考虑列车运行图灵活性的光伏系统与铁路系统协同运行:模型开发与中国案例研究
《Energy》:Coordinated operation of photovoltaic and railway systems considering train timetable flexibility: model development and a case study in China
【字体:
大
中
小
】
时间:2026年09月28日
来源:Energy 10.1
编辑推荐:
• 提出了一种基于预测驱动的光伏供电铁路区段优化框架。
• 面向铁路的光伏预测与运行图规划需求相匹配。
• 将列车运行图的灵活性建模为需求侧能源管理资源。
• 协同运行图与储能系统调度改善了光伏-负荷时间匹配。
• 所提方法降低了能源成本、光伏弃电和电网依赖。
引言
列车
• 提出了一种基于预测驱动的光伏供电铁路区段优化框架。
• 面向铁路的光伏预测与运行图规划需求相匹配。
• 将列车运行图的灵活性建模为需求侧能源管理资源。
• 协同运行图与储能系统调度改善了光伏-负荷时间匹配。
• 所提方法降低了能源成本、光伏弃电和电网依赖。
引言
列车能耗占铁路系统总能源需求的很大比重,降低铁路相关电力消耗已成为低碳交通领域的重要议题。与此同时,铁路沿线、车站、车辆段及周边区域提供了可观的空间资源用于部署清洁能源设施。随着光伏系统的成本持续下降[1],将光伏发电集成到铁路系统已在技术和经济上变得可行,并逐渐受到实际关注。当光伏发电与储能系统和铁路运营相协调时,光伏供电铁路区段可以降低对外部电网的依赖,增强铁路能源供应的韧性,并降低碳排放[2],[3],[4]。
然而,光伏供电铁路区段的能源管理比传统光伏电站或微电网更为复杂。铁路牵引负荷的时间分布主要由列车运行图决定,而光伏发电则受太阳辐照、气温和天气条件支配。这两个时变过程之间的不匹配可能导致光伏弃电、储能系统运行低效以及外购电增加。近期研究强调,人工智能和数字能源技术能够改善现代电力系统中的预测、运行优化、安全数据交换和能源效率[5]。这为开发面向光伏供电铁路区段的数据驱动和数字赋能能源管理方法提供了有用背景。然而,铁路运行图调整受客运需求和运营规则约束[6]。因此,需要一个协同框架来共同优化列车运营和能源管理。
目前,光伏发电预测方法大致可分为物理模型和数据驱动方法[7]。物理模型基于光伏转换原理估算光伏系统输出,考虑太阳辐照、气温和光电转换效率[8],[9]。其主要优势在于可解释性,但通常需要详细的物理参数,且在天气快速变化的情况下灵活性较低。相比之下,数据驱动方法依赖历史或模拟光伏发电数据来构建机器学习或深度学习模型。此类方法能够捕捉光伏输出与环境变量之间的非线性关系,包括太阳辐射、气温和风速,因此适合基于数值天气预报数据的中短期预测。例如,一种结合梯度提升决策树和长短期记忆神经网络的日前光伏发电预测方法已被提出[10]。比较研究还利用数值天气预报输入对光伏预测的机器学习方法进行了评估[11],显示人工神经网络可提供高预测精度,而决策树模型具有更快的计算速度和更好的可解释性[12]。关于基于人工智能的光伏预测方法的综合综述见[13],[14],[15]。光伏预测方法已被用于支持电力系统能源管理,例如有电池储能的太阳能微电网[16]或不平衡配电网中的电动汽车充电系统[17]。
上述研究展示了数据驱动预测的有效性;然而,大多数研究聚焦于光伏电站、建筑或微电网,很少有研究针对铁路光伏系统的特定预测需求。铁路系统中的光伏预测具有不同的运行需求。在传统应用中,光伏预测主要用于实时控制、日内调度或日前能源管理。相比之下,铁路光伏预测可直接与列车运行图规划耦合。由于铁路票务和运营规划规则,列车运行图通常提前确定。因此,当在运行图优化中考虑光伏发电时,光伏输出应在运行图规划时域上进行预测,而不仅仅是短期调度时域。
光伏或太阳能铁路系统可分为两大类:光伏供电铁路车站和光伏供电铁路区段。鉴于光伏发电对铁路车站的经济效益和减碳潜力[18],[19],已开发了多种铁路能源管理模型。这些模型通常协调车站负荷、光伏系统、储能系统和公共电网。其优势在于展示了可再生能源在铁路场景中集成的可行性,但大多数模型将铁路负荷视为固定需求而非可控资源。
针对铁路车站,提出了一种考虑储能系统和光伏发电随机性的能源管理模型,用于控制智能车站的能源流[20]。进一步开发了网络化铁路车站能源管理模型,以最大化太阳能和再生制动能量的利用[21]。此外,还提出了一种面向太阳能高铁车站的综合能源优化调度模型,考虑了碳市场参与下的需求响应[22]。这些研究表明,光伏和储能可以改善车站级能源性能。
对于光伏供电铁路区段和光伏集成牵引供电系统,已研究了将牵引供电系统与水电、太阳能和风能等可再生能源相结合的集成架构[23],[24]。由于水电和风能系统需要大量土地资源,光伏系统沿铁路走廊通常更具可行性。针对分相和同相牵引供电系统,提出了交流和直流微电网集成的光伏-牵引供电系统构型[25]。为平衡能量供需、改善下一代铁路能源系统,已开发了光伏-牵引供电系统的最优调度策略[26]。对于高速铁路,考虑了太阳能和牵引负荷不确定性的同相牵引变电所光伏接入鲁棒能源管理模型[27]。还为柔性牵引供电系统和先进同相牵引供电系统提出了多时间尺度能源管理方法,以实现节约成本和高效运行[28],[29],并在电压和负荷不确定性下开发了双阶段和三阶段调度模型[30],[31]。在城市铁路系统中,考虑了与公共电网的交互和不确定可再生能源[32],并采用多智能体深度强化学习实现经济和低碳运行[33]。这些努力证实了光伏-牵引供电系统的优势,包括降低电压降、变电所取电、总能耗、接触线电流和线温[34]。然而,这些研究通常聚焦于一个或几个牵引变电所,很少在铁路区段层面将列车运行图视为可调的需求侧资源。
已综述文献的总结列于表1。现有研究为光伏预测、车站级能源管理和光伏集成牵引供电提供了宝贵基础。它们表明,光伏、储能、再生制动能量和先进优化方法可降低能源成本并提高可再生能源利用率。然而,这些研究主要面向铁路车站或单个牵引变电所设计,其模型通常假设牵引负荷是固定的。因此,它们无法充分利用列车运行图灵活性所创造的负荷转移潜力。
已有若干研究从交通角度探索了列车运行优化。速度曲线可优化以降低单列列车的能耗[35],[36],而最优运行图和停站规划可平衡节能与客运需求[37],[38]。一种两步法被提出以联合优化运行图和列车运行,实现铁路系统能效提升[39]。多目标模型也被用于在不同列车负荷下生成节能列车轨迹[40],[41],且偏离原运行图的不确定性会影响能源管理决策[42]。然而,大多数列车运行研究并未明确将光伏预测、储能调度、电网购电和可再生能源弃电整合到统一的区段级能源管理框架中。
因此,关键研究空白在于缺乏一个宏观优化模型,该模型能够利用运行图灵活性来改善牵引需求与光伏发电之间的时间匹配。为弥合这一空白,本文提出了一种基于光伏发电预测的集成多目标优化框架,该框架协同列车运营和能源管理。与以往研究相比,所提模型在三个方面有所不同:(i)将列车运行图灵活性视为主动的需求侧资源,而非固定输入;(ii)将光伏预测与铁路运营时域上的提前运行图规划相耦合;以及(iii)在铁路区段层面优化牵引负荷、光伏发电、储能、再生制动能量与公共电网之间的能量交互。
所提模型在铁路与光伏融合相关的最新研究中做出了三点贡献:
(1)开发了面向铁路的光伏预测框架,通过将预测时域与铁路售票提前期对齐,使预测信息能够支持提前运营规划。在候选模型中,梯度提升决策树展现出最佳预测性能,因此被采用于后续优化过程。
(2)将铁路运行图灵活性建模为需求侧能源管理资源。所提多目标优化模型显式捕捉列车出发决策、牵引负荷再分配、光伏发电、储能运行和电网交互之间的时间耦合,从而将传统铁路能源管理从被动能源调度扩展至主动负荷整形协同。
(3)定量揭示了通过运行图灵活性提升可再生能源利用率的内在机制。案例研究表明,微小的运行图调整即可改善光伏-负荷时间匹配,减少电网购电和可再生能源弃电,并在无额外基础设施投资的情况下延长纯光伏运行时长。
本文其余部分安排如下。第2节介绍光伏预测方法、评估指标和协同优化模型。第3节描述模型线性化和求解方法。第4节展示实际案例研究并讨论结果和模型局限性。第5节总结结论和未来研究方向。
章节摘要
系统结构描述
在传统牵引供电系统中,电相分隔限制了相邻供电臂和牵引变电所之间的直接能量交换。为克服这一限制,已提出多种基于换流器的牵引供电结构,例如基于分区柱换流器的牵引供电系统[43]、同相牵引供电系统[44]和柔性牵引供电系统[45]。其中,基于分区柱换流器的牵引供电系统为相邻供电臂和牵引变电所之间的有功功率交换提供了实用接口,同时也
求解方法
图6展示了三阶段求解方法框架。它包含三个顺序阶段:模型线性化、解生成和求解评估。第一阶段将所提模型转化为多目标混合整数线性规划模型。第二阶段使用ε-约束法生成帕累托解。第三阶段通过基于熵的TOPSIS法确定最优折中解。
案例研究
进行了实际案例研究以验证所提方法。所有实验和计算分析均在一台运行Windows 10操作系统、配备2.8 GHz CPU的个人计算机上完成。
结论
本文提出了一种基于预测的多目标协同优化框架,用于光伏供电铁路区段的能源管理与列车运行一体化。通过显式耦合光伏发电、列车运行图和储能系统运行,所提框架解决了可再生能源供应与牵引负荷需求之间的时间不匹配问题。
首先,开发了多种机器学习模型用于光伏发电预测并对其进行评估。结果表明,GBDT模型取得了最佳预测
作者贡献声明
贾利民:监督、概念设计。张哲:初稿撰写、方法论、资金获取、数据整理。王君阳:可视化、软件、调查
利益冲突声明
作者声明与本工作不存在利益冲突。我们声明没有任何商业或关联性利益构成本次提交工作的利益冲突。
致谢
本研究得到国家重点研发计划重点项目(批准号2021YFB2601303)的支持。
张哲 | 王君阳 | 贾利民
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号