CN114597951B - 一种电动汽车参与交流城轨供电系统节能运行的优化方法 - Google Patents
一种电动汽车参与交流城轨供电系统节能运行的优化方法 Download PDFInfo
- Publication number
- CN114597951B CN114597951B CN202210355772.1A CN202210355772A CN114597951B CN 114597951 B CN114597951 B CN 114597951B CN 202210355772 A CN202210355772 A CN 202210355772A CN 114597951 B CN114597951 B CN 114597951B
- Authority
- CN
- China
- Prior art keywords
- electric automobile
- power supply
- optimization
- supply system
- traction
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007599 discharging Methods 0.000 claims abstract description 23
- 230000005611 electricity Effects 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000013461 design Methods 0.000 claims abstract description 5
- 230000003137 locomotive effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000001172 regenerating effect Effects 0.000 description 11
- 238000004146 energy storage Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000282461 Canis lupus Species 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60M—POWER SUPPLY LINES, AND DEVICES ALONG RAILS, FOR ELECTRICALLY- PROPELLED VEHICLES
- B60M3/00—Feeding power to supply lines in contact with collector on vehicles; Arrangements for consuming regenerative power
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- 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
- H02J3/28—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
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Power Engineering (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mechanical Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
Abstract
本发明公开了一种电动汽车参与交流城轨供电系统节能运行的优化方法,具体为:将电动汽车与牵引变电所进行电气连接,通过将列车牵引制动策略和电动汽车充放电策略设置为优化变量,根据设计性能和电动汽车随机接入状态设置约束条件,确定优化目标函数,建立满足单目标最优或多目标优化的电动汽车参与交流城轨供电系统节能运行的优化模型;利用智能优化算法对所有可能的列车牵引制动策略及电动汽车充放电策略进行自动比选,确定符合优化目标的最优方案。本发明能高效、快速、准确的确定系统节能运行方案,提高了电动汽车接入交流城轨供电系统节能运行的精细化水平,降低了交流城轨供电系统的电费成本,满足了电动汽车的充电需求。
Description
技术领域
本发明属于含电动汽车接入的交流城轨供电系统能源优化技术领域,尤其涉及一种电动汽车参与交流城轨供电系统节能运行的优化方法。
背景技术
随着能源的日益短缺和可持续发展理念的不断深入,节能减排已成为一个新的研究课题。城轨运营能耗需求将随着城轨运营里程的不断增长而增加。考虑到列车频繁制动进站产生的大量的再生制动能量含有较多的负序分量,将对电网的安全稳定运行造成干扰,供电部门将对这部分能量收取罚金。可以考虑在交流城轨供电系统中引入储能装置,将会有效吸收这部分再生制动能量,降低铁路的电费成本。如果将交流城轨供电系统与电动汽车充电系统相连接,将电动汽车作为交流城轨供电系统的灵活储能装置,可以大大降低铁路部门在储能装置上投资成本,同时满足电动汽车的充电需求,高效利用再生制动能量,降低城市轨道交通的电费成本。
此外,电气化铁路牵引负荷具有冲击性和随机波动性,这不仅影响牵引供电系统的稳定性和可靠性,同时还直接决定了储能装置的充放电策略。然而,既有牵引供电系统并不具备主动调节牵引负荷冲击性、确定最优电动汽车充放电策略的能力。因此,电动汽车参与到交流城轨供电系统中,实现列车牵引/制动策略及电动汽车充放电策略的协同优化的问题亟待解决。
发明内容
针对含电动汽车接入的交流城轨供电系统,为了提高再生制动能量的利用率,同时满足电动汽车的充电需求,降低铁路的电费成本,实现了列车牵引/制动策略与电动汽车充放电策略优化之间的有效连接。本发明提供一种电动汽车参与交流城轨供电系统节能运行的优化方法。
本发明的目的是通过如下手段实现的。
一种电动汽车参与交流城轨供电系统节能运行的优化方法,其特征在于:将电动汽车与牵引变电所进行电气连接,以列车牵引/制动策略G和电动汽车充放电策略( 其中t=1,2,...,T,n=1,2,...,N)作为优化变量,根据设计性能和电动汽车随机接入状态设置约束条件,包括但不限于:牵引网T最低工作电压Umin和最高工作电压Umax、电动汽车离开时间Tn、预期荷电状态SOCn、电动汽车电池最大充放电功率电动汽车电池最大容量确定优化目标函数,包括但不限于:牵引变电所最低电费成本(Ctotal);通过如下步骤得到满足单目标最优或多目标满意优化的电动汽车参与交流城轨供电系统节能运行方案:
步骤1:输入电动汽车参与交流城轨供电系统节能运行的优化变量和初始化赋值;
步骤2:输入电动汽车参与交流城轨供电系统节能运行的性能要求、约束条件及迭代收敛条件;
步骤3:将步骤1和步骤2的数据输入选定的优化目标函数;
步骤4:利用智能算法自动迭代寻优;
步骤5:满足收敛条件后输出优选结果。
对上述数学模型进行计算机自动寻优,优化模型结构如图2所示。其中智能算法可采用灰狼算法、遗传算法、粒子群算法等,在约束条件限制域内对所有可能的节能运行方案计算目标函数值,通过计算机自动比选筛选优化方案,在满足迭代收敛条件时完成整个优化过程,确定最优供电方案或满意方案。
采用智能优化算法对电动汽车参与交流城轨供电系统节能运行时,包括如下的具体步骤:
步骤1:输入牵引变电所供电区间的线路平纵面参数、机车特性参数、供电电源参数、电动汽车状态等优化所需的基础数据;
步骤2:根据实际设计要求,构建电动汽车参与交流城轨供电系统节能运行的优化模型;包括优化变量:列车牵引/制动策略和电动汽车充放电策略;优化目标函数:牵引变电所最低电费成本、牵引供电系统最低能耗;及约束条件:列车运行时间及距离范围、电力机车工作电压范围、电动汽车离开时间、预期荷电状态、电动汽车电池充放电功率限值、电动汽车电池容量限值;设置优化过程收敛条件及迭代精度要求;
步骤3:以遗传算法为例,将优化变量作为个体种群,初始化列车位置和速度,作为列车牵引/制动策略优化的输入参数;
步骤4:利用车-网耦合系统交互仿真,求解牵引供电系统潮流分布,若约束条件不满足则终止该个体后续计算,重新代入下一个体;若满足约束条件,则递进至步骤5;
步骤5:根据步骤4得到的牵引供电系统潮流分布、电动汽车接入状态及相关约束条件,建立混合整数线性规划模型,采用CPLEX求解器对电动汽车充放电策略优化模型进行求解,计算优化目标函数值;
步骤6:根据前后两次种群最优个体对应的目标函数值,推断种群的进化状态,如收敛状态、多样化状态和停滞状态;
步骤7:判断优化过程是否满足收敛条件;若不满足步骤2中所设置的收敛条件及收敛精度,则种群继续进化,返回步骤3进一步求解;若满足收敛条件及收敛精度,则迭代过程结束,输出目标函数最优解;
步骤8:输出电动汽车参与交流城轨供电系统节能运行的最优方案,优化过程结束。
与现有技术相比,本发明的有益效果为:
1、本发明将电动汽车参与交流城轨供电系统节能运行的优化过程分为列车牵引/制动策略优化及电动汽车充放电策略优化两个阶段,既满足了电动汽车的充电需求,又最大限度的利用电动汽车降低了牵引供电系统的电费成本;
2、本发明的列车牵引/制动策略优化阶段优化了列车牵引/制动过程,降低了牵引负荷运行所需能耗,有效提高了再生制动能量的利用率;
3、本发明的电动汽车充放电策略优化阶段考虑了牵引负荷随机波动性的特点,优化了牵引变电所与电动汽车之间的能量调度策略,满足了电动汽车的充电需求,同时利用电动汽车对牵引负荷实现了削峰填谷。
下面结合附图和具体实施例对本发明做进一步说明。
附图说明
图1为本发明中电动汽车参与交流交流城轨供电系统的电气连接示意图。
图1中,1-单相牵引变压器,2-潮流控制器(PFC),3-背靠背变流器α相,4-直流环节,5-背靠背变流器β相,6-电动汽车充/放电环节,7-DC/DC变换器。
图2为本发明的流程示意图。
图3为实施例中线路剖面图。
图4为牵引变电所日负荷分布曲线。
图5为实施例中的优化算法收敛特性图。
图6为列车最优牵引/制动策略。
图7为部分电动汽车的SOC曲线。
图8为案例分析成本对比图。
图9为案例分析中案例1与案例3的牵引变电所负荷对比图。
图10为案例分析中的再生制动能量利用对比图。
具体实施方式
本发明针对的电动汽车接入交流城轨供电系统的结构如图1所示,一种电动汽车参与交流城轨供电系统节能运行的优化方法流程如图2所示,具体步骤为:
步骤1:在列车牵引/制动策略优化阶段,输入牵引变电所供电区间的线路平纵面参数、机车特性参数、供电电源参数等优化所需的基础数据;
线路数据及车站分布如图3所示。
步骤2:根据实际要求,建立交流城轨供电系统列车牵引/制动策略优化模型,包括优化变量:列车牵引/制动策略(G);目标函数:系统最低电费成本Ctotal;约束条件:牵引网最低工作电压Umin和最高工作电压Umax及线路限速vlim;设置优化过程收敛条件。
步骤3:以嵌入CPLEX求解器的GA算法为例,将优化变量作为种群个体,初始化列车牵引/制动策略作为列车牵引/制动策略优化阶段的输入参数;基于列车运动模型和牵引供电系统潮流计算模型,求解优化目标函数值,输出列车牵引/制动策略及其对应的牵引变电所日负荷分布;
牵引变电所日负荷分布曲线如图4所示,优化算法收敛特性如图5所示。
步骤4:在电动汽车充放电策略优化阶段,输入电费参数、电动汽车接入交流城轨供电系统的基本参数(如接入时间、分离时间、接入时电池荷电状态、预期分离时电池荷电状态、充放电功率限值以及电池荷电状态限值等基本参数)以及步骤3得到的牵引变电所日负荷分布等数据;
步骤5:根据实际要求建立电动汽车充放电策略优化的混合整数线性规划模型,包括优化变量:电动汽车充放电功率(其中t=1,2,...,T,n=1,2,...,N)、牵引变电所从电网获得的功率Pt grid和牵引变电所返送回电网的功率Pt fed;约束条件:电动汽车离开时间tdepart、电动汽车预期荷电状态电动汽车电池最大充/放电功率Pi cha,max/Pi dis,max、电动汽车电池最大容量
步骤6:采用CPLEX求解器对电动汽车充放电策略优化模型进行求解,并输出步骤2中提到的目标函数值;
步骤7:根据种群中每个个体对应的目标函数值,判断种群的进化状态,如收敛状态、多样化状态和停滞状态;
步骤8:判断优化过程是否满足收敛条件;若不满足步骤2中设置的收敛条件,则返回步骤3,继续进行迭代优化;若满足步骤2中设置的收敛条件,迭代过程结束,输出求解变量数据。
列车最优牵引/制动策略如图6所示。
步骤9:输出最优列车牵引/制动策略和电动汽车充放电策略,优化过程结束。
部分电动汽车的充放电曲线如图7所示,图示电动汽车在停车时间内通过充放电实现对牵引负荷削峰填谷的作用,在离开时各自的荷电状态达到预期的充电需求。
涉及到的目标函数:
min Ctotal=Cenergy+Cdemand+Cpenalty+Csale (1)
式中,Ctotal为牵引供电系统总电费成本,Cenergy为牵引供电系统电度电费,Cdemand为牵引供电系统需量电费,Cpenalty为电网对城轨运营商的罚金,Csale为城轨运营商向电动汽车车主售电带来的售电收入。
涉及到的约束主要包括:列车运动约束、潮流计算约束、牵引变电所功率平衡约束以及电动汽车电池容量约束,具体为:
列车运动约束:
潮流计算约束:
式中,Umax和Umin为牵引网电压的最大值和最小值。
牵引变电所功率平衡约束:
式中,Pt grid为在t时刻电网提供的有功功率,Pt fed为在t时刻返送回电网的有功功率,Pt load为在t时刻牵引变电所的牵引负荷,Pt RB为在t时刻电力机车返送会牵引变电所的再生制动功率,为第n辆电动汽车在t时刻的充电功率,为第n辆电动汽车在t时刻的放电功率。
电动汽车电池储能系统约束:
式中,Et,n为第n辆电动汽车在t时刻存储的能量;ε为电动汽车电池的自放电系数;和分别为第n辆电动汽车在t时刻的放电效率和充电效率;和为二进制变量,分别代表第n辆电动汽车在t时刻充电状态和放电状态;为第n辆电动汽车的最大充放电功率;为第n辆电动汽车的最大储能容量;和分别为第n辆电动汽车荷电状态的最大值和最小值;为电网提供的有功功率的限值;为返送回电网的有功功率的限值;为二进制变量,代表从电网获取功率的状态,以保证牵引变电所与电网之间的能量传输为单向传输;Tn和SOCn分别代表第n辆电动汽车的离开时间和预期荷电状态。
实施例
本发明中电动汽车接入交流城轨供电系统节能运行的系统结构结构如图1所示。电力机车基本参数如表1所示。
表1.电力机车基本参数
参数 | 数值 | 参数 | 数值 |
空载质量M | 345.18t | 功率因数(牵引) | 0.98 |
有效质量M′ | 470.94t | 功率因数(制动) | 0.90 |
最大牵引功率 | 8000kW | 最大牵引力 | 432.8kN |
最大制动功率 | 7400kW | 最大制动力 | 323.1kN |
最大速度 | 152km/h | 辅助功率 | 408kW |
电动汽车电池基本参数如表2所示。
表2.电动汽车电池的基本参数
参数 | 数值 |
最大功率(kW) | 50 |
最大容量(kWh) | 55 |
充放电效率 | 80%/80% |
自放电效率 | 2% |
最大/最小荷电状态 | 90%/20% |
为验证所提方法的有效性,设置3种仿真案例,具体为:
案例1:不考虑电动汽车接入以及最优列车牵引/制动策略的交流城轨供电系统;
案例2:仅考虑最优列车牵引/制动策略的交流城轨供电系统;
案例3:考虑最优列车牵引/制动策略和电动汽车接入的交流城轨供电系统。
经过仿真计算后,其结果如图8所示。
图8展示了三种案例分析下单个牵引变电所的日电费计算结果;根据图8可知,案例2与案例1相比,电度电费降低了4.34%,需量电费降低了5.45%,罚金降低了23.23%,总费用降低了7.02%。案例3在案例2的基础上接入了电动汽车作为牵引供电系统的储能装置,进一步提高了再生制动能量的利用率,有效降低了单个牵引变电所的日电费成本。具体来说,案例3与案例1相比,电度电费降低了10.6%,需量电费降低了24.3%,罚金降低了73.89%,总费用降低了24.3%。
电动汽车对牵引变电所负荷的削峰填谷效果如图9所示。图10对比了不同案例下列车再生制动能量的利用率。由图可知,与案例1相比,案例2通过列车牵引/制动策略优化,其再生制动能量的利用率提高了10.92%。案例3的再生制动能量的利用率为90.42%,比案例1增加了32.53%,比案例2增加了21.61%。
如图1所示,本发明考虑在牵引供电系统的背靠背变流器(PFC)的中间直流环节接入电动汽车充电系统,利用电力机车产生的再生制动能量为电动汽车充电,同时利用电动汽车对牵引负荷进行削峰填谷以平衡牵引负荷的随机波动性。此外,本发明还考虑了列车牵引/制动策略对城轨供电系统的影响,从列车牵引/制动策略优化和电动汽车充放电策略两个角度出发,实现了提高牵引供电系统的稳定性和可靠性,降低城轨运营部门的电费成本的目的。
Claims (1)
1.一种电动汽车参与交流城轨供电系统节能运行的优化方法,其特征在于:将电动汽车与牵引变电所进行电气连接,以列车牵引/制动策略和电动汽车充放电策略作为优化变量,根据设计性能和电动汽车随机接入状态设置约束条件,包括但不限于:牵引网T最低工作电压Umin和最高工作电压Umax、电动汽车离开时间Tn、预期荷电状态SOCn、电动汽车电池最大充放电功率电动汽车电池最大容量确定优化目标函数,包括但不限于:牵引供电系统最低电费成本Ctotal;通过如下步骤得到满足单目标最优或多目标满意优化的电动汽车参与交流城轨供电系统节能运行方案:
步骤1:输入牵引变电所供电区间的线路平纵面参数、机车特性参数、供电电源参数、电动汽车状态;
步骤2:根据实际设计要求,构建电动汽车参与交流城轨供电系统节能运行的优化模型;包括优化变量:列车牵引/制动策略和电动汽车充放电策略;优化目标函数:牵引变电所最低电费成本、牵引供电系统最低能耗,以及各类约束条件,包括列车运行时间及距离范围、电力机车工作电压范围、电动汽车离开时间、预期荷电状态、电动汽车电池充放电功率限值、电动汽车电池容量限值;设置优化过程收敛条件及迭代精度要求;
步骤3:使用遗传算法,将优化变量作为个体种群,初始化列车位置和速度,作为列车牵引/制动策略优化的输入参数;
步骤4:利用车-网耦合系统交互仿真,求解牵引供电系统潮流分布,若约束条件不满足则终止该个体后续计算,重新代入下一个体;若满足约束条件,则递进至步骤5;
步骤5:根据步骤4得到的牵引供电系统潮流分布、电动汽车接入状态及相关约束条件,建立混合整数线性规划模型,采用CPLEX求解器对电动汽车充放电策略优化模型进行求解,计算优化目标函数值;
步骤6:根据前后两次种群最优个体对应的目标函数值,推断种群的进化状态,如收敛状态、多样化状态和停滞状态;
步骤7:判断优化过程是否满足收敛条件;若不满足步骤2中所设置的收敛条件及收敛精度,则种群继续进化,返回步骤3进一步求解;若满足收敛条件及收敛精度,则迭代过程结束,输出目标函数最优解;
步骤8:输出电动汽车参与交流城轨供电系统节能运行的最优方案,优化过程结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210355772.1A CN114597951B (zh) | 2022-04-06 | 2022-04-06 | 一种电动汽车参与交流城轨供电系统节能运行的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210355772.1A CN114597951B (zh) | 2022-04-06 | 2022-04-06 | 一种电动汽车参与交流城轨供电系统节能运行的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114597951A CN114597951A (zh) | 2022-06-07 |
CN114597951B true CN114597951B (zh) | 2023-05-05 |
Family
ID=81812649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210355772.1A Active CN114597951B (zh) | 2022-04-06 | 2022-04-06 | 一种电动汽车参与交流城轨供电系统节能运行的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114597951B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115663887B (zh) * | 2022-10-14 | 2023-07-25 | 上海交通大学 | 基于轻量化轨道运载系统的能源互联网系统及运行方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107067710A (zh) * | 2017-04-21 | 2017-08-18 | 同济大学 | 一种考虑节能的城市公交车运行轨迹优化方法 |
CN108062619A (zh) * | 2017-12-04 | 2018-05-22 | 中车工业研究院有限公司 | 一种轨道车辆车地一体化容量配置方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7653474B2 (en) * | 2004-05-14 | 2010-01-26 | Gm Global Technology Operations, Inc. | Method of determining engine output power in a hybrid electric vehicle |
US9514428B2 (en) * | 2011-10-28 | 2016-12-06 | Viridity Energy, Inc. | Managing energy assets associated with transport operations |
CN110929920A (zh) * | 2019-11-05 | 2020-03-27 | 中车戚墅堰机车有限公司 | 一种基于工况识别的混合动力列车能量管理方法 |
CN111126712B (zh) * | 2019-12-30 | 2023-09-01 | 长安大学 | 一种面向通勤廊道的停车充电换乘系统规划方法 |
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 |
CN112101624A (zh) * | 2020-08-13 | 2020-12-18 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于arima的电动汽车随机充电需求预测及调度方法 |
CN114156869B (zh) * | 2021-11-18 | 2023-12-15 | 浙江大学 | 一种电气化铁路参与电力系统频率调节的控制方法 |
-
2022
- 2022-04-06 CN CN202210355772.1A patent/CN114597951B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107067710A (zh) * | 2017-04-21 | 2017-08-18 | 同济大学 | 一种考虑节能的城市公交车运行轨迹优化方法 |
CN108062619A (zh) * | 2017-12-04 | 2018-05-22 | 中车工业研究院有限公司 | 一种轨道车辆车地一体化容量配置方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114597951A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fu et al. | Optimization based energy management strategy for fuel cell/battery/ultracapacitor hybrid vehicle considering fuel economy and fuel cell lifespan | |
Wang et al. | Two-stage optimal scheduling strategy for large-scale electric vehicles | |
CN112350326A (zh) | 轨道交通牵引供电系统及其控制方法、系统及相关组件 | |
Yu et al. | A real time energy management for EV charging station integrated with local generations and energy storage system | |
CN108062619B (zh) | 一种轨道车辆车地一体化容量配置方法及装置 | |
CN109849694B (zh) | 一种基于在线凸规划的混合储能式有轨电车能量管理方法 | |
CN109693573B (zh) | 促进可再生能源消纳的电动汽车集群充电功率优化方法 | |
CN113580984A (zh) | 一种电动汽车有序充电策略及其仿真方法 | |
CN105406481A (zh) | 一种电动汽车充放电控制方法 | |
CN114597951B (zh) | 一种电动汽车参与交流城轨供电系统节能运行的优化方法 | |
CN105141000A (zh) | 一种电动汽车充放电控制方法 | |
Li et al. | Energy sources durability energy management for fuel cell hybrid electric bus based on deep reinforcement learning considering future terrain information | |
CN109376437A (zh) | 一种基于多目标遗传算法的新能源车载储能优化控制方法 | |
CN115411756A (zh) | 一种基于灰狼算法的光储充电站电动汽车三阶段优化方法 | |
Zhang et al. | Urban rail substation parameter optimization by energy audit and modified salp swarm algorithm | |
van der Horst et al. | Methods for increasing the potential of integration of EV chargers into the DC catenary of electric transport grids: A trolleygrid case study | |
CN111864774B (zh) | 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 | |
CN110766240B (zh) | 一种不同场景下的快速充电站分层储能配置方法 | |
CN117335461A (zh) | 基于多目标优化的电动汽车-储能协同充放电方法 | |
Pei et al. | A multi-objective optimal sizing scheme for hybrid traction power supply systems onboard shunting locomotive | |
CN114498692B (zh) | 一种基于模糊控制的电气化铁路储能系统能量管理方法 | |
Jefimowski et al. | Case study of stationary energy storage device in a 3 kV DC traction system | |
Quan-Do et al. | Monitoring of power allocation in centralized electric vehicle charging spot system | |
Wu et al. | Carbon-reducing Train Rescheduling Method for Urban Railway Systems considering the Grid with Wind Power Supply | |
Zhang et al. | Multi-objective optimization charging strategy for plug-in electric vehicles based on dynamic time-of-use price |
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 |