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技术方案

本发明专利技术公开了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，包括以下步骤：步骤1：获取牵引变电所负荷过程数据和地区日内光伏出力数据曲线；步骤2：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；步骤4：根据信息间隙决策理论，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，得到鲁棒决策和机遇决策下混合储能装置最优充放电功率，光伏最优并网功率、潮流控制器中靠背变流器最优潮流功率、系统运行总成本，即完成计及光伏不确定性的牵引供电系统优化运行方法。本发明专利技术可以有效降低光伏随机性和不确定性对牵引供电系统影响，提高系统的安全稳定性，减少电气化铁路电费成本，在不确定场景下为铁路部门提供决策意见。

An optimal operation method of traction power supply system energy management considering photovoltaic uncertainty

【技术实现步骤摘要】
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
本专利技术涉及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。
技术介绍
高速列车起止时产生的巨大再生制动能量，可以通过蓄电池与超级电容器组合的混合储能装置实现列车再生制动能量的吸收和再利用。同时，高速铁路沿线往往拥有丰富可利用的光能，引入光伏发电系统可以有效提高能源利用率，同时减小电气化铁路碳排放量，提高牵引供电系统的安全稳定性、经济性和环保性。在安全性方面，高速铁路与重载铁路的快速发展，使电气化铁路中以负序为主的电能质量问题日益显著。同时传统三相牵引系统存在大量电分相，经过时列车速度损失严重，伴随的过电压、拉弧等电气暂态过程增加了牵引供电系统接触网故障的风险，严重影响和制约了高速、重载铁路的运行和发展。在经济性方面，电气化铁路牵引负荷的随机波动性、冲击性和不对称性以及国家标准对牵引变压器过负荷能力的严格要求，是对牵引供电系统稳定性与可靠性的巨大威胁和挑战，也极大增加了能源成本。为减少能源成本，可通过由蓄电池与超级电容器组合的混合储能装置充分利用高速列车再生制动能量，同时引入并就近消纳潜在的可再生能源(例如太阳能)，减小电气化铁路碳排放量。光伏输出功率及牵引负荷具有极强的随机性和波动性，日变化阈值波动较大，会对同相牵引供电系统带来诸多不利影响。对单个变电站，较大不确定性可能导致潮流控制器与牵引变压器过负荷运行，威胁列车的安全稳定运行；对贯通式同相牵引供电系，较大不确定性可能影响不同同相牵引变电所之间的电能交互，降低内部的能源利用效率，甚至引起更大范围的不稳定运行并造成经济损失。中国专利文献公开了“一种含光伏和储能的轨道交通供电系统能量优化方法”(CN201811333175.9)，它包括：步骤1：数据初始化，主要包括轨道交通牵引供电力系统能量优化模型和改进粒子群算法所涉及的各类参数；步骤2：建立轨道交通能量优化模型，包括光伏发电模型、储能模型和轨道交通牵引供电系统模型，并以经济性最优即运行成本最低为目标，设置优化目标函数和相应约束条件；步骤3：采用改进粒子群算法求解本系统的能量管理模型，通过迭代寻优，找出光伏发电、储能和大电网的最佳出力点。
技术实现思路
为解决上述问题，本专利技术的目的是提供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，旨在保证牵引供电系统安全运行前提下减少运行成本。本专利技术的目的是这样实现的：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，包括以下步骤：步骤1：获取牵引变电所负荷过程数据和地区日内光伏出力数据曲线；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地区日内光伏出力数据曲线，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地区日内光伏出力数据曲线，建立优化模型的约束条件；步骤4：根据信息间隙决策理论椭球约束模型，结合步骤2得到的目标函数和步骤3得到的约束条件，提出基于混合整数线性规划模型的牵引供电系统能量管理优化运行方法；步骤5：求解步骤4得到的混合整数线性规划模型，得到鲁棒决策或机遇决策下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，即完成计及光伏不确定性的牵引供电系统优化运行方法。所述步骤2中的目标函数为：式中：TCmin为目标函数，表示确定条件下牵引变电所日电费成本，t为时间段,cbuy为电度电费单价，cdemand为需量电费单价，cPV为光伏发电单位成本，csell为售电单价，cbat为电池充放电电价，cuc为超级电容充放电电价；为单位时间段内牵引供电系统平均负荷，为单位时间段内由公共电网输入到牵引供电系统的有功功率，为单位时间段内光伏发电的有功输出，为单位时间段内由牵引供电系统反馈至公共电网的有功功率，为单位时间段内电池的放电功率，为单位时间段内电池的充电功率，为单位时间段内超级电容的放电功率，为单位时间段内超级电容的充电功率，Δt为单位时间段长度，T为一天内总的时间段数；其中所述步骤3中的约束条件包括功率平衡约束、混合储能系统约束、光伏发电约束、背靠背变流器约束、三相电压不平衡度约束。所述步骤3中约束条件如下：功率平衡约束条件：Pgrid-Psell＝PT,pos-PT,neg+PA,pos-PA,neg(2)PA,pos-PA,neg+Pbat,disc-Pbat,charge+Puc,disc-Puc,charge+PPV＝PB(3)PT,pos-PT,neg+PB＝PL,pos-PL,neg(4)QB＝QL,pos-QL,neg(5)式中：Pgrid为由公共电网输入到牵引供电系统的有功功率，Psell为由牵引供电系统反馈至公共电网的有功功率，PT,pos、PT,neg分别为单相牵引变压器的正、反方向有功功率，PA,pos、PA,neg分别为背靠背变流器α相的正、反方向有功功率，PB为背靠背变流器β相的有功功率；Pbat,disc为电池的放电功率，Pbat,charge为电池的充电功率，Puc,disc为超级电容的放电功率，Puc,charge为超级电容的充电功率，PPV为光伏发电的有功功率；PL,pos为牵引负荷的有功功率，PL,neg为再生制动的有功功率；QB为背靠背变流器β相的无功功率，QL,pos为牵引负荷的无功功率，QL,neg为再生制动的无功功率；混合储能系统约束条件：式中：εbat为电池的自放电率，εuc为超级电容的自放电率，ηbat,disc为电池的放电效率，ηbat,charge为电池的充电效率，ηuc,disc为超级电容的放电效率，ηuc,charge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，SOCbat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，SOCuc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：0≤PPV≤SPV(13)式子中：SPV为光伏逆变器容量；背靠背变流器约束：式中：SA为背靠背变流器α相的容量，SB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，和本文档来自技高网...

【技术保护点】
1.一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，其特征在于，包括以下步骤：/n步骤1：获取牵引变电所负荷过程数据和地区日内光伏出力数据曲线；/n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地区日内光伏出力数据曲线，建立优化模型的目标函数；/n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地区日内光伏出力数据曲线，建立优化模型的约束条件；/n步骤4：根据信息间隙决策理论椭球约束模型，结合步骤2得到的目标函数和步骤3得到的约束条件，提出基于混合整数线性规划模型的牵引供电系统能量管理优化运行方法；/n步骤5：求解步骤4得到的混合整数线性规划模型，得到鲁棒决策或机遇决策下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，即完成计及光伏不确定性的牵引供电系统优化运行方法。/n

【技术特征摘要】
1.一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，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地区日内光伏出力数据曲线；
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地区日内光伏出力数据曲线，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地区日内光伏出力数据曲线，建立优化模型的约束条件；
步骤4：根据信息间隙决策理论椭球约束模型，结合步骤2得到的目标函数和步骤3得到的约束条件，提出基于混合整数线性规划模型的牵引供电系统能量管理优化运行方法；
步骤5：求解步骤4得到的混合整数线性规划模型，得到鲁棒决策或机遇决策下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，即完成计及光伏不确定性的牵引供电系统优化运行方法。


2.根据权利要求1所述的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，其特征在于，所述步骤2中的目标函数为：



式中：TCmin为目标函数，表示确定条件下牵引变电所日电费成本，t为时间段,cbuy为电度电费单价，cdemand为需量电费单价，cPV为光伏发电单位成本，csell为售电单价，cbat为电池充放电电价，cuc为超级电容充放电电价；为单位时间段内牵引供电系统平均负荷，为单位时间段内由公共电网输入到牵引供电系统的有功功率，为单位时间段内光伏发电的有功输出，为单位时间段内由牵引供电系统反馈至公共电网的有功功率，为单位时间段内电池的放电功率，为单位时间段内电池的充电功率，为单位时间段内超级电容的放电功率，为单位时间段内超级电容的充电功率，Δt为单位时间段长度，T为一天内总的时间段数；
其中


3.根据权利要求1所述的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，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、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，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：
Pgrid-psell＝PT,pos-PT,neg+PA,pos-PA,neg(2)
PA,pos-PA,neg+Pbat,disc-Pbat,charge+Puc,disc-Puc,charge+PPV＝PB(3)
PT,pos-PT,neg+PB＝PL,pos-PL,neg(4)
QB＝QL,pos-QL,neg(5)
式中：Pgrid为由公共电网输入到牵引供电系统的有功功率，Psell为由牵引供电系统反馈至公共电网的有功功率，PT,pos、PT,neg分别为单相牵引变压器的正、反方向有功功率，PA,pos、PA,neg分别为背靠背变流器α相的正、反方向有功功率，PB为背靠背变流器β相的有功功率；
Pbat,disc为电池的放电功率，Pbat,charge为电池的充电功率，Puc,disc为超级电容的放电功率，Puc,charge为超级电容的充电功率，PPV为光伏发电的有功功率；
PL,pos为牵引负荷的有功功率，PL,neg为再生制动的有功功率；
QB为背靠背变流器β相的无功功率，QL,pos为牵引负荷的无功功率，QL,neg为再生制动的无功功率；
混合储能系统约束条件：






















...

【专利技术属性】
技术研发人员：陈民武，黄晨，解炎山，王彦，廖人霖，李寅轩，刘元立，陈垠宇，肖迪文，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51