双重应用下的电气化铁路储能系统控制策略设计.pdf

摘要

随着电气化铁路的不断发展，这给人们的出行提供了巨大便利的同时，也带

来了一系列问题。牵引负荷的峰值功率不仅会加剧负序、电压波动等电能质量问

题，还会使系统对牵引变压器的容量要求变大，从而增加系统的日常运营成本。

此外，机车在处于制动工况时产生的制动能量若未被及时回收，不仅会造成资源

的浪费，还会注入电网对其造成冲击。因此，实现减小牵引负荷峰值功率与回收

再生制动能量的双重应用，是提高系统运行效益的有效方法。为了得到更好的双

重应用效果，本文在电气化铁路系统中引入超级电容储能，提出了一种基于AC-

MPC的储能系统控制策略，并使用实测牵引负荷数据验证其有效性。本文主要

研究内容如下：

为提高控制结果的精确性，本文在所提控制策略中加入负荷预测环节。为得

到更加精确的牵引负荷预测结果，本文首先对牵引负荷数据特性进行分析，根据

数据特性，选用DWT模型对牵引负荷进行数据分解，以此降低预测数据的复杂

程度。针对DWT模型中的母小波函数的选取以及分解层数的选择，本文从原理

分析与实验验证两个方面进行论证，并进行择优选取。再根据不同序列的频率差

异，选用TCN模型预测中、低频序列；选用SVR模型预测高频序列，并使用

PSO优化模型中的关键参数，使得SVR模型具有更高的预测精度。最后在python

的Keras框架下验证了所提出的预测模型的有效性。

在对牵引负荷预测方法改进后的基础上，本文对目前双重应用下的储能控制

策略进行分析，指出了其中依然存在的两个问题。第一点是系统运行时可能出现

的储能“死区时间”问题，第二点是预测误差对控制结果影响较大的问题。针对

问题一，我们采用实时修正SOC的方法。为了得到更好的修正效果，本文在修

正过程中引入了滚动优化与预测控制的思想。减小了修正过程的计算量，避免了

因为修正而引起新的负荷峰值的问题；针对问题二，在对预测模型进行改进之后，

我们还可以在每次滚动优化过程加入滚动预测过程。通过减小预测时间尺度的方

式来减小预测结果的误差，从而减小预测误差对控制结果造成的影响。经实测数

据实验表明，本文所提控制策略能够有效地解决上述中存在的两个问题，保证了

双重应用的效果并提高了系统运行的经济性。

关键词：电气化铁路；牵引负荷预测；计算智能模型；模型预测控制；双重应

用

I

Abstract

Withthecontinuousdevelopmentofelectrifiedrailways,whilebringingmany

conveniencestopeople,italsobringsaseriesofproblems.Thepeakpowerofthe

tractionloadwillnotonlycausepowerqualityproblemssuchasnegativesequenceand

voltagefluctuations,butalsoincreasethecapacityrequirementsofthesystemonthe

tractiontransformer.Inaddition,ifthebrakingenergygeneratedbythelocomotivein

thebrakingconditionisnotrecoveredintime,itwillnotonlycauseawasteofresources,

butwillalsocauseanimpactonthegridwheninjectedintothepowergrid.Solvingthe

problemofrecoveryandutilizationofregenerativebrakingenergyandexcessivepeak

poweralsohasanimportantimpactontheeconomicbenefitsofrailways.Focusingon

thesetwoissues,thisp