System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及列车能量管理,尤其是涉及一种基于列车状态感知的能量管理方法。
技术介绍
1、城轨列车广泛采用再生制动技术,即列车在制动过程中牵引电机将工作在发电机状态,产生的电能除了用于列车自身辅助供电外,其余部分将回馈至牵引供电网与相近的牵引列车进行交互。由于变电站牵引整流机组的单向导通性,当制动列车产生的再生制动能量无法被完全吸收时,将会导致牵引网压升高。当达到列车制动电阻启动电压时,制动电阻启动进行能量消耗,如果仍未能有效控制网压,随着网压的继续抬升则可能发生再生失效,即空气制动投入。若发生上述情况,则列车的再生制动能量无法得到充分的利用。
2、城轨地面式储能系统,通过双向变流器将储能装置与牵引网连接在一起。通过能量管理策略(ems)的有效控制,将制动列车剩余的再生制动能量吸收。通过设定储能系统的充/放电电压阈值,当列车牵引时再将储能系统中的能量进行释放。可以有效利用列车的再生制动能量,同时起到抑制网压波动的作用,有效降低了城轨牵引供电系统能耗。
3、目前城轨地面式储能系统主要采用基于牵引网压的固定阈值或动态阈值能量管理策略,由于以往普遍认为牵引网电压的变化能够反映列车工况,即当列车牵引时网压降低,当列车制动时网压则会上升。因此通过设置充电阈值和放电阈值并与牵引网电压进行比较来确定储能系统的工作状态。这种方法也是目前实际中应用最为广泛的一种。但是当考虑到变电站空载电压自身波动以及多个变电站之间的空载电压存在差异时,仅通过牵引网电压则难以准确反映区间内的列车工况。在这种情况下此类能量管理策略控制下的储能
技术实现思路
1、本专利技术的目的是提供一种基于列车状态感知的能量管理方法,基于深度学习方法只需采集部分地面信息,即可实现对牵引供电区间内列车整体状态的在线识别,从而根据感知结果实现储能系统的自适应充放电控制。
2、为实现上述目的,本专利技术提供了一种基于列车状态感知的能量管理方法,包括以下步骤:
3、s1、基于聚类结合深度学习算法的列车状态感知方法
4、s11、基于k-means聚类算法的列车状态特征一次提取;
5、s12、基于深度学习的列车状态特征二次提取即列车状态感知方法;
6、s2、基于列车状态感知的能量管理策略。
7、优选的,在步骤s1中列车状态包括,列车牵引状态和列车制动状态,基于变电站自身采样装置以及安装在变电站内的储能系统采样装置,可实现对地面信息即原始特征的采样,可采集的原始特征包括变电站电压、电流、空载电压。
8、优选的,在步骤s11中,基于聚类算法将采集到的原始特征进行聚类,可将原始特征分为各个簇类并得到相应簇心,由此可以得到原始数据的分布情况即属于哪一簇以及与簇心相应的欧式距离,将其作为一次特征提取的结果;
9、将一次特征提取结果与原始特征合并作为输入深度神经网络的最终特征,并将相同时间尺度下离线获取的供电区间内列车整体功率情况作为标签,对深度神经网络进行训练以此得到特征与标签之间的关系,即地面特征与列车工况之间的内在联系。
10、优选的,在步骤s11中,包括以下步骤:
11、s111、收集上述牵引、制动特征作为原始特征,并进行聚类操作,并按下式输出工况系数m
12、
13、s112、根据式(2)输出原始特征与各均值向量之间的欧氏距离。
14、sk=||xi-μk||2 (2)
15、s113、将工况系数m作为正负关系,以欧几里得距离作为数值大小,共同构成功率特征,功率特征可以描述为
16、功率特征=[聚类原始特征,m*s1/s2] (3)
17、需要注意的是,将原始特征与每个均值向量之间的欧氏距离进行除法操作,是为了更好地反映特征空间中不同的分布情况。
18、优选的,在步骤s2中,包括以下步骤:
19、s21、其中工况系数m代表列车状态感知所得的制动或牵引特性分别取±1,由工况系数确定基准值的调整方向,由状态感知算法所得供电区间内列车总功率与储能系统投入功率的差值确定基准值的调整量δuref,基准值调整规则如下式,需要注意的是储能系统充电功率为正,放电功率为负;列车牵引功率为正,制动功率为负;
20、
21、s22、根据调整好的基准值即可对应设置储能系统充放电阈值,如式(5)所示,式中,δu为充电阈值与放电阈值之间的滞环电压,滞环电压以及调节系数kp可以以节能效果作为优化目标,并使用相应的优化算法得到具体的优化值;
22、
23、s23、由上述调整规则可知,当处于制动工况时基准值将会降低对应充电阈值降低,将控制储能系统进入充电模式;当处于牵引工况时基准值将会上升对应放电阈值上升,将控制储能系统进入放电模式,为保证系统正常可靠运行,参考值与充电阈值、放电阈值的边界条件如式(6)所示,充电阈值大于变电站空载电压,尽可能避免变电站自身对ess充电,放电阈值低于列车制动电阻启动电压,避免因储能系统放电功率过大导致列车制动电阻误启动;
24、
25、基于上述控制逻辑,储能系统充放电的调整程度将基于感知得到的供电区间内列车总功率,由此控制地面式储能系统有效吸收列车再生制动能量,并在列车牵引时进行释放,从而实现自适应调整过程。
26、因此,本专利技术采用上述一种基于列车状态感知的能量管理策略,基于深度学习方法只需采集部分地面信息,即可实现对牵引供电区间内列车整体状态的在线识别,从而根据感知结果实现储能系统的自适应充放电控制。
27、下面通过附图和实施例,对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...【技术保护点】
1.一种基于列车状态感知的能量管理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于列车状态感知的能量管理方法,其特征在于,在步骤S1中列车状态包括,列车牵引状态和列车制动状态,基于变电站自身采样装置以及安装在变电站内的储能系统采样装置,可实现对地面信息即原始特征的采样,可采集的原始特征包括变电站电压、电流、空载电压。
3.根据权利要求1所述的一种基于列车状态感知的能量管理方法,其特征在于,在步骤S11中,基于聚类算法将采集到的原始特征进行聚类,可将原始特征分为各个簇类并得到相应簇心,由此可以得到原始数据的分布情况即属于哪一簇以及与簇心相应的欧式距离,将其作为一次特征提取的结果;
4.根据权利要求1所述的一种基于列车状态感知的能量管理方法,其特征在于,在步骤S11中,包括以下步骤:
5.根据权利要求1所述的一种基于列车状态感知的能量管理方法,其特征在于,在步骤S2中,包括以下步骤:
【技术特征摘要】
1.一种基于列车状态感知的能量管理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于列车状态感知的能量管理方法,其特征在于,在步骤s1中列车状态包括,列车牵引状态和列车制动状态,基于变电站自身采样装置以及安装在变电站内的储能系统采样装置,可实现对地面信息即原始特征的采样,可采集的原始特征包括变电站电压、电流、空载电压。
3.根据权利要求1所述的一种基于列车状态感知的能量管理方法,其特征...
【专利技术属性】
技术研发人员:李炎,钟志宏,杨中平,林飞,任家兴,孙湖,
申请(专利权)人:北京北交本有科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。