劉宇嫣 楊中平 林 飛 方曉春 孫 湖

城軌地面式混合儲能系統(tǒng)自適應(yīng)能量管理與容量優(yōu)化配置研究

劉宇嫣 楊中平 林 飛 方曉春 孫 湖

（北京交通大學(xué)電氣工程學(xué)院 北京 100044）

采用地面式混合儲能系統(tǒng)能有效提升城軌牽引供電系統(tǒng)中再生制動能量的利用。該文針對傳統(tǒng)固定閾值策略下，空載電壓波動和發(fā)車間隔變化導(dǎo)致的儲能系統(tǒng)回收再生制動能量效果差的現(xiàn)象，在雙閉環(huán)控制的基礎(chǔ)上，提出基于模糊邏輯的充放電閾值自適應(yīng)調(diào)整策略。此外，考慮到電池和超級電容在功率密度、能量密度和價格方面的差異性，提出一種考慮節(jié)能率的綜合經(jīng)濟效益最優(yōu)的混合儲能系統(tǒng)容量配置方法。構(gòu)建包含電池/超級電容的全壽命周期成本和變電站耗電費用的容量配置目標(biāo)函數(shù)，以北京八通線實際線路為例，利用并行遺傳算法對該目標(biāo)進(jìn)行尋優(yōu)求解，并分析節(jié)能率約束條件對容量配置結(jié)果的影響。此外，對所提出的充放電閾值自適應(yīng)調(diào)整策略進(jìn)行仿真研究，并在北京八通線梨園站1MW混合儲能樣機上完成了實驗驗證。

城軌交通 地面式混合儲能系統(tǒng) 自適應(yīng)能量管理 容量配置

0 引言

城軌交通中牽引能耗占比最大，北京市城軌牽引能耗占總能耗的53%左右[1]。降低牽引能耗對促進(jìn)城市軌道交通行業(yè)的可持續(xù)發(fā)展具有重要意義，其中充分利用列車再生制動能量是降低牽引能耗的關(guān)鍵。采用地面式儲能系統(tǒng)是再生制動能量回收利用的主要方式之一。目前，超級電容、電池和飛輪儲能均在軌道交通上得到了實際應(yīng)用[2]。但單一的儲能介質(zhì)存在不能充分吸收再生制動能量和能量過冗余的問題。此外，考慮到供電故障時列車需緊急牽引及儲能系統(tǒng)安全運行等問題，可以選擇超級電容與電池結(jié)合的地面式混合儲能系統(tǒng)（Hybrid EnergyStorage System, HESS）。地面式HESS可以充分發(fā)揮兩種儲能元件各自的優(yōu)勢，使系統(tǒng)兼顧吸收再生制動能量、削峰填谷及緊急牽引等多種功能。

地面式儲能系統(tǒng)的能量管理是儲能技術(shù)領(lǐng)域的主要研究方向。一般地面式儲能系統(tǒng)的DC-DC變流器采用電壓外環(huán)和電流內(nèi)環(huán)的控制方式[3]。地面式儲能系統(tǒng)大多采用固定閾值的能量管理策略[3-4]。文獻(xiàn)[5]提出了通過列車運行狀態(tài)觀測列車功率特性和制動電阻特性來調(diào)節(jié)儲能系統(tǒng)的充電電壓閾值的方法。但該策略需要實時獲取列車信息，使得系統(tǒng)通信復(fù)雜化，降低了設(shè)備運行可靠性。文獻(xiàn)[6]利用10kV交流電壓來估算空載電壓值。文獻(xiàn)[7]采用歷史數(shù)據(jù)擬合出變電站負(fù)荷特性曲線，利用變電站實時電壓和電流得到空載電壓值。但受牽引網(wǎng)側(cè)電壓波動的影響，使空載電壓估計值的準(zhǔn)確度較低。

此外，容量配置也是HESS應(yīng)用于工程中需解決的關(guān)鍵問題，目前已有文獻(xiàn)對HESS容量配置研究較少，但對單一儲能配置研究較多。文獻(xiàn)[8]以系統(tǒng)能耗和配置成本為優(yōu)化目標(biāo)，利用第二代非支配排序遺傳算法（Non-dominated Sorting Genetic Algorithm, NSGA-II）對供電參數(shù)與儲能系統(tǒng)容量配置進(jìn)行了綜合優(yōu)化。文獻(xiàn)[9]以降低網(wǎng)壓跌落作為目標(biāo)函數(shù)，將網(wǎng)壓跌落較大的變電所作為儲能系統(tǒng)的設(shè)置點，根據(jù)網(wǎng)壓跌落情況確定儲能容量。文獻(xiàn)[10-12]在保證節(jié)能效果的同時降低投資成本，基于遺傳算法將多儲能系統(tǒng)的控制參數(shù)與容量配置進(jìn)行了協(xié)同優(yōu)化。文獻(xiàn)[13-14]根據(jù)變電所實際輸出能量，在實現(xiàn)削峰填谷的前提下，以經(jīng)濟效率為優(yōu)化目標(biāo)，對地面式電池儲能系統(tǒng)進(jìn)行了配置優(yōu)化。文獻(xiàn)[15]通過對比分析功率-容量約束配置方法與容量約束方法下地面式儲能系統(tǒng)的綜合經(jīng)濟收益，表明功率-容量約束配置法下的配置結(jié)果節(jié)能效果與經(jīng)濟效益更好。文獻(xiàn)[16-17]以節(jié)能、穩(wěn)壓為優(yōu)化目標(biāo)，提出了基于智能算法的儲能選址和配置優(yōu)化方案。

然而上述文獻(xiàn)中地面式儲能系統(tǒng)能量管理策略未能綜合考慮列車負(fù)載變化和空載電壓變化對儲能系統(tǒng)節(jié)能效果的影響。此外，目前已有的容量配置方法無法滿足地面式HESS的配置需求。因此，本文從儲能系統(tǒng)節(jié)能和變電站輸出能量的角度出發(fā)，提出基于模糊邏輯控制（Fuzzy Logic Control, FLC）的閾值自適應(yīng)調(diào)整策略，該策略可以解決發(fā)車間隔、空載電壓等因素影響下儲能系統(tǒng)節(jié)能效果差的問題。同時，基于此能量管理策略，以變電站耗電費用和儲能全壽命周期的綜合經(jīng)濟成本為優(yōu)化目標(biāo)，提出控制參數(shù)與混合儲能系統(tǒng)配置綜合優(yōu)化方案。

首先，本文建立了包含地面式HESS的城軌牽引供電系統(tǒng)系統(tǒng)，考慮發(fā)車間隔和空載電壓變化下牽引供電系統(tǒng)的能量流動規(guī)律，提出基于FLC的閾值自適應(yīng)調(diào)整策略。然后，結(jié)合遺傳算法和牽引供電系統(tǒng)仿真，優(yōu)化了模糊控制參數(shù)和容量配置結(jié)果，并對不同節(jié)能率約束下的容量配置結(jié)果進(jìn)行了分析。最后，利用北京地鐵八通線梨園站的1MW地面式HESS對所提出的能量管理策略進(jìn)行了實驗驗證。

1 閾值自適應(yīng)調(diào)整策略

1.1 城軌牽引供電及混合儲能系統(tǒng)

城軌牽引供電系統(tǒng)仿真平臺如圖1所示，包括牽引供電系統(tǒng)模塊和儲能系統(tǒng)控制模塊。圖1中，Tss為變電所，HESS為混合儲能系統(tǒng)，Veh為列車。牽引供電系統(tǒng)模塊為含有列車、儲能系統(tǒng)和變電所的多能源耦合模型。儲能系統(tǒng)控制模塊用來控制HESS的充放電電流。通過獲取變電所信息和HESS的狀態(tài)，根據(jù)能量管理策略產(chǎn)生控制DC-DC變換器中IGBT開通和關(guān)斷的占空比信號。

1.2 混合儲能系統(tǒng)雙閉環(huán)控制

傳統(tǒng)的HESS控制策略采用電壓電流雙閉環(huán)控制[18]，控制框圖如圖2所示。通過比較變電所電壓與充放電閾值ch、dis來控制儲能系統(tǒng)進(jìn)入充電模式、待機模式或放電模式。然后通過功率分配得到電池和超級電容的功率指令。功率指令除以儲能系統(tǒng)各自的電壓得到參考電流值，參考電流通過PI控制將儲能系統(tǒng)的充放電電流控制在參考指令值。為了減少電池的充放電，延緩電池衰退，本文采用超級電容優(yōu)先充放電[19]，其表達(dá)式為

圖1 城軌牽引供電系統(tǒng)仿真平臺

式中，bat為電池的充放電功率；sc為超級電容的充放電功率，電流大于0為充電模式；bat_max和sc_max分別為電池和超級電容的最大功率限制值；hess為HESS充放電功率指令。

圖2 HESS電壓電流雙閉環(huán)控制

1.3 基于FLC的閾值自適應(yīng)調(diào)整策略

受城市電網(wǎng)的影響，牽引網(wǎng)空載電壓是實時波動的，固定充放電閾值會導(dǎo)致儲能系統(tǒng)“充而不放”或“無法充電”的現(xiàn)象發(fā)生。并且，充放電閾值對儲能裝置充放電能量影響明顯，充電閾值過高，儲能裝置可吸收能量減少，充電閾值過低，則會影響列車間的能量交互；放電閾值越低，儲能裝置可放電能量越少[14]。此外，列車發(fā)車間隔對能量流動影響較大，并且存在一定規(guī)律。當(dāng)發(fā)車間隔較小時，列車剩余再生能量較小，牽引變電站輸出峰值功率較大；當(dāng)發(fā)車間隔較大時，列車剩余再生能量較大，牽引變電站站輸出峰值功率較小[17]。故充放電閾值參數(shù)的合理設(shè)置對提升地面式HESS的節(jié)能效果至關(guān)重要。因此，本文提出了基于FLC的電壓閾值自適應(yīng)在線調(diào)節(jié)策略，如圖3所示，分為充電模糊控制模塊和放電模糊控制模塊。本策略以變電站相鄰列車發(fā)車時間間隔下變電站輸出能量和儲能系統(tǒng)自身的前后周期狀態(tài)變化為判據(jù)，在線優(yōu)化儲能系統(tǒng)再生能量回收效果。

圖3 基于FLC的電壓閾值自適應(yīng)調(diào)整策略

充電模糊控制模塊的輸入量為變電站輸出電量變化量Dsub、超級電容充電量sc_in和超級電容充電量變化量Dsc_in；輸出量為充電閾值調(diào)整量D1。放電模糊控制模塊的輸入量為變電站輸出電量變化量Dsub、超級電容放電量sc_out和超級電容放電量變化量Dsc_out；輸出量為放電閾值調(diào)整量D2。第個發(fā)車間隔下的輸入量表達(dá)式為

式中，sub為變電站電壓；sub為變電站輸出電流；為in表示充電，且sc_in＞0，為out表示放電，且sc_out＜0；為發(fā)車間隔時間；為發(fā)車間隔數(shù)；為時間。

充電閾值和放電閾值分別為

在閾值調(diào)節(jié)過程中，充放電閾值需要滿足約束條件為

式中，min為放電閾值下限值；1為列車車載制動電阻起動電壓。

充放電模糊規(guī)則根據(jù)空載電壓和發(fā)車間隔變化時所對應(yīng)的變電站輸出能量、儲能系統(tǒng)充放電量及其變化量的對應(yīng)關(guān)系來制定。空載電壓升高時，變電站輸出能量增加，儲能系統(tǒng)充電量和放電量減小，此時充電閾值和放電閾值需要上調(diào)；空載電壓降低時，線路損耗增加，變電站輸出能量增大，儲能充電量變化不明顯，但此時為避免放電閾值高于空載電壓，充電閾值和放電閾值應(yīng)跟隨空載電壓下調(diào)。

發(fā)車間隔變小時，變電站電壓波動大，此時周期內(nèi)變電站輸出能量和儲能系統(tǒng)充放電量同時減小，需要降低充電閾值，避免車載制動電阻電壓過早起動；反之，發(fā)車間隔增大時，變電站輸出能量和儲能系統(tǒng)充放電量同時增加，需要提高充電閾值?？蛰d電壓和發(fā)車間隔波動時所對應(yīng)的能量變化關(guān)系見表1。表中，“↑”、“↓”和“-”分別代表增大、減小和近似不變。

表1 空載電壓與發(fā)車間隔波動時系統(tǒng)能量變化關(guān)系

Tab.1 Table of system energy variation when no-load voltage and departure interval fluctuate

根據(jù)上述充放電閾值調(diào)整規(guī)律，充電模糊控制模塊規(guī)則見表2，相應(yīng)的放電模糊控制模塊規(guī)則見表3。

輸入量與輸出量隸屬度函數(shù)如圖4所示，其中，邏輯語言“VS、M、VB”分別代表“非常小、中等、非常大”，邏輯語言“NB、NS、O、PS、PB”分別代表“負(fù)大，負(fù)小、零、正小、正大”。

基于FLC的電壓閾值自適應(yīng)調(diào)整策略如圖5所示，通過變電站和儲能系統(tǒng)采集模糊控制中所需的輸入量信息，模糊控制模塊每個周期計算一次輸入量，將每個輸入量轉(zhuǎn)換為論域上的數(shù)值，求解該值所對應(yīng)的隸屬度；通過模糊規(guī)則庫進(jìn)行推論，求解輸出量在論域的數(shù)值，最后通過解模糊化確定充電/放電閾值調(diào)整量；基于充電閾值調(diào)整量和放電閾值調(diào)整量來修正充電閾值和放電閾值。

表2 充電模糊控制模塊規(guī)則

Tab.2 The rule of charge fuzzy control module

表3 放電模糊控制模塊規(guī)則

Tab.3 The rule of disharge fuzzy control module

圖4 輸入量與輸出量隸屬度函數(shù)

圖5 基于FLC的電壓閾值自適應(yīng)調(diào)整策略

2 容量配置模型

由于儲能系統(tǒng)配置容量和能量管理策略影響著經(jīng)濟效益和供電系統(tǒng)節(jié)能量，因此本文對容量配置及能量管理參數(shù)進(jìn)行了綜合優(yōu)化。本文建立了包含儲能系統(tǒng)全壽命周期成本和供電系統(tǒng)牽引耗電費用的牽引供電系統(tǒng)綜合成本最小的容量優(yōu)化配置目標(biāo)。其中，地面式HESS全壽命周期成本的函數(shù)包括電池的全壽命周期成本和超級電容的全壽命周期成本，供電系統(tǒng)牽引耗電費用為牽引供電系統(tǒng)的耗電費用。

2.1 優(yōu)化目標(biāo)函數(shù)

儲能系統(tǒng)的容量優(yōu)化配置以降低儲能全壽命周期成本和減少變電所耗電費用為優(yōu)化目標(biāo)，其表達(dá)式為

式中，為優(yōu)化變量；為可行域；()為優(yōu)化目標(biāo)；1()為供電系統(tǒng)耗電費用；2()為HESS全壽命周期成本。

優(yōu)化變量為模糊控制隸屬度函數(shù)參數(shù)k，各變電所電池并聯(lián)數(shù)bat.和超級電容并聯(lián)數(shù)SC.表達(dá)式為

式中，為變電站編號；sub為城軌供電系統(tǒng)變電站總數(shù)。

2.1.1 供電系統(tǒng)耗電費用

目標(biāo)函數(shù)中，1()為全線變電所牽引耗能所需電費，表示為

式中，dc.為第個車站里包含電池、超級電容和變電所的耗電量；為電價。

式中，sub.為第個車站里變電所耗電量；hess(0)和hess(1)分別為HESS初時刻和末時刻的儲能系統(tǒng)能量值。

2.1.2 儲能系統(tǒng)全壽命周期成本

在優(yōu)化目標(biāo)中供電系統(tǒng)經(jīng)濟效益2()包含電池的全壽命周期成本1、超級電容的全壽命周期成本2，其關(guān)系式為

電池的循環(huán)壽命老化主要表現(xiàn)為兩個方面，電池總循環(huán)次數(shù)的減少和電池容量保持率降低[20]。電池壽命老化受電池放電深度（Depth of Discharge, DOD）、荷電狀態(tài)（State of Charge, SOC）、工作溫度[21]和充放電倍率[22]等多重因素影響。結(jié)合城軌交通負(fù)荷特性，當(dāng)儲能元件工作于安全范圍時，主要考慮放電深度對電池循環(huán)壽命的影響。

電池的循環(huán)壽命表達(dá)式[15]為

式中，DOD為電池運行在DOD變化范圍內(nèi)數(shù)目，本文中通過雨流計數(shù)法計算；N為在該DOD范圍內(nèi)的次數(shù)。

電池的全壽命周期成本可以表示為

式中，inv為電池的初始投資成本；rep為電池的置換成本；main為電池的維護(hù)費用。為了減小計算數(shù)額，全壽命周期成本按每天費用進(jìn)行評估。

電池的初始投資成本為

式中，bat為電池模組數(shù)；dcdc為電池串聯(lián)DC-DC的功率值；1和2分別為電池模組單價和DC-DC功率單價；為年金現(xiàn)值系數(shù)，可以表示為

式中，L為期望年限；為利率。

式中，為期望年限內(nèi)電池的置換次數(shù)。

由于超級電容的循環(huán)次數(shù)高，假設(shè)超級電容在期望年限內(nèi)無需更換，因此僅需考慮超級電容的初始投資成本和維護(hù)費用，其全壽命周期成本可表示為

式中，inv為超級電容的初始投資成本；main為超級電容的維護(hù)費用。

式中，sc為超級電容模組數(shù)；3為超級電容模組單價。

2.2 約束條件

在HESS容量配置方案優(yōu)化設(shè)計過程中，自變量為控制參數(shù)和容量配置方案，因變量為上述目標(biāo)函數(shù)。除此之外，還有一些其他因變量，如列車電壓、電池/超級電容充放電狀態(tài)和最低節(jié)能率。

2.2.1 列車牽引網(wǎng)電壓

列車牽引制動性能受牽引網(wǎng)電壓的影響，若牽引網(wǎng)電壓過高直至high，將導(dǎo)致列車發(fā)生再生制動完全失效切換至空氣制動，若牽引網(wǎng)電壓低于low，列車的牽引性能將受到很大影響，故應(yīng)使列車牽引網(wǎng)電壓維持在一定范圍之間。其約束公式為

式中，veh,i為列車受電弓處的電壓；為列車數(shù)量。

2.2.2 儲能系統(tǒng)充放電約束

電池和超級電容的荷電狀態(tài)和充放電電流約束條件為

2.2.3 最低節(jié)能率限制

為了滿足回收再生制動能量最低要求，設(shè)置節(jié)能率最低限制，即

2.3 容量配置流程

本文采用遺傳算法求解所提出的優(yōu)化模型。由于模型中優(yōu)化參數(shù)較多，仿真時間較長。為縮短計算時間，本文采用并行遺傳算法[23]進(jìn)行求解。該方法將計算機的高速并行性和遺傳算法相結(jié)合，可以有效地提升計算準(zhǔn)確度和速度。儲能系統(tǒng)容量配置優(yōu)化算法流程如圖6所示。將種群、列車運行曲線和列車發(fā)車間隔作為供電系統(tǒng)仿真模型的輸入條件，通過并行計算，將種群劃分為多個子種群，各種群并行獨立進(jìn)行供電系統(tǒng)潮流解析，并判斷是否滿足可行解，輸出目標(biāo)值，利用遺傳操作逼近最優(yōu)值。

圖6 HESS容量配置流程

3 算例分析

3.1 仿真條件

以北京地鐵八通線為例，選取全線進(jìn)行儲能系統(tǒng)的容量優(yōu)化配置。四惠站與土橋站之間共有13個站臺，其中除了果園站和臨河里站外，其余11個站均含有牽引變電所，八通線示意圖如圖7所示。上下行列車運行功率曲線如圖8a所示。圖8b展示了列車全天的運行發(fā)車間隔變化趨勢。

圖7 北京地鐵八通線線路

電池和超級電容單模組參數(shù)與單價、DC-DC變流器功率單價與電價見表4?？紤]到牽引網(wǎng)側(cè)電壓波動范圍700～1 000V，優(yōu)先固定儲能元件串聯(lián)支路配置，對其并聯(lián)支路數(shù)進(jìn)行優(yōu)化。超級電容采用14模組串聯(lián)，其額定電壓為672V；電池采用23模組串聯(lián)，其額定電壓為634.8V。

3.2 容量配置優(yōu)化結(jié)果

根據(jù)所提出的容量優(yōu)化配置方法，基于八通線全天發(fā)車間隔的變化，對八通線全線混合儲能系統(tǒng)容量配置和控制參數(shù)進(jìn)行優(yōu)化。

圖8 列車運行功率曲線與發(fā)車間隔變化趨勢

表4 混合儲能系統(tǒng)參數(shù)與電價

Tab.4 Hybrid energy storage system parameters and electricity price

本文采取兩種方法來進(jìn)行容量配置優(yōu)化：方法1只優(yōu)化儲能系統(tǒng)容量；方法2采用本文所提出的策略，將模糊控制參數(shù)與容量配置同時優(yōu)化。遺傳算法中，種群數(shù)為50，迭代次數(shù)為100。在節(jié)能率最低限制=12%時，兩種方法下儲能系統(tǒng)容量配置迭代結(jié)果如圖9所示。由圖可以看出，方法1容量配置結(jié)果在迭代35次后收斂，優(yōu)化目標(biāo)值為6.81萬元/天。

圖9 容量配置迭代結(jié)果

方法2容量配置結(jié)果在迭代40次后收斂，優(yōu)化目標(biāo)值為6.39萬元/天，相比方法1，綜合經(jīng)濟成本降低了0.42萬元/天。方法2下，優(yōu)化后的模糊控制隸屬度函數(shù)優(yōu)化結(jié)果如圖10所示，優(yōu)化后的容量配置結(jié)果見表5。全線中，高碑店所配置混合儲能系統(tǒng)功率和能量最大；其中，超級電容為4.2MW，電池為0.9MW。梨園站所配置混合儲能系統(tǒng)功率和能量最??；其中，超級電容為0.8MW，電池為0.2MW。

圖10 隸屬度函數(shù)優(yōu)化結(jié)果

表5 地面式混合儲能系統(tǒng)全線配置結(jié)果

Tab.5 Configuration results of ground hybrid energy storage system

此外，對于不同的節(jié)能率限制下，配置儲能系統(tǒng)后的綜合經(jīng)濟成本也不相同，其分布結(jié)果如圖11所示。由圖11可以看出，配置儲能系統(tǒng)的綜合經(jīng)濟成本隨著約束條件節(jié)能率增加先不變，后增加。在＜0.118時，綜合經(jīng)濟成本穩(wěn)定在6.37萬元/天；＞0.12時，綜合經(jīng)濟成本開始從6.39萬元/天遞增；如此可以看出，當(dāng)對節(jié)能率要求過高時，牽引供電系統(tǒng)綜合成本會提高。因此，配置較多儲能系統(tǒng)時，雖然對節(jié)能率的提升有所改善，但其提高了綜合成本。

圖11 不同w 下儲能配置最優(yōu)綜合經(jīng)濟成本

3.3 能量管理仿真結(jié)果

為了驗證本文所提出的自適應(yīng)能量管理策略，通過仿真模擬供電系統(tǒng)狀態(tài)變換情景。兩種情景仿真條件下的參數(shù)見表6，其中情景1模擬了空載電壓升高，情景2模擬了發(fā)車間隔增大時的供電系統(tǒng)環(huán)境。

表6 不同仿真條件下的參數(shù)

Tab.6 The parameters of different simulation conditions

圖12為兩種情景下梨園站儲能系統(tǒng)充放電閾值和變電站電壓曲線。圖13為兩種情景下梨園站儲能系統(tǒng)超級電容和電池SOC運行曲線。由圖可以看出，情景1下變電站空載電壓在550s時從836V變?yōu)?80V，550～1 000s時，由于空載電壓升高，此時儲能系統(tǒng)的充放電閾值過低無法放電，在本文所提出的能量管理策略下，儲能系統(tǒng)在1 000s時提高了充放電閾值，從圖13a電池和超級電容SOC曲線也可以看出，儲能系統(tǒng)開始正常充放電。情景2下，在450s時發(fā)車間隔由150s變?yōu)?50s，此時由于發(fā)車間隔的增加，儲能系統(tǒng)充放電能量增加，變電站輸出能量增加，但此時變電站電壓波動減小，通過適當(dāng)提升充放電閾值，來增加儲能系統(tǒng)的放電能量并增加車間能量交互；所以在600s時儲能系統(tǒng)的充放電閾值分別由856V和828V提升到876V和830V。

圖12 充放電閾值和變電站電壓

圖13 超級電容和電池SOC仿真波形

表7展示了兩種情景下傳統(tǒng)控制策略和本文所提出的策略下，儲能系統(tǒng)的節(jié)能率。該情景僅展現(xiàn)了仿真時間段內(nèi)梨園站的節(jié)能率情況。由表7可以看出，兩種情景下，基于FLC的自適應(yīng)能量管理策略相對于傳統(tǒng)的能量管理策略節(jié)能率都有一定的提升。其中，情景1下，由于空載電壓的升高，儲能系統(tǒng)出現(xiàn)無法放電的現(xiàn)象，本文所提出的策略可以自適應(yīng)調(diào)節(jié)充放電閾值，使節(jié)能率相比于傳統(tǒng)能量管理策略有了明顯的提升，提升了5.37%。

表7 不同能量管理策略下節(jié)能率對比

Tab.7 Comparison table of energy saving rates under different energy management strategies

4 能量管理策略實驗驗證

北京地鐵八通線梨園站安裝有1MW電池/超級電容地面式混合儲能系統(tǒng)，HESS配置參數(shù)與3.2節(jié)中梨園站配置結(jié)果一致。圖14為地面式混合儲能系統(tǒng)實物，MW級地面式HESS由正極軌、控制柜、負(fù)極柜、電池柜、變流器柜和超級電容柜組成。電池、超級電容和變換器與第3節(jié)梨園站容量配置結(jié)果一致。地面式HESS中，電池柜與2個超級電容柜分別與DC-DC變流器模塊并聯(lián)，變流器柜并聯(lián)在牽引網(wǎng)直流母線上，控制柜實現(xiàn)系統(tǒng)邏輯保護(hù)與能量管理。

圖14 北京八通線梨園站地面式混合儲能系統(tǒng)

本文對所提出的自適應(yīng)能量管理策略進(jìn)行了實驗驗證。圖15為固定電壓閾值下地面式混合儲能系統(tǒng)的實驗結(jié)果，由圖可以看出，固定閾值下會導(dǎo)致控制參數(shù)偏高或者偏低，儲能系統(tǒng)不能發(fā)揮最佳再生制動能量回收效果。

圖15 固定電壓閾值下實驗結(jié)果

圖16a為高峰期時閾值自適應(yīng)調(diào)整過程中變電站電壓、超級電容電壓及其電流和電池電流波形。圖16b為該過程中各周期內(nèi)變電站輸出電量、儲能充放電量的變化趨勢。當(dāng)在1周期檢測到儲能系統(tǒng)充放電量減小，變電站輸出能量變大時，充放電閾值開始增大，由圖可以看出，從2周期開始，隨著閾值的增加，儲能系統(tǒng)的充放電量開始增加并在3周期開始趨于穩(wěn)定。在調(diào)整過程中，變電所的輸出能量呈減小趨勢隨后趨于穩(wěn)定，3～7中變電站輸出電量相比于1周期最多減少了2.21kW·h，儲能系統(tǒng)充電量最多增加了2.96kW·h。

圖17為平峰時期的實驗結(jié)果。當(dāng)檢測到儲能系統(tǒng)的充放電能量開始減小并且變電站輸出能量增加后，經(jīng)過閾值自適應(yīng)調(diào)整，儲能系統(tǒng)的充電量提升，變電站放電量減小。由以上實驗結(jié)果可以看出，利用所提出的策略對閾值進(jìn)行自適應(yīng)調(diào)整，能合理優(yōu)化儲能系統(tǒng)的再生能量回收效果，驗證了本策略的有效性。

圖16 高峰期實驗結(jié)果

圖17 平峰期實驗結(jié)果

5 結(jié)論

本文根據(jù)空載電壓和列車發(fā)車間隔變化對儲能系統(tǒng)回收能量的影響，提出了基于FLC的地面式HESS的充放電閾值自適應(yīng)調(diào)整策略。構(gòu)建了含有電價、電池/超級電容全壽命周期成本綜合成本優(yōu)化目標(biāo)函數(shù)，綜合考慮了經(jīng)濟效益和節(jié)能率約束之間的平衡關(guān)系，采用并行遺傳優(yōu)化算法對地面式混合儲能系統(tǒng)進(jìn)行了容量配置與控制參數(shù)的綜合優(yōu)化求解。以北京八通線實際線路為案例，對全線地面式HESS進(jìn)行了優(yōu)化配置，并對配置結(jié)果進(jìn)行了對比和分析。最后，對所提能量管理策略進(jìn)行了仿真分析，并利用八通線梨園站的1MW地面式混合儲能系統(tǒng)樣機驗證了該策略的可行性和有效性。

[1] 戴華明, 李照星, 宋杰. 北京市城市軌道交通能耗現(xiàn)狀及節(jié)能措施建議[J]. 鐵路技術(shù)創(chuàng)新, 2016, 1(4): 77-80.

Dai Huaming, Li Zhaoxing, Song Jie. Present situation of energy consumption and suggestions on energy saving measures of urban rail transit in Beijing[J]. Railway Technical Innovation, 2016, 1(4): 77-80.

[2] Meishner F, Sauer D. Wayside energy recovery systems in DC urban railway grids[J]. eTransportation, 2019, 1(C): 1-17.

[3] Grbovic P J, Delarue P, Moigne P L, et al. Modeling and control of the ultracapacitor-based regenerative controlled electric drives[J]. IEEE Transactions on Industrial Electronics, 2011, 58(8): 3471-3484.

[4] Castaings A, Caron H, Kharrat H, et al. Energy storage system based on supercapacitors for a 750V DC railway power supply[C]//IEEE International Conference on Electrical Systems for Aircraft, Railway, Ship Propulsion and Road Vehicles; Inter- national Transportation Electrification Conference, Nottingham, UK, 2018: 1-5.

[5] 夏歡, 楊中平, 楊志鴻, 等. 基于列車運行狀態(tài)的城軌超級電容儲能裝置控制策略[J]. 電工技術(shù)學(xué)報, 2017, 32(21): 20-27.

Xia Huan, Yang Zhongping, Yang Zhihong, et al. Control strategy of supercapacitor energy storage system for urban rail transit based on operating status of trains[J]. Transactions of China Electrotechnical Society, 2017, 32(21): 20-27.

[6] Wang Junxing, Yang Zhongping, Lin Fei, et al. Thresholds modification strategy of wayside super- capacitor storage considering DC substation charac- teristics[C]//IECON 2015-41st Annual Conference of the IEEE Industrial Electronics Society, Yokohama, Japan, 2016: 2076-2081.

[7] Zhu Feiqin, Yang Zhongping, Lin Fei, et al. Dynamic threshold adjustment strategy of supercapacitor energy storage system based on no-load voltage identification in urban rail transit[C]//2019 IEEE Transportation Electrification Conference and Expo, Asia-Pacific, Seogwipo, Korea, 2019: 1-6.

[8] 諸斐琴, 楊中平, 林飛，等. 城軌交通牽引供電系統(tǒng)參數(shù)與儲能系統(tǒng)容量配置綜合優(yōu)化[J]. 電工技術(shù)學(xué)報, 2019, 34(3): 579-588.

Zhu Feiqin, Yang Zhongping, Lin Fei, et al. Synthetic optimization of traction power parameters and energy[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 579-588.

[9] Iannuzzi D, Lauria D, Tricoli P. Optimal design of stationary supercapacitors storage devices for light electrical transportation systems[J]. Optimization and Engineering, 2012, 13(4): 689-704.

[10] Calderaro V, Galdi V, Graber G, et al. Optimal siting and sizing of stationary supercapacitors in a metro network using PSO[C]//2015 IEEE International Conference on Industrial Technology, Seville, Spain, 2015: 2680-2685.

[11] Xia Huan, Chen Huaixin, Yang Zhongping, et al. Optimal energy management, location and size for stationary energy storage system in a metro line based on genetic algorithm[J]. Energies, 2015, 8(10): 11618- 11640.

[12] 秦強強, 郭婷婷, 林飛, 等. 基于能量轉(zhuǎn)移的城軌交通電池儲能系統(tǒng)能量管理和容量配置優(yōu)化[J]. 電工技術(shù)學(xué)報, 2019, 34(增刊1): 414-423.

Qin Qiangqiang, Guo Tingting, Lin Fei, et al. Optimal research for energy management and configuration of battery ESS in urban rail transit based on energy transfer[J]. Transactions of China Electrotechnical Society, 2019, 34(S1): 414-423.

[13] Park J Y, Heo J H, Shin S, et al. Economic evaluation of ESS in urban railway substation for peak load shaving based on net present value[J]. Journal of Electrical Engineering & Technology, 2017, 12(2): 981-987.

[14] Park J Y, Jung H, Kim H, et al. Capacity deter- mination of ESS for peak load shaving based on the actual measurement of loads in the substation of urban railway[J]. Transactions of the Korean Institute of Electrical Engineers, 2014, 63(6): 860-865.

[15] 沈小軍, 曹戈. 城軌交通制動能量回收超級電容儲能陣列配置方法對比分析[J]. 電工技術(shù)學(xué)報, 2020, 35(23): 4988-4997.

Shen Xiaojun, Cao Ge. Comparative analysis on configuration methods of supercapacitor array for braking energy recovery of urban rail transit[J]. Transactions of China Electrotechnical Society, 2020, 35(23): 4988-4997.

[16] 陳懷鑫, 楊中平, 林飛, 等. 基于遺傳算法的城軌交通超級電容儲能裝置能量管理和容量配置優(yōu)化研究[J]. 鐵道學(xué)報, 2019, 41(9): 59-66.

Chen Huaixin, Yang Zhongping, Lin Fei, et al. Management and configuration for stationary super- capacitor energy storage system applied in urban rail transit based on genetic algorithm[J]. Journal of the China Railway Society, 2019, 41(9): 59-66.

[17] 王彬, 楊中平, 林飛, 等. 基于節(jié)能穩(wěn)壓的地面式式超級電容儲能系統(tǒng)容量配置優(yōu)化研究[J]. 鐵道學(xué)報, 2016, 38(6): 45-52.

Wang Bin, Yang Zhongping, Lin Fei, et al. Study on optimization of capacity configuration of stationary supercapacitor storage system for improving energy efficiency and voltage profile[J]. Journal of the China Railway Society, 2016, 38(6): 45-52.

[18] 陳亞愛, 林演康, 王賽, 等. 基于濾波分配法的混合儲能優(yōu)化控制策略[J]. 電工技術(shù)學(xué)報, 2020, 35(19): 4009-4018.

Chen Yaai, Lin Yankang, Wang Sai, et al. Optimal control strategy of hybrid energy storage based on filter allocation method[J]. Transactions of China Electrotechnical Society, 2020, 35(19): 4009-4018.

[19] 楊浩豐, 劉沖, 李彬, 等. 基于列車運行工況的城軌地面式混合儲能系統(tǒng)控制策略研究[J]. 電工技術(shù)學(xué)報, 2021, 36(增刊1): 168-178.

Yang Haofeng, Liu Chong, Li Bin, et al. Research on control strategy of urban rail ground hybrid energy storage device based on train operating condition[J]. Transactions of China Electrotechnical Society, 2021, 36(S1): 168-178.

[20] Andoni S, Victor I, Aitor M, et al. Management strategy for market participation of photovoltaic power plants including storage systems[J]. IEEE Transactions on Industry Applications, 2016, 52(5): 4292-4303.

[21] Shen Junyi, Dusmez S, Khaligh A. Optimization of sizing and battery cycle life in battery/ultracapacitor hybrid energy storage systems for electric vehicle applications[J]. Industrial Informatics IEEE Transa- ctions on, 2014, 10(4): 2112-2121.

[22] Zhang Lei, Hu Xiaosong, Wang Zhenpo, et al. Multiobjective optimal sizing of hybrid energy storage system for electric vehicles[J]. IEEE Transa- ctions on Vehicular Technology, 2018, 67(2): 1027- 1035.

[23] Liu Y Y. Wang Shaowen. A scalable parallel genetic algorithm for the generalized assignment problem[J]. Parallel Computing, 2015, 46(1): 98-119.

Study on Adaptive Energy Management and Optimal Capacity Configuration of Urban Rail Ground Hybrid Energy Storage System

（School of Electrical Engineering Beijing Jiaotong University Beijing 100044 China）

The ground hybrid energy storage system (HESS) can effectively improve the utilization of regenerative braking energy in the traction power supply system of urban rail transit. In this paper, based on the traditional double closed-loop control strategy, the adaptive adjustment strategy of charge and discharge threshold based on fuzzy logic control (FLC) was proposed. The proposed strategy can solve the problem of the poor regenerative braking energy recovery effect in the energy storage system caused by the fluctuation of no-load voltage and the change of headway under the traditional fixed threshold strategy. In addition, according to the differences in power density, energy density and price between batteries and supercapacitors, this paper proposed a HESS sizing strategy considering energy saving rate to optimize the comprehensive economic benefits. The objective function of sizing including battery/supercapacitor life cycle cost and substation power consumption cost was then established. Taking the actual line conditions of Beijing Batong Line as a case, the parallel genetic algorithm (GA) was used to optimize the objective, and the influence of the energy saving rate constraints on sizing results was analyzed. Meanwhile, the proposed adaptive adjustment strategy of charge and discharge threshold was verified by simulation and a 1MW hybrid energy storage prototype at Liyuan Station of Beijing Batong Line.

Urban rail transit, ground hybrid energy storage system, adaptive energy management, capacity configuration

10.19595/j.cnki.1000-6753.tces.210853

TK02

中央高校基本科研業(yè)務(wù)費專項資金資助項目（2020YJS157）。

2021-06-14

2021-07-14

劉宇嫣 女，1993年生，博士研究生，研究方向為城市軌道交通節(jié)能技術(shù)。E-mail: 18117014@bjtu.edu.cn

林 飛 男，1975年生，教授，博士生導(dǎo)師，研究方向為軌道交通電力牽引傳動、節(jié)能、高速列車系統(tǒng)優(yōu)化設(shè)計等。E-mail: flin@bjtu.edu.cn（通信作者）

（編輯 陳 誠）