030855863200001417
是电池单位功率更换成本。
步骤7：在上层模型中，结合步骤1给定的混合储能参数的上下边界，建立上层模型的 约束条件，具体如下：
Figure BDA0003085586320000151
Figure BDA0003085586320000152
式中：
Figure BDA0003085586320000153
和
Figure BDA0003085586320000154
表示电池功率或者超级电容功率的最小值和最大值，
Figure BDA0003085586320000155
和
Figure BDA0003085586320000156
表 示电池容量或者超级电容容量的最小值和最大值。
步骤8：根据步骤6建立的目标函数和步骤7建立的约束条件，建立非线性数学规划模 型，利用智能算法，如灰狼算法，麻雀搜索算法等，求解得到牵引供电系统最低日综合成本 和混合储能参数配置。
步骤9：重复步骤1到步骤8直到牵引供电系统最低日综合成本收敛于某个值，即通过 迭代求解得到牵引供电系统的最低日综合成本和对应的混合储能的最优参数；
实施例
本发明中集成混合储能装置与光伏的电气化铁路柔性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 BDA0003085586320000157
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1MVA。
以既有牵引供电系统(案例1)，已有发明考虑混合储能接入但是为计及混合储能成本的 方法(案例2)和本发明方法(案例3)进行对比；两种模型中牵引负荷和光伏数据保持一致， 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 电系统的电费成本计算方法和本发明方法一致，传统牵引供电系统电费成本即为综合成本。
经过仿真计算后，其结果如表2所示。
表2.优化结果
Figure BDA0003085586320000161
表2展现了三种案例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 装置和光伏的牵引供电系统，考虑电池容量退化和混合储能成本的能量管理优化方法，每日 电费成本远小于案例1，总成本减少了12.39％；而案例2没有考虑混合储能成本的方法，降 费很大为39.39％，且很不符合实际。由图3可以看出本发明实现了牵引负荷削峰填谷。
本方法提出的电池容量衰减曲线和未考虑电池容量衰减的曲线如图4所示。图5给出了 本发明采用麻雀搜索算法和其他智能算法求解本发明模型目标函数收敛曲线。
本发明考虑在柔性牵引供电系统接入光伏发电系统以及混合储能系统，在下层实现对牵 引负荷进行削峰填谷，得到混合储能控制策略，电池容量退化曲线和牵引供电系统最优潮流， 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；在上层计及混合储能退化 和各项成本，优化了混合储能参数配置，得到了最低的日综合成本，使该柔性牵引供电系统 能量调度方法更加贴近实际，为未来电气化铁路中混合储能系统和可再生能源的接入与工程 应用提供基础。

Claims (6)

1.一种柔性牵引供电系统混合储能最优容量配置方法，其特征在于，将容量优化过程分为上层和下层两部分，并计及了电池的容量退化过程，具体包括以下步骤：
步骤1：在上层模型中，给定混合储能容量和功率的上下边界，随机生成p组混合储能容量和功率参数，并传递至下层；
步骤2：在下层模型中，基于牵引负荷仿真数据和步骤1得到的混合储能参数，建立下层模型的约束条件；
步骤3：根据电池循环充放电次数和放电深度的关系，建立电池容量退化约束条件，并使用分段线性化方法简化；
步骤4：计算柔性牵引供电系统运行所需要支付的两部制电价成本，建立下层模型的目标函数；
步骤5：根据步骤2得到的约束条件和步骤4得到的目标函数，建立混合整数线性规划模型，求解得到电池容量退化曲线、混合储能的荷电状态、柔性牵引供电系统日最低电费，并将其传递至上层；
步骤6：在上层模型中，根据步骤5得到的电池容量退化曲线和混合储能荷电状态，计算得到工程周期内混合储能的更换成本、投资成本、运维成本和回收成本，并和步骤5得到的柔性牵引供电系统日最低电费组成上层模型的目标函数；
步骤7：在上层模型中，结合步骤1给定的混合储能参数的上下边界，建立上层模型的约束条件；
步骤8：根据步骤6建立的目标函数和步骤7建立的约束条件，建立非线性数学规划模型，求解得到柔性牵引供电系统最低日综合成本和混合储能参数配置；
步骤9：重复步骤1到步骤8直到牵引供电系统最低日综合成本收敛于某个值，即通过迭代求解得到牵引供电系统的最低日综合成本和对应的混合储能的最优参数。
2.根据权利要求1所述的一种柔性牵引供电系统混合储能最优容量配置方法，其特征在于，所述步骤2中的约束条件包括有功功率平衡约束、混合储能动态储能约束、光伏发电系统约束，具体如下：
有功功率平衡约束条件：
Figure FDA0003085586310000011
式中：
Figure FDA0003085586310000012
为由电网输入到柔性牵引供电系统的有功功率，
Figure FDA0003085586310000013
为由柔性牵引供电系统返还至电网的有功功率；
Figure FDA0003085586310000021
和
Figure FDA0003085586310000022
分别为电池的放电功率和充电功率，
Figure FDA0003085586310000023
和
Figure FDA0003085586310000024
分别为超级电容的放电功率和充电功率，
Figure FDA0003085586310000025
为光伏发电的有功输出；Pt brake为机车制动时的有功功率，Pt load为机车牵引时的有功功率；
混合储能动态储能约束条件：
Figure FDA0003085586310000026
Figure FDA0003085586310000027
式中：
Figure FDA0003085586310000028
和
Figure FDA0003085586310000029
分别为电池的放电效率和充电效率，
Figure FDA00030855863100000210
和
Figure FDA00030855863100000211
分别为超级电容的放电效率和充电效率，Δt为采样时间间隔，
Figure FDA00030855863100000212
和
Figure FDA00030855863100000213
分别为电池和超级电容在t+1时刻储存的电能，
Figure FDA00030855863100000214
和
Figure FDA00030855863100000215
分别为电池和超级电容在t时刻储存的电能；
Figure FDA00030855863100000216
Figure FDA00030855863100000217
Figure FDA00030855863100000218
Figure FDA00030855863100000219
式中：
Figure FDA00030855863100000220
和
Figure FDA00030855863100000221
为电池最小和最大荷电状态，
Figure FDA00030855863100000222
和
Figure FDA00030855863100000223
分别为超级电容最小和最大荷电状态，
Figure FDA00030855863100000224
为电池t时刻的实际容量，
Figure FDA00030855863100000225
为超级电容额定容量，
Figure FDA0003085586310000031
和
Figure FDA0003085586310000032
分别为电池和超级电容每天初始时刻荷电状态，
Figure FDA0003085586310000033
和
Figure FDA0003085586310000034
分别为电池在t＝1时刻和t＝T时刻存储的电能，
Figure FDA0003085586310000035
和
Figure FDA0003085586310000036
分别为电池在t＝1时刻和t＝T时刻的实际容量，
Figure FDA0003085586310000037
和
Figure FDA0003085586310000038
分别为超级电容在t＝1时刻和t＝T时刻存储的电能；
Figure FDA0003085586310000039
Figure FDA00030855863100000310
Figure FDA00030855863100000311
Figure FDA00030855863100000312
Figure FDA00030855863100000313
式中：
Figure FDA00030855863100000314
和
Figure FDA00030855863100000315
分别为电池和超级电容额定功率，
Figure FDA00030855863100000316
和
Figure FDA00030855863100000317
均为二进制变量，用来保证电池和超级电容的充放电的唯一性，
Figure FDA00030855863100000318
和
Figure FDA00030855863100000319
分别为电池和超级电容的运维时间，πs为光伏典型场景概率；
光伏发电系统约束：
Figure FDA00030855863100000320
Figure FDA00030855863100000321
式中：ηpv为光伏发电效率，Apv为太阳能光伏板的面积，
Figure FDA00030855863100000322
为每日各时刻光照强度，Spv为光伏变流器容量。
3.根据权利要求1所述的一种柔性牵引供电系统混合储能最优容量配置方法，其特征在于，所述步骤3中电池容量退化约束条件和分段线性化方法：
Figure FDA0003085586310000041
Figure FDA0003085586310000042
Figure FDA0003085586310000043
式中：
Figure FDA0003085586310000044
为电池放电深度，
Figure FDA0003085586310000045
为电池的额定容量。
4.根据权利要求1所述的一种柔性牵引供电系统混合储能最优容量配置方法，其特征在于，所述步骤4中的目标函数包括电价成本和罚款，具体如下：
Ce＝CECC+CDEM+CPEN (17)
式中：Ce为下层总电费成本，CECC为电度电费，CDEM为需量电费，CPEN为铁路对返回电网的再生制动能量支付的罚款。
5.根据权利要求1所述的一种柔性牵引供电系统混合储能最优容量配置方法，其特征在于，所述步骤6中目标函数包括混合储能更换成本，投资成本，运维成本和回收成本以及柔性牵引供电系统电价成本，具体如下：
Figure FDA0003085586310000046
式中：Ctotal为综合成本，
Figure FDA0003085586310000047
和Csal分别为混合储能的投资成本，更换成本，运维成本和回收成本。
6.根据权利要求1所述的一种柔性牵引供电系统混合储能最优容量配置方法，其特征在于，所述步骤7中约束条件包括混合储能参数的上下边界，具体如下：
Figure FDA0003085586310000048
Figure FDA0003085586310000051
式中：
Figure FDA0003085586310000052
和
Figure FDA0003085586310000053
表示电池功率或者超级电容功率的最小值和最大值，
Figure FDA0003085586310000054
和
Figure FDA0003085586310000055
表示电池容量或者超级电容容量的最小值和最大值。
CN202110579685.XA 2021-05-26 2021-05-26 一种柔性牵引供电系统混合储能最优容量配置方法 Active CN113300395B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110579685.XA CN113300395B (zh) 2021-05-26 2021-05-26 一种柔性牵引供电系统混合储能最优容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110579685.XA CN113300395B (zh) 2021-05-26 2021-05-26 一种柔性牵引供电系统混合储能最优容量配置方法

Publications (2)

Publication Number Publication Date
CN113300395A true CN113300395A (zh) 2021-08-24
CN113300395B CN113300395B (zh) 2022-06-28

Family

ID=77325193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110579685.XA Active CN113300395B (zh) 2021-05-26 2021-05-26 一种柔性牵引供电系统混合储能最优容量配置方法

Country Status (1)

Country Link
CN (1) CN113300395B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114285026A (zh) * 2021-12-06 2022-04-05 内蒙古工业大学 一种农牧区电能路由器调度方法
CN114566958A (zh) * 2022-01-07 2022-05-31 湘潭大学 一种兼顾考虑储能使用寿命的多重应用能量控制策略
CN115622111A (zh) * 2022-11-07 2023-01-17 清华大学 柔性直流牵引供电系统的最优潮流计算方法及装置
CN116365592A (zh) * 2023-06-01 2023-06-30 湖南大学 一种光储柔系统设计与运行协同优化方法、装置、介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108099635A (zh) * 2017-11-13 2018-06-01 山东斯博科特电气技术有限公司 燃料电池混合动力有轨电车多能量源耦合惩罚控制系统
CN109659980A (zh) * 2019-01-22 2019-04-19 西南交通大学 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
CN111313465A (zh) * 2020-03-07 2020-06-19 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
US20210031817A1 (en) * 2019-07-31 2021-02-04 Transportation Ip Holdings, Llc Control system and method for a vehicle system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108099635A (zh) * 2017-11-13 2018-06-01 山东斯博科特电气技术有限公司 燃料电池混合动力有轨电车多能量源耦合惩罚控制系统
CN109659980A (zh) * 2019-01-22 2019-04-19 西南交通大学 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
US20210031817A1 (en) * 2019-07-31 2021-02-04 Transportation Ip Holdings, Llc Control system and method for a vehicle system
CN111313465A (zh) * 2020-03-07 2020-06-19 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

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114285026A (zh) * 2021-12-06 2022-04-05 内蒙古工业大学 一种农牧区电能路由器调度方法
CN114285026B (zh) * 2021-12-06 2023-08-15 内蒙古工业大学 一种农牧区电能路由器调度方法
CN114566958A (zh) * 2022-01-07 2022-05-31 湘潭大学 一种兼顾考虑储能使用寿命的多重应用能量控制策略
CN115622111A (zh) * 2022-11-07 2023-01-17 清华大学 柔性直流牵引供电系统的最优潮流计算方法及装置
CN116365592A (zh) * 2023-06-01 2023-06-30 湖南大学 一种光储柔系统设计与运行协同优化方法、装置、介质
CN116365592B (zh) * 2023-06-01 2023-08-15 湖南大学 一种光储柔系统设计与运行协同优化方法、装置、介质

Also Published As

Publication number Publication date
CN113300395B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN113300395B (zh) 一种柔性牵引供电系统混合储能最优容量配置方法
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
CN111313465B (zh) 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
CN110661246B (zh) 一种城市轨道交通光伏储能系统的容量优化配置方法
CN107181273B (zh) 一种电气化铁路发电供电装置及其控制方法
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
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
CN107294102B (zh) 一种电气化铁路储能供电装置及其控制方法
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
CN113452045B (zh) 一种基于多应用场景下的电气化铁路储能装置优化选型方法
CN110994606A (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN115811074A (zh) 牵引变电所混合储能容量配置方法、装置及相关介质
CN115102160A (zh) 一种薄弱电网条件下牵引供电系统日前能量优化调度方法
Yuan et al. Optimal dispatching of high-speed railway power system based on hybrid energy storage system
Cheng Energy management system of a smart railway station considering stochastic behaviour of ESS and PV generation
Bian et al. Model and method of capacity planning of energy storage capacity for integrated energy station
Zhuang et al. Capacity configuration and control strategy of ev charging station with integrated wind power and energy storage based on ssa
CN115796447A (zh) 一种运行虚拟电厂的温室气体减排量计算方法及系统
Feng et al. Evaluation of Voltage Quality and Energy Saving Benefits of Urban Rail Transit Power Supply Systems Considering the Access of Photovoltaics
Tao et al. Capacity Configuration Method of Urban Rail Energy Storage System Based on NSGA-II and Simplified Energy Storage Model
CN113178881A (zh) 一种电气化铁路同相混合储能供电系统
Zhu et al. Coordination planning of integrated energy system and electric vehicle charging station considering carbon emission reduction
Zhang et al. Optimal configuration of energy storage system capacity in traction power supply system considering photovoltaic consumption
CN116706892B (zh) 一种轨道交通光储配置方法、系统及电子设备
Luo et al. Optimal Selection of Electrified Railway Energy Storage Devices Based on Multi-application Scenarios

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