Rail Transit “Network-Source-Storage-Vehicle” Collaborative Energy Supply Technology System
-
摘要:
为降低轨道交通系统牵引能耗，轨道交通“网-源-储-车”协同供能技术通过可再生能源的就地消纳，构建新型协同供能技术体系，实现跨时空高效用能. 针对此新型供电系统结构，本文全面分析协同供能系统的物理架构、信息架构和社会架构的基本组成及类型特征；在此基础上，围绕资产能源化的基本概念，总结“荷-源”时空匹配评估方法与优化技术，并从系统角度阐述多源融合技术、保护重构、弹性评估等重要技术体系；重点分析“网-源-储-车”协同的高效能与高弹性的能源自洽技术，并基于人工智能和信息技术构建多层级能量管控系统，实现不同能量流的高效耦合，保障系统安全稳定经济运行. 本文系统性地总结了轨道交通“网-源-储-车”协同供能系统的架构特征、评估优化、安全运维及协同运行等关键技术，阐述协同供能系统的技术组成体系，为协同供能系统的工程实践提供相应参考.
Abstract:In order to minimize energy consumption in rail transit systems, the coordinated power supply technology of “network-source-storage-vehicle” integrates with renewable energy power generation systems along the line. This approach establishes a new coordinated power supply technology system that enables efficient energy utilization across time and space. This paper comprehensively analyzes the fundamental composition and characteristic types of physical, informational, and social architectures within the coordinated power supply system. Building upon this analysis, it introduces a temporal and spatial matching evaluation method for "load-source" based on the core concept of asset energization from a systemic comprehensive evaluation and operational perspective. Furthermore, it elaborates on important technological systems such as multi-source integration, protection reconstruction, and elastic evaluation. Emphasizing efficient energy-saving operations, it focuses on high-efficiency and high-resilience energy self-consistency technology through coordination among network, source, storage, and vehicle components. Additionally, leveraging artificial intelligence and information technology tools is proposed to construct multi-level energy management systems aimed at achieving effective coupling of diverse energy flows while ensuring safe, stable, and cost-effective operation of the system. The paper systematically summarizes key technologies related to the “network-source-storage-vehicle” coordinated energy supply system for rail transit including architectural characteristics; evaluation; optimization; safe operation; as well as coordinated operation of the system. It also outlines technical composition systems relevant to coordinated energy supply systems providing valuable references for engineering practices.
-
Key words:
- Rail transit /
- energy self-consistent /
- coordinated energy supply /
- elasticity assessment
-
轨道交通作为交通网络的重要组成，具有运量大、速度快、成本低的综合优势，事关国家经济、民生与社会发展. 当前，我国已拥有世界上最大规模的轨道交通网络，包括4.5万公里高速铁路、11.9万公里电气化铁路、1万城市轨道交通[1]. 但随着路网规模的持续扩大以及电力机车数量的增加，轨道交通能耗问题日益突出，其能耗约占全社会总用电量的2%[2]. 而我国轨道交通网络覆盖国土广阔，与能源网在地理空间上具有众多交集，铁路沿线存在大量以风力、水力、太阳能为主体的可再生资源，具有较大的新能源吸纳潜力[3]，如果能够有效利用该部分能源对于降低轨道交通碳排放具有重要意义. 因此，轨道交通绿色化、智能化、信息化发展是响应“双碳”目标和践行《交通强国建设纲要》的关键举措[4]. 为实现以上目标，轨道交通能源供给有必要围绕高效能、高弹性、绿色化3大历史使命进行演化.
为降低轨道交通用能全寿命周期的碳排放量，最有效的途径是可再生能源的就地消纳，实现轨道交通低碳、高效用能. 因此，有必要构建新型的轨道交通协同供能体系，这种新型供能体系具备以下特点：
1） “源-荷”一体化：从牵引侧来看，轨道交通系统自身拥有的光、风等资源禀赋可转化为能源并直接接入牵引供电系统，轨道交通系统附近的可再生能源也有望逐步接入牵引供电系统. 在此背景下，牵引供电系统将从单纯的“负荷”转变为“源-荷”一体化供能系统，即在牵引时段列车用能既可来自外部电力系统也可来自轨道交通自身的新能源储能系统，而在空闲时段可将多余电能反馈给外部系统，因此将同时具备“源-荷”特性[2].
2） “物理-信息-社会”协同：随着物联网等信息技术的发展，通过新一代人工智能技术对实时信息快速处理，实现牵引供电系统的快速全息感知，使得轨道交通供能系统更加智能化和信息化. 与此同时，从社会属性来看，一方面，因可再生能源的接入，铁路运营企业的业务范围扩大，由单一的“用能企业”转换为“供能企业”，因此，将促使铁路运营企业在政策、管理和机制上发生变革；另一方面，新型轨道交通供能体系将更加注重与社会发展的和谐性，依据可再生资源的分布特性，促进可再生资源的就地消纳，实现轨道交通与自然环境的绿色和谐共处[5]. 与此同时，新型轨道交通将充分考虑人口分布特性、出行行为特性、物流现状等特性，逐步演化为与社会特性相耦合的智慧轨道交通体系架构，实现轨道交通高效协同用能[6].
3） “高效-高弹性”运行：一方面，轨道交通新型供电系统体系的交互主体更加多样，包括可再生能源发电设备、储能设备、电能变换设备，导致“网-源-储-车”各环节间协同运行机理更为复杂；另一方面，可再生能源的接入会增加能量流的双向不确定性，导致运行工况更加复杂，因此，迫切需要构建高弹性系统供能体系，确保系统安全稳定运行[7].
上述3个特点决定了牵引供电系统需要增强与外部电力系统、新能源发电系统、移动牵引负荷在信息层、物理层以及社会层的联系，建立多场景驱动的轨道交通“网-源-储-车”协同供能技术体系，将物联网、大数据、云计算等先进技术运用于现有系统，实现高效率、高弹性、高可靠协同供能. 在该技术体系中，“网”既可代指外部电力系统网络，也可代指牵引网，二者共同组成灵活柔性可靠的新型供电网络；“源”为轨道交通沿线的风能、水能、太阳能等综合新能源供电系统；“储”为地面式或车载式的多种储能设施及储能方法；“车”为牵引供电系统中的电力机车牵引负荷. 通过“网-源-储-车”协同的轨道交通自洽供电技术，实现信息、交通、能源和社会的有机融合，进一步提升能源的跨区域、跨时间利用水平[8]，降低轨道交通用能的全寿命周期碳排放量.
当前轨道交通“网-源-储-车”协同供能主要面临3类技术挑战：一是目前轨道交通规模巨大、供能体系已形成，导致旧线改造与新线建设的“网-源-储-车”协同供能技术路线标准化困难；二是新能源与牵引负荷的随机性与冲击性，使得供需双向的不确定性凸显、能流调控困难[9]；三是轨道交通线路分布广泛，新能源、牵引负荷与储能系统各类参数时变，导致各环节协同运行复杂[10]. 因此，轨道交通“网-源-储-车”协同供能技术需要设计场景适配下的协同多源供电系统架构，研究高效能与高弹性的能源自洽技术以及配套的能源管控技术，并开发分布式可再生能源和储能接入的轨道交通电力变换与互联装备，形成轨道交通“网-源-储-车”协同供能系统的新型供电系统模式.
1. 轨道交通“网-源-储-车”协同的多源供电系统架构
在构建轨道交通“网-源-储-车”协同供能系统的过程中，需要考虑既有和新建电气化铁路的用能场景、用能模式与未来用能需求，构建相适配的“网-源-储-车”协同供能系统物理架构、信息架构和社会架构，揭示“网-源-储-车”广域分布式能量流时空耦合机理，并建立多源协同的自洽适配机制.
1.1 轨道交通“网-源-储-车”协同供能物理架构
轨道交通存在以普速铁路、高速铁路以及城市轨道交通为代表的多种复杂用能场景. 随着牵引供电技术的发展，以功率融通设备[11]、同相供电技术[12]、贯通式供电技术[13]为代表的新型供电技术为实现电网、牵引网、新能源、列车及储能装置的融合提供了新的思路. 轨道交通“网-源-储-车”协同供能系统结构如图1所示. 该系统不仅可以针对既有结构进行改造，也可在新建线路中采取全新的物理架构，实现系统在电能质量、能效及稳定性的多维度提升.
图 1 轨道交通“网-源-储-车”协同供能系统结构Figure 1. “Network-source-storage-vehicle”collaborative energy supply system structure of rail transit1.1.1 基于功率融通设备的互联架构
基于功率融通设备的互联架构如图2所示. 该方案在不同变电所（供电臂）通过功率融通装置（如铁路功率调节器装置）互联[14]，同时新能源系统、储能系统、能馈系统采用并联接入的方式，即使在部分系统故障的情况下也不影响牵引供电系统正常供电.
图 2 基于功率融通设备的互联架构Figure 2. Interconnection architecture based on power fusion equipment该方案保留了传统电磁变电所、电分相等基本结构，对现有牵引变电所结构改造较少. 因此，技术相对成熟，适合对既有线路进行改造[8]，同时可综合实现电能质量治理、柔性过分相以及牵引网融冰等功能[8]. 但牵引负荷所带来的三相不对称问题依旧存在[15]，且相较于贯通方案能量传输损失较大，供电能力低于贯通方案及高压直流方案[16]. 此外，由于涉及多套电力电子设备，每一处电分相都需要安装功率融通设备，使得不同工况下的能量管理系统与控制系统相对复杂[17].
1.1.2 基于组合式同相供电的互联架构
基于组合式同相供电的互联架构是在组合式同相供电系统的基础上，通过功率融通装置将牵引变压器异相输出变换为同相输出. 同时利用功率融通装置直流环节构造直流母线[18]，汇流新能源、储能、能馈等结构. 由于采用了同相供电方式，可综合解决电能质量问题[19]，其架构如图3所示.
图 3 基于组合式同相供电的互联架构Figure 3. Interconnection architecture based on combined in-phase power supply由于该方案采用三相-两相平衡变压器，相较于功率融通方案，需较大程度改造牵引变电所，既可用于既有线路的改造[12]，也可用于对电能质量有较高要求的新建线路[20]. 另一方面，该方案取消了变电所出口处电分相，供电能力有一定提升，同相供电距离可达50～60 km，目前已有相关工程实际经验[21].
1.1.3 基于贯通供电的互联架构
基于贯通供电[13]的互联架构采用三相-单相电力电子变电所组合搭配的方式[22]，该方案采用电力电子式变压器构成的牵引变电所构建长距离贯通供电系统. 其中，新能源、储能、能馈系统等通过电力电子变电所中间直流环节汇流，基本结构如图4所示.
该方案实现了全线贯通，取消贯通区间内的变电所出口、分区所电分相和无电区. 因此，供电能力更强[23]，且牵引变电所间的能量可以协调互补，牵引网全线输出电压电流可调可控，适合高速、重载以及山区铁路等运行场景[24]. 但该方案需要完全重建现有牵引供电系统，同时还需考虑负序补偿等技术难点[22].
1.1.4 基于高压直流贯通线的互联架构
基于高压直流贯通线的互联架构取消了传统电磁式牵引变电所，由三相整流器整流形成高压直流贯通母线，再由多个群组单相逆变器转换为25 kV贯通母线，通过汇流设备构造低压直流母线，连接新能源、储能、能馈系统等，结构如图5所示.
该方案采用高压直流母线传输电能，能有效降低传输损耗，进一步提升供电能力，同时消除全部电分相. 因此，相较于其他架构供电能力更强，适合高速、重载以及山区铁路等运行场景. 但该方案不仅要重建现有牵引供电系统，还需新建高压直流输电系统，且相关研究尚属起步阶段，存在负序补偿[25]、功率平衡[26]、均衡电流评估[27]等技术难点，尚未有相关工程经验.
1.2 轨道交通“网-源-储-车”协同供能系统信息架构
目前电气化铁路主要采用分段、分相供电模式，相对于能量互联架构的运用场景、对象设备、基本结构存在较大差异，为实现不同架构下各子系统的协调、安全、可靠运行，需要依靠多层级信息交互融合技术，从而完成对复杂系统的实时控制与能效评估，并建立相应多维运行评估体系，支撑协同供能系统的综合能量优化管控. 针对多主体能量互联架构中存在的多级信息处理需求，多层级信息互联融合技术建立了线路级-变电所级-区域级3层信息交互架构，如图6所示.
图 6 基于物联网的云边协同信息处理技术架构Figure 6. Cloud-side collaborative information processing technology architecture based on the internet of things线路级：通过多主体、多层级实时信息互联，快速采集底层信息，并完成预处理，提升信息感知的实时性、传输的准确性、数据处理的快速性.
变电所级：通过对底层数据的管理分析，形成变电所级的实时监测与数据管理系统，为变电所级设备实时控制、能效评估提供数据支持.
系统级：将处理后的信息上传给调度中心，形成线路区域级的多所信息融合与管理系统，实现协同供能系统综合能量优化管控.
为实现线路级-变电所级-区域级3层信息交互架构，需要构建“端-边-云-智”信息技术和数据处理架构.
1.2.1 端：多主体信息实时感知技术
由列车、分区所、牵引网、新能源系统、储能系统及电力系统的大量传感器与处理器组成线路级的底层分布式系统检测与数据传输系统，将各类数据实时上传，实现对数据的精准感知[28]. 一方面，随着5G、北斗卫星的推广使用，将加大感知覆盖力度，例如，可实现多列车用能的协同管控，以及多能量流的协同自洽. 另一方面，牵引供电系统内部的实时感知对传感机理及设备提出了更高要求，通过对新型材料的研发，例如复合光纤接触网、高精度传感设备等，提高对牵引供电系统内部设备的感知能力，实现各种复杂工况的精准感知.
1.2.2 云-边：云边协同的信息处理技术
轨道交通“网-源-储-车”协同供能系统存在大量分布式传感设备用于实时感知与检测，在物联网的背景下各子系统产生的数据通过多层级信息互联融合技术实现信息在线路、变电所及更高区域的交汇融合，但还需具备对海量数据进行实时处理的能力[29]. 传统的信息处理方式利用信息传输网络，将网侧、源侧、储能侧及列车侧的数据统一上传到调度侧的云计算中心，通过大型云计算对数据进行处理. 然而，在实际运行中调度中心既要对基础数据进行筛选计算，还需对系统的运行状态进行能效评估、实时分析，同时还要负责区域协调控制，随着物联网接入设备的增加会给调度中心的信息处理系统带来沉重的负担.
针对轨道交通“网-源-储-车”协同供能系统中庞大的信息计算需求，基于物联网的云边协同信息处理技术将调度侧的云计算网络与设备侧的边缘计算进行整合，由边缘计算负责实时、短周期的数据分析与本地决策[30]，从而对储能系统、新能源系统、牵引供电系统的信息进行判别与整合，在变电所层级就完成实时控制与能效评估，减轻后续环节的通信与数据处理压力. 同时利用三层信息互联融合网络，将处理精简后的变电所运行状态打包上传给云计算系统，完成各类非实时、长周期的大数据决策、分析，如协调各牵引变电所优化运行，完成故障重构自愈等.
1.2.3 智：大数据和人工智能的数据处理技术
随着大数据、人工智能技术的快速应用，可对数据进行快速处理和高效决策. 从线路级和变电所级角度来看，基于轻量化的深度学习架构下的模型及机器学习算法，在边缘侧对数据进行快速剪枝、量化、压缩，实现对微粒度的数据在边缘侧进行特征提取以及物理资源的快速区域自治. 从区域级角度来看，一方面，可利用知识图谱对网侧、源侧、储能侧及列车侧的数据进行关联特征提取，快速挖掘网、源、储和车的协同耦合特性. 另一方面，由于“网-源-储-车”能量流具有时变、双向不确定性，因此，可利用具有model-free[4]的强化学习对能量流进行动态实时协同优化，实现高效用能.
1.3 轨道交通“网-源-储-车”协同供能系统社会架构
1.3.1 运营机制：产消者运行模式
随着可再生能源和储能接入牵引供电系统，铁路系统也逐渐成为电能的主要生产者之一，使得铁路能源结构从“源-网-车”变成“网-源-储-车”模式，如图7所示. 此时，铁路运营企业不仅作为能源的消费者，同时也作为能源的生产者，因此其经营对象将发生根本性改变. 除了传统的铁路物流运营业务之外，铁路运营企业需考虑能量最优配置. 主要包括3个方面：第一，企业内部需要通过能量管理实现能量的最优配置，通过在全局层面综合统筹再生制动能量的释放与利用，以最低的综合能量成本完成运输任务[8]；第二，随着电力市场的深化改革，铁路运营企业与电力运营商可实现双向互动，根据当前新能源用电成本与市场电价之间的关系定制合理的电能交易计划，赚取差额实现盈利；第三，由于铁路线路运行涉及跨区域运行，故同一条线路涉及多个铁路运营企业，需要协调多个铁路运营企业之间的能量配置. 因此，在未来如何协调铁路运行企业内部、不同铁路运营企业之间以及铁路运营企业与电力运营商之间的能量配置，将会产生新的铁路运行机制.
图 7 牵引供电系统产消者运行模式Figure 7. Operation mode of producer and consumer of traction power supply system1.3.2 资源配置：资产能源化
铁路系统和能源系统（与风、光、水资源能源网络）存在众多交集，在未来铁路修建的过程中，还需考虑轨道交通沿线能源应用潜力[10]. 基于我国风、光资源分布情况，综合考虑轨道交通绿色用能、高效运行的资源禀赋，研究新能源与轨道交通系统（含运载车辆、线路设施）的联合分布情况，从而判断新能源基本应用潜力，实现多源高效、经济、可靠融合，提升“网-源-储-车”协同供能系统的弹性.
1.3.3 社会行为：“网-源-储-车-人”耦合
随着网、源、储、车的高度耦合，使得参与主体多样化，众多实体企业与个人参与其中，例如生产者（包括铁路运行企业和电力运行商）、消费者、乘客等，同时也包含行政机构，例如监管机构、不同运营企业的能量调度机构等. 各实体企业和机构通过政策、法规、消费、运行进行交互、互动，从而使人与系统交互更加紧密以及参与行为更加多样化[6]. 因此，需要充分考虑运营企业的生产行为、储能行为、消费行为和交互行为，这些行为将对新型牵引供电系统的用能特性产生间歇或持续、积极和消极的影响. 在未来，有必要系统、全面地分析和探讨“人”在“网-源-储-车”中的重要作用.
2. 轨道交通“网-源-储-车”协同的高效能与高弹性轨道交通能源自洽技术
轨道交通能源自洽技术即针对复杂多源系统，通过负荷匹配、能量消纳、广域协调等技术，实现能量在发电、传输、存储和利用等环节的高效能、高弹性使用. 但“源-荷”匹配存在气象条件、功率波动等多重不确定性，同时网络化的结构也增大了继电保护方案的复杂性. 针对存在的问题，轨道交通“网-源-储-车”能源自洽技术旨在提升系统协同效率，降低故障对系统的运行影响，提升故障状态下系统恢复速度，实现高效能、高弹性运行.
2.1 轨道交通基础设施资产能源化与多源融合技术
我国轨道交通分布广泛，与风、光、水资源能源网络存在交叉重叠，为量化可再生能源应用潜力，需要建立“源-荷”时空匹配度评估体系，通过资产能源化方案，建立经济-技术评估模型，实现多源高效、经济、可靠融合，提升“网-源-储-车”协同供能系统的弹性与效率.
2.1.1 轨道交通资产能源化应用潜力评估
轨道交通资产能源化即依据新能源与基础设施的综合分布，建立以发电、用能模型为代表的评价方法，通过用能自洽率等评估指标，综合判断轨道交通沿线能源应用潜力[31]. 在此基础上，通过建立风能发电模型、光伏发电模型[32]，用于评估外部新能源系统的发电装机容量、出力波动情况，同时结合轨道交通用能情况，针对牵引供电系统的功率特点、用能情况，可采用关联分析方法，通过该评估体系实现对轨道交通基础设施资产能源化应用潜力的量化分析，提升“网-源-储-车”系统能源利用综合效率.
2.1.2 “荷-源”时空匹配评估优化技术
“荷-源”时空匹配是系统高效能、高弹性运行的关键所在，由于新能源发电系统与牵引供电系统都存在功率波动大、随机性强等特点[33]，如果二者在时间与空间尺度无法协同匹配，不仅无法完全消纳新能源发电能量，还可能引起电压波动、谐波等电能质量问题[10].
因此，针对不同类型的新能源发电系统，需要建立计及安装容量、地理位置等因素的发电功率预测方法，同时基于牵引计算，建立考虑线路与车型的变电所负荷功率预测方法，并在此基础上，建立源荷交互模型，如图8所示. 通过分析系统装机容量、地理气象条件及行车安排等因素对源-荷匹配度的影响，优化新能源系统发电计划及行车组织，提升能量利用效能.
图 8 源-荷时空匹配度评估及优化方法Figure 8. Source-load space-time matching degree evaluation method2.1.3 计及经济-技术指标的多源融合方法
轨道交通“网-源-储-车”系统多源融合方法即在考虑多种运营场景、研究资产能源化应用潜力的背景下，通过对以系统全寿命周期收益为代表的经济性评价模型、以供电能力与电能质量为代表的技术评价模型分别建模，研究多源系统的容量配置与能量管理方案[34]. 针对系统全寿命周期收益模型，既要考虑“源”侧所产生电能的电度效益，也要考虑“储”侧所降低的容量电费与电度电费的总量，还需要考虑设备折旧、人工维护成本；针对技术评价模型，通过对系统供电能力、电能质量、维护难易程度进行综合评判，与经济型指标共同组成评估体系，优化多源系统容量配置和能量管理方案[35].
2.2 轨道交通自洽能源系统高效能与高弹性规划配置技术
轨道交通自洽能源系统既要实现能量在内部网络的高效利用，同时也应当具备故障状态下的高韧性供电能力. 在当前“网-源-储-车”协同供能系统结构中，降低源-车供需匹配随机性与提升源-储经济运行效率是增强系统效能的有效手段.
2.2.1 源-车供需匹配方法
由于牵引负荷与新能源系统均存在波动性与不确定性，因此，新能源出力与牵引负荷的时空匹配程度对于提升电能利用效率具有重要意义[36]. 当前以“车-储”型能量管理系统为代表的传统能量管理方案并未考虑牵引负荷与新能源系统的协同配合[37]. 因此，为提升二者的匹配程度，一方面需要建立分布式可再生能源供能时空模型，通过对历史数据的统计分析，实现对模型的参数辨识与校正，掌握可再生能源供能以及牵引负荷的基本运行规律[38]. 在此基础上，根据实测数据、运行时刻表及与气象条件预测近期功率波动，为设定发电计划、调整功率协同方案提供依据[39]；另一方面，还需根据牵引负荷与新能源出力的时空匹配关系优化发电计划及行车组织. 基于二者的时空匹配程度，设计基于“网-源-车-储”协同的能量管理系统不同于传统的“车-储”型能量管理系统，该系统将实现新能源发电系统、储能系统、牵引负荷的协同工作，考虑新能源直接供电以及通过储能系统迂回供电等多种运行工况，并根据“源-车”供需匹配自适应调整能量管理系统，提升新能源发电及再生制动能量的利用效率[12].
需要注意的是，新能源系统的接入会导致负序、谐波、功率因数等各类电能质量问题[36]，因此，在评估“源-车”供需匹配关系时还需考虑此类问题对于牵引供电系统的影响.
2.2.2 源-储经济配置模型
新能源系统与储能系统作为现有牵引供电系统的新增部分，二者存在协同关系. 新能源发电系统需要根据储能系统的容量来配置装机容量，而储能系统则需要满足新能源发电系统的功率需求，因此，二者容量配置的本质是在考虑实际运行条件和技术要求的基础上，以综合成本最低且经济效益最高为目标的协同优化问题[40]，优化模型如图9所示.
图 9 “源-储”双层协同优化结构Figure 9. “Source-storage” double-layer collaborative optimization structure在储能系统中，由于储能系统的电压、电流、功率、容量等基本参数取决于储能介质的电学特性[41]，因此，在满足电气约束及物理条件约束的基础上，需要尽可能提升经济效益及能量利用效率，同时降低设备造价[42]. 需要注意的是，储能系统的容量配置既取决于系统的技术参数，也受工程成本造价的制约，仿真结果表明，通过利用优化算法得到满足技术要求的帕累托优化前沿，再通过成本、效率等技术指标进行二次选优，可实现在满足各项技术指标的前提下缩短成本回收年限[42].
在新能源发电系统中，由于各子系统装机容量直接决定了发电总功率、成本造价等各项基本参数，因此，在外部储能容量与机车负荷基本确定的情况下，可通过调整各系统的装机容量来提升能量自洽体系内的能量利用效率. 与储能系统容量配置相似，也需要建立多目标优化模型，在考虑建设成本、消纳能力等技术指标的前提下，减少弃风弃光弃水情况的发生，降低建设成本、维护费用[11].
2.3 故障工况下轨道交通自洽能源系统广域保护原理与协同自愈重构策略
相对于传统牵引供电系统，“网-源-车-储”协同供能系统设备更加多元，系统拓扑网络更加复杂. 随着贯通、融通设备的加入使得故障传播影响范围大大拓宽，故障不仅会影响所内系统，还有可能在所间传播，从而对故障判别、故障定位提出了新的挑战，需要建立全时段、多级别的广域保护机制及完备的重构自愈控制策略以应对各类故障情况.
2.3.1 多级广域保护技术
当前牵引供电系统主要采用面向设备/间隔的保护控制方案，各保护系统之间相互独立，量测信息限定在本设备或间隔区域内部[43]，相互之间通过预设的启动值与延时来达到配合的效果，难以满足站域级别系统的保护与控制[44]. 针对“网-源-储-车”协同供能体系存在的故障概率高、影响广、定位难等问题，多级广域保护技术在面向设备/间隔的常规保护基础上，基于分布式可再生能源的出力特性、牵引网阻抗特性、储能装备充放电特性、列车牵引特性建立供能系统精确模型，分析不同负荷背景下故障扰动在“网-源-储-车”各部分间的传播特性，利用冗余信息数据来提升数据的可靠性，应对可能发生的故障[45].
牵引供电系统的多级广域保护主要以供电臂作为基本保护单元，将牵引变电所、AT所及分区所的保护装置通过信道相互连接，各设备间均采用IEC 61850通信标准，实现设备间互联、互通、互操作以及站间、站内监控数据的共享、分析及判断. 多级广域保护系统由站控层、间隔层与过程层3层结构组成，结构如图10所示[44]. 过程层负责就地保护控制，主要由一次设备、保护测控装置及故障测控等装置构成，该层一方面需要采集一次设备的状态参数，另一方面需要控制断路器完成快速跳闸，此外也可执行站控层与间隔层的指令；间隔层负责站域内部保护控制，主要由就地保护装置、站域装置、远动信道等装置构成环形结构[46]，该层利用所内通信信道协调控制变电所内部多个智能终端，实现所内故障识别与排除；站控层是广域保护的站间控制主体，根据各所的实时信息对站间故障进行识别、分析、处置，实现对牵引供电系统范围内各所的全方位保护.
2.3.2 多层级协同的自愈控制策略
对于“网-源-储-车”协同供能系统中可能发生的潜在故障，多级广域保护技术能够在短时间内完成故障的判别与跳闸，但传统的牵引供电系统综合自动化系统虽然设置了重合闸程序以解决瞬时性故障的影响，但针对永久性故障的隔离仍然需要人工参与处理. 随着系统结构的复杂化及设备互联程度的提升，依靠智能化的重构自愈系统解决永久性故障的识别、判断及处理是提升系统供电可靠性及故障恢复速度的有力手段. 当前自愈控制策略存在以专家系统、数学优化、智能算法等多种技术路径[44]，通过不同的技术手段建立针对故障设备/区段的相应重构自愈流程.
当“网-源-车-储”协同供能系统发生永久性故障时，由广域保护系统对供能系统各端口的电压、电流、功率、阻抗进行分析，对比负荷与故障的时域和频域差异，采用傅里叶变换、小波算法等信号处理技术发现各类故障的时频识别特征，实现快速、精准切除故障设备并隔离故障区域，此时重构自愈系统自动介入故障恢复流程[47]. 通过运用图论识别供能系统数学拓扑，根据保护动作信息、开关状态确定故障设备或故障区段，以剩余供电能力最大、健全区段影响最小建立供能系统自愈目标，研究搜索算法快速生成自愈候选方案集，根据熵权理论确定最优方案并构建多层级协同的自愈控制策略[48].
2.4 “网-源-储-车” 协同供能系统的能效、弹性评估和RAMS提升技术
为优化“网-源-车-储”协同供能系统整体运行效能以及化解风险的能力，需要构建系统能效、弹性评估指标体系及量化评估模型，综合考虑能效、弹性和自洽的评估方法及灵敏度分析方法，对系统的可靠性、可用性、可维护性以及安全性进行客观评估，并对RAMS （reliability, availability, maintainablity and safety）评估结果的薄弱环节进行针对性强化，保障系统高效能、高弹性运行.
2.4.1 能效、弹性评估模型
通过分析新能源、储能、轨道交通牵引用能与非牵引用能等能效特性，研究不同运行目标及方式的“网-源-储-车”轨道交通自洽能源系统能效耦合关系，进一步表征“网-源-储-车”轨道交通自洽能源系统的弹性规律，分析能效、弹性的影响要素，构建评估框架与评估指标集，建立量化评估模型. 与此同时，为提高系统对极端灾害的抗毁能力，可从灾前预防抵抗能力、灾时响应吸收能力以及灾后快速恢复能力出发，分析“网-源-储-车”的弹性特性，研究系统应对复杂环境的抵抗能力，提出“网-源-储-车”最小供电单元划分与自恢复应急响应方法以及灾后应急维修策略与快速供电恢复策略，为提高复杂环境下“网-源-储-车”安全稳定运行、灾后快速恢复运行提供指导，从而实现“网-源-储-车”灾前-中-后全息态势感知.
2.4.2 RAMS评估方法及提升技术
RAMS评估即对“网-源-储-车”协同供能系统的可靠性（reliability）、可用性（availability）、可维护性（maintainability）以及安全性（safety）这“四性”进行长期性的评估、判断及分析，主要评估对象包括：系统中的电力设备、通信设备等，通过对全生命周期实时感知，保证系统的安全可靠运行[49]. 在RAMS管理层面，需要依据当前GB （TB）、IEC及EN标准，针对轨道交通“网-源-储-车”自洽能源系统中存在的线路、变电所、区域3个层面进行计划管理，并建立相应的指标体系；在RAMS设计分析层面，需要建立“四性”所对应的评估模型，进行故障机理、失效模式及故障频率的分析，强化对关键设备、关键流程、关键技术的全时监控；在RAMS信息交互层面，应当搭建综合数字化RAMS信息管理平台，定期收集、储存、更新各类基本信息，依据相关标准对数据进行分析，为现场决策提供数据支持[50].
针对“网-源-储-车”协同供能系统中存在的薄弱环节，一方面应当优化系统设计，增加关键设备的冗余配置，细化设备选型流程，提升“网-源-储-车”各模块的功率时空匹配度；同时为提升运营维护水平，针对RAMS的薄弱环节增加检修频次，并基于故障机理进行分析，减少运营环节的损耗，降低相应故障概率；此外，还可针对易损、高危设备增设额外继电保护方案及相关设备，增加数据采样、分析的频率，尽可能降低故障对自洽能源系统的影响，防止故障影响范围进一步扩大.
2.5 可再生能源并网、功率融通和柔性互联及多源储能变换装备
为确保可再生能源和储能高效高弹性接入，需要研制轨道交通电力变换与互联装备，从物理上实现网、源、储、车协同运行. 可再生能源并网装备作为分布式可再生能源与轨道交通电力系统之间的链接纽带，一方面需要应对分布式可再生能源间歇性强、波动性大等问题，另一方面需要满足轨道交通复杂的牵引工况，因此，可再生能源并网装备应当具备高电压、高变比、高效率和宽电压范围特性[51]. 此外，还需解决高压大容量装备的载流量和绝缘强度不足等问题，提升并网变换器开关频率、降低开关损耗和装备体积；与此同时，需要提出非对称占空比电压均衡和功率控制方法，解决牵引负荷的波动和不确定性造成的电压不平衡问题[52].
牵引网功率融通设备与柔性互联设备承担了单相交流与中低压直流的变换工作，对功率匹配与电压震荡抑制的能力提出了更高要求. 1） 需要面向单相交流牵引网和中低压直流母线，研制轻量化、低成本互联装备；2） 为提高三相电网的电能质量，需要探究多装备间的能量耦合与负载功率匹配机理，提出单相牵引网和直流母线间的多装备功率融通技术，并且研究基于负载特性的目标功率跟踪方法，实现变换器间的相互支援和就近受流；3） 为抑制动态、随机、多点单相牵引负荷对单相牵引网的影响，提出交直流电压振荡方法[53].
多源混合储能变换器负责储能系统、能馈系统以及新能源系统与直流母线的功率交换，需要与牵引供电系统协同工作，同时还需考虑对系统电能质量及能效水平的影响[54]，因此，需要研究适配于轨道交通的各时间尺度快速多层次功率统一与能量调控策略. 该策略需要在无行车运行图状态下，基于对多元混合能量的协同控制，降低牵引与再生制动峰值功率冲击. 为发挥“削峰填谷”效应，多元混合储能系统需要根据牵引负荷特点，自主控制充放电频率、阈值等参数，实现多元系统的能量优化，在削峰填谷的同时保证能量稳定传输[55].
为验证轨道交通“网-源-储-车”协同供能系统的可行性与有效性，通过设计“网-源-储-车”多环节协同运行机制及运行策略[9]，利用主从控制的多变流器协调控制策略实现各子系统间的自洽运行，并在小功率实验平台上实现功率融通装置[11]、储能系统和新能源系统接入牵引供电系统的测试[8]. 仿真结果显示，轨道交通“网-源-储-车”协同供能系统在小功率实验验证平台上可将系统新能源与再生制动能量的利用效率提升至79.67%，同时可明显降低输出功率最大值[8]，具有良好的技术经济效益.
3. 轨道交通“网-源-储-车”协同的能量管理系统
“网-源-储-车”协同供能系统旨在解决不同工况下多设备能量交互问题，尽可能提升新能源发电能量与列车再生制动能量的利用效率，实现多环节供需协调[56]，其结构如图11所示. 在变电所层级，当牵引供电系统处于正常工作状态时，能量管理系统需要以贯通供电或融通供电等方式实现多站协同，当处于故障状态时则应当具有越区供电的邻站互补能力；在所内层级，能量管理系统则需要围绕牵引负荷的牵引工况，当列车处于牵引工况下时，列车牵引能量主要来自牵引网和储能系统，由储能系统负责再生制动能量的吸收与释放，达到“削峰填谷”的效果. 为构建轨道交通“网-源-储-车”协同的能量管理系统，需要重点研究系统功率预测、高效协同管控、列车高效运行、列车节能操纵等关键技术，实现整个系统的可观、可知、可控，为未来轨道交通自洽能源系统的能源管控奠定技术与平台基础.
图 11 “网-源-车-储”协同能量管理系统Figure 11. “network-source-vehicle-storage” collaborative energy management system3.1 多时间尺度功率预测技术
功率预测技术作为能源管控与高效利用技术的基础，能够有效实现在分钟、小时、日、月等多时间尺度下对新能源出力与列车群载荷进行预测[57-59]. 在实际能量管控中，需根据数据的准确性与事件的随机性选取合适的时间尺度[59]，为自洽系统运行、行车组织调度及能量管理系统提供指导预测数据，从而指导系统实时调整储能系统可用容量，提前设定列车操纵策略，优化能量管理系统参数，实现能源高效利用.
3.1.1 北斗时空量测与数据处理技术
传统列车运行控制主要采用半自动或全自动闭塞方式，依靠轨间电缆或电路实现信息的传输[60]. 近年来随着无线通信技术的发展，信息传输的带宽速度明显提升[61]. 但“网-源-储-车”协同供能系统设备数量众多，覆盖区域广，仅依靠地面电缆通信或基站无线通信实现对机车精确位置信息及系统整体信息的实时监控会使得通信信道带宽压力过大. 随着北斗定位系统的全面普及与发展，使用北斗通信技术与高速无线、光纤通信技术实现轨道交通能源自洽系统状态信息的实时同步量测已具有工程化能力[62]，基本结构如图12所示. 通过纳秒级授时与厘米级定位的北斗系统应用技术，将牵引变电所、电力机车、新能源及储能系统等各类信息在采集后通过云边协同信息处理技术对数据进行异构交互、挖掘清洗、集成转化、特征提取等操作将处理后的信息通过北斗通信技术上传，保障“网-源-储-车”协同供能系统的信息快速稳定传输[63].
3.1.2 新能源出力预测技术
新能源系统具有间歇性强、波动性大等特点，以月为时间尺度的功率预测主要用于发电能力分析、发电调度规划以及电力电量平衡分析[64]；以日为时间尺度的功率预测可运用于每日调度规划[57]，对当日弃风、弃光情况进行预警[33]，同时还可为协同供能系统的优化运行提供相应参考；而以小时为尺度的短时预测技术[65]与以分钟为尺度[66]的超短时功率预测技术则可以直接参与协同供能系统的能量管理过程，为系统实时决策提供相应数据支持[38].
当前新能源预测技术路线主要包括物理统计法与时间序列法[67]，前者通过实际的物理气象信息，建立多参数出力模型；后者通过历史及实时数据进行系统参数辨识与预测，通过训练各类智能算法达到准确预测的目的. 而轨道交通狭长区域的新能源出力受空间广域分布、复杂自然环境等多重因素的影响，需要根据影响机理，提取主要影响因素，并构建考虑多重不确定性及相关性的新能源出力动态模型. 在此基础之上，基于数据驱动、北斗时空同步技术以及区域气象监测数据支撑新能源出力动态模型[68]，实现新能源输出功率预测的“时-分-秒”短期迭代实时自修正.
3.1.3 列车群载荷分布及短期预测技术
牵引负荷作为牵引供电系统中最主要负荷，是消纳沿线新能源电能的主体. 列车群载荷分布受列车轨迹、运量、天气及地形等多种因素的影响，需要构建复杂运行工况下列车群载荷时空分布刻画方法，通过历史数据、外部参数以及实时状态来辨识各参数对于载荷分布的影响[38]. 对于列车功率预测，与新能源功率预测不同，由于列车运行图的存在，可以依据列车运行图与牵引计算实现分钟级的功率预测[38]，为电能质量评估提供相应参考，同时提升能量管理系统的灵活性；而以小时为尺度的牵引功率预测为储能系统规划、容量配置及调度规划提供数据基础[69].
列车群载荷分布预测不仅可以对列车能耗情况进行综合掌控，同时还可基于列车群载荷分布研究列车能量回馈表征方法，解析不同运行工况下列车能量回馈机理，构建列车能量回馈函数，对能量回馈功率及能量的大小进行预测，指导系统调整能量管理策略，对再生制动功率进行高效吸收利用，提升利用效率[69].
3.2 多场景广域协同运行控制技术
相较于传统牵引供电系统，轨道交通自洽能源系统引入了高比例新能源以及高比例电力电子设备，从而对系统稳定性、电能质量以及能量利用效率提出了更高要求. 因此，需要针对牵引、巡航、惰性以及制动工况下的多种场景，开发广域协同运行控制技术，实现单一站点、多站点微网高效运行，并实现“网-源-车-储”协同能量管理，提升多场景、多工况的能量利用效率.
3.2.1 站点微能源网高效高质运行管控技术
站点微能源网包含了供电臂范围内的新能源发电部分、储能部分、10 kV能馈电网部分以及牵引供电系统部分，在实际运行中既要站点微网达到能源的局部高效利用，同时也要在广域范围内尽可能实现能源的全局最优利用，因此，需要从单一站点和多站点2个层面优化运行管控技术[70]. 针对单一站点的运行管控优化，通过基于“网-源-储-车”协同高效能与高弹性的能源自洽技术，结合时空同步量测数据以及供需能量的预测结果，构建站点微能源网的多时间尺度低碳经济调度模型及其修正优化机制. 同时，在高效能低碳经济运行的基础上还需考虑复杂工况下电能质量治理问题，通过研究站点微网电能质量问题的成因机制，结合站点内部电能质量调控资源的潜力及其经济性，在复杂工况下使既有设备实现站点微能源网的电压稳定控制和电能质量治理.
3.2.2 多站点微能源网集群的广域高效高质协同管控技术
随着贯通与融通设备的使用，功率流动的范围已从单一站点供电臂覆盖区域扩大为铁路沿线广域的多个站点，因此，多站点微能源网集群的协同管控需要在站际层面考虑各微网间的能量交互，基于“源-网-储-车”能量流交互机理，构建正常运行工况与故障工况下的广域低碳经济调度模型，针对不同的运行场景制定实时高效协同运行策略.
此外，在广域多站点微网集群的背景下，不同站点微能源网间的电能质量交互影响机理更加复杂，且不同站点间电能质量调控设备相互孤立，故需要在保证系统的高效稳定运行的同时，构建以全局优化与就地治理相结合的协同电能质量治理技术，抑制和削弱电能质量问题的产生、传递及影响.
3.3 列车高效运行与节能操纵技术
电力机车作为牵引供电系统最主要的用能对象，降低列车牵引功耗对于降低系统总体能耗具有重要意义. 在使用现有机车的基础上，从列车角度降低牵引功耗的主要技术路线包含列车运行图优化、列车优化操纵2类[71]. 列车群的行车优化组织属于较为顶层的优化，通过优化列车发车间隔、区间运行时间以及停站方案等方式，以降低总体牵引能耗；针对单一列车的驾驶优化属于较为底层的优化，依据线路条件与给定的驾驶区间，计算最优的列车运行曲线，指导列车运行，提升列车的安全、经济、平稳及准点水平.
3.3.1 基于多目标优化的节能驾驶技术
列车驾驶操纵优化本质是在一个给定区间，以经济、准点、舒适及节能为优化目标，考虑安全、性能等众多约束的多目标优化问题. 节能驾驶技术通过对列车进行物理建模，综合考虑牵引力、重力及多种阻力的影响，对弯道、坡道等地形进行适当简化处理，再将运行区间进行分割计算，通过经典控制算法、自适应控制算法、智能控制算法或专家系统进行优化控制，生成目标速度曲线，从而指导司机驾驶或全自动驾驶[72]. 但由于线路信号实时、车辆间隔、气象参数及线路限速都处于变化的状态，导致输入参数也需要实时调整，使得在线优化计算量庞大，求解时间较长，因此仅靠车载设备实现在线多目标节能驾驶优化十分困难[73].
针对车载设备在线优化困难的问题，列车可以借助“网-源-储-车”云边协同信息处理网络，利用车-地通信网络，将智能终端所采集到的实时车辆信息、线路信息、信号信息上传到变电所信息节点，由变电所内部服务器进行快速求解，得到更新后的目标速度曲线，再回传给行驶中的列车，并根据变电所服务器的负载算力与通信网络的带宽实时调整车-地信息交互间隔，降低服务器的计算压力，同时保证优化算法的时效性，其结构如图13所示.
图 13 多目标在线驾驶优化示意Figure 13. Schematic diagram of multi-objective online driving optimization3.3.2 列车群高效用能调度方法
列车群调度系统的综合能效受列车运行特性、操纵方法以及调度策略等多个因素影响，需要从列车层面、供电臂层面以及全区段层面综合分析. “网-源-储-车”协同供能系统需要满足大运量、双向高密度运行需求. 因此，根据牵引供电系统拓扑结构、分布参数等对列车损耗的作用机理，分析运行模式与列车损耗的关联关系. 在列车层面，通过多目标优化的节能操纵算法尽可能降低单一列车的能耗水平[74]. 同时，在供电臂层面，基于列车群双向运行能效特征与列车群间牵引能量与再生制动能量之间的交互规律，建立以安全性、准时性、低能耗及舒适性为指标约束的局部区域列车群调度方法，通过机车的协同工作完成再生制动能量的内部消纳，多余能量再由储能系统吸收，降低储能系统充放电次数，延长使用寿命[75]. 针对全区段列车群高效运行策略，则需要优化列车群运行时刻表，刻画列车群的最佳速度曲线与运行轨迹，合理分配区间运行时间，降低综合能源消耗的同时实现经济效益的最大化[76].
3.3.3 失电场景下列车本体应急运行操控策略
当“网-源-储-车”轨道交通自洽能源系统发生外部区域性电网失电及内部电气设备故障的情况时，广域保护系统与重构自愈系统首先动作，切除故障设备并尽可能提高故障状态下的供电能力，但依旧需要考虑牵引变电所完全失电下的应急操控策略来保障极端状况下的行车安全. 当永久性故障发生后，变电所服务器通过采集各智能终端数据，同时与外部电网进行协调，根据故障设备数量、重要程度、冗余配置状况与预计修复时间等参数对故障进行评估[77]. 此外，牵引变电所还需要针对不同运行场景下的车载负荷重要性进行评价，根据故障影响程度、客货运性质、运行速度等指标对不同的车辆采取差异化分级处理.
针对网侧短期、局部供电中断场景，主要采取列车高能效优化运行操控策略，在多目标优化算法中增加能耗最低目标函数的权重，在保证安全的前提下，通过变电所计算节点分析有限能量供给下列车降速控制策略以及对车载负荷供电的支撑能力，同时由地面储能系统与新能源系统作为补充，保障列车安全停靠至最近站点[78]. 针对网侧长时间、宽范围供电中断场景，主要采取“源-储-车”协同高效供能策略，此时牵引网电能由储能系统与新能源系统完全提供，通过对车载负荷重要性的评价与分级处理，减少总体能耗需求；另一方面列车采取最低能耗限度的驾驶策略，车辆内仅保留维持正常运转的基本电力设施. 此外，通过解析网侧供电中断下“源-储”的供电能力，协调“源-储-车”的功率匹配，在保证列车安全停靠的前提下尽可能提升能量利用效率.
4. 总 结
“网-源-储-车”协同供能技术是推动轨道交通高效能、高弹性的发展方向之一，需要众多技术作为支撑. 本文是“轨道交通‘网-源-储-车’协同供能技术”国家重点研发计划项目主要研究内容的分段阐述，就“网-源-储-车”多源供电系统架构、能源自洽技术及能量协同管控3个方面进行详细讨论，综述了与轨道交通场景相适配、“网-源-储-车”相协同的多源供电系统体系架构. 在此基础上，分析了“网-源-储-车”协同的轨道交通自洽供电技术，保证系统高效能、高弹性运行. 在“网-源-储-车”能量管控中，构建了综合能量管理系统，实现复杂场景工况下的多设备高效协同，保障应急场景下的安全可靠运行.
-
图 1 轨道交通“网-源-储-车”协同供能系统结构
Figure 1. “Network-source-storage-vehicle”collaborative energy supply system structure of rail transit
图 2 基于功率融通设备的互联架构
Figure 2. Interconnection architecture based on power fusion equipment
图 3 基于组合式同相供电的互联架构
Figure 3. Interconnection architecture based on combined in-phase power supply
图 6 基于物联网的云边协同信息处理技术架构
Figure 6. Cloud-side collaborative information processing technology architecture based on the internet of things
图 7 牵引供电系统产消者运行模式
Figure 7. Operation mode of producer and consumer of traction power supply system
图 8 源-荷时空匹配度评估及优化方法
Figure 8. Source-load space-time matching degree evaluation method
图 9 “源-储”双层协同优化结构
Figure 9. “Source-storage” double-layer collaborative optimization structure
图 11 “网-源-车-储”协同能量管理系统
Figure 11. “network-source-vehicle-storage” collaborative energy management system
-
[1] 中国国家铁路集团有限公司. 中国国家铁路集团有限公司2023年统计公报[Z]. 北京: 中国国家铁路集团有限公司,2024. [2] 胡海涛,郑政,何正友,等. 交通能源互联网体系架构及关键技术[J]. 中国电机工程学报,2018,38(1): 12-24,339.HU Haitao, ZHENG Zheng, HE Zhengyou, et al. The framework and key technologies of traffic energy Internet[J]. Proceedings of the CSEE, 2018, 38(1): 12-24,339. [3] 何正友,向悦萍,廖凯,等. 能源-交通-信息三网融合发展的需求、形态及关键技术[J]. 电力系统自动化,2021,45(16): 73-86.HE Zhengyou, XIANG Yueping, LIAO Kai, et al. Demand, form and key technologies of integrated development of energy-transport-information networks[J]. Automation of Electric Power Systems, 2021, 45(16): 73-86. [4] 高仕斌,高凤华,刘一谷,等. 自感知能源互联网研究展望[J]. 电力系统自动化,2021,45(5): 1-17.GAO Shibin, GAO Fenghua, LIU Yigu, et al. Prospect of research on self-aware energy internet[J]. Automation of Electric Power Systems, 2021, 45(5): 1-17. [5] 孙秋野,滕菲,张化光. 能源互联网及其关键控制问题[J]. 自动化学报,2017,43(2): 176-194.SUN Qiuye, TENG Fei, ZHANG Huaguang. Energy internet and its key control issues[J]. Acta Automatica Sinica, 2017, 43(2): 176-194. [6] 韦晓广,高仕斌,臧天磊,等. 社会能源互联网:概念、架构和展望[J]. 中国电机工程学报,2018,38(17): 4969-4986,5295.WEI Xiaoguang, GAO Shibin, ZANG Tianlei, et al. Social energy internet: concept, architecture and outlook[J]. Proceedings of the CSEE, 2018, 38(17): 4969-4986,5295. [7] 韦晓广,高仕斌,李多,等. 基于连锁故障网络图和不同攻击方式的输电线路脆弱性分析[J]. 中国电机工程学报,2018,38(2): 465-474,677.WEI Xiaoguang, GAO Shibin, LI Duo, et al. Cascading fault graph for the analysis of transmission network vulnerability under different attacks[J]. Proceedings of the CSEE, 2018, 38(2): 465-474,677. [8] 胡海涛,葛银波,黄毅,等. 电气化铁路“源–网–车–储”一体化供电技术[J]. 中国电机工程学报,2022,42(12): 4374-4391.HU Haitao, GE Yinbo, HUANG Yi, et al. “source-network-train-storage” integrated power supply system for electric railways[J]. Proceedings of the CSEE, 2022, 42(12): 4374-4391. [9] 黄文龙,胡海涛,陈俊宇,等. 枢纽型牵引变电所再生制动能量利用系统能量管理及控制策略[J]. 电工技术学报,2021,36(3): 588-598.HUANG Wenlong, HU Haitao, CHEN Junyu, et al. Energy management and control strategy of regenerative braking energy utilization system in hub traction substation[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 588-598. [10] 邓文丽,戴朝华,陈维荣. 光伏接入牵引供电系统的多元制约因素初探[J]. 太阳能学报,2020,41(8): 192-203.DENG Wenli, DAI Chaohua, CHEN Weirong. Preliminary research of multiple constriction for pv access traction power supply system[J]. Acta Energiae Solaris Sinica, 2020, 41(8): 192-203. [11] 邓文丽,戴朝华,陈维荣,等. 铁路功率调节器研究进展[J]. 中国电机工程学报,2020,40(14): 4640-4655,4742.DENG Wenli, DAI Chaohua, CHEN Weirong, et al. Research progress of railway power conditioner[J]. Proceedings of the CSEE, 2020, 40(14): 4640-4655,4742. [12] 黄小红,赵艺,李群湛,等. 电气化铁路同相储能供电技术[J]. 西南交通大学学报,2020,55(4): 856-864. doi: 10.3969/j.issn.0258-2724.20181083HUANG Xiaohong, ZHAO Yi, LI Qunzhan, et al. Co-phase traction power supply and energy storage technology for electrified railway[J]. Journal of Southwest Jiaotong University, 2020, 55(4): 856-864. doi: 10.3969/j.issn.0258-2724.20181083 [13] 何晓琼,韩鹏程,王怡,等. 基于级联-并联变换器的贯通式牵引变电所系统研究[J]. 铁道学报,2017,39(8): 52-61. doi: 10.3969/j.issn.1001-8360.2017.08.008HE Xiaoqiong, HAN Pengcheng, WANG Yi, et al. Study on advanced cophase traction power substation system based on cascade-parallel converter[J]. Journal of the China Railway Society, 2017, 39(8): 52-61. doi: 10.3969/j.issn.1001-8360.2017.08.008 [14] 魏文婧,胡海涛,王科,等. 基于铁路功率调节器的高速铁路牵引供电系统储能方案及控制策略[J]. 电工技术学报,2019,34(6): 1290-1299.WEI Wenjing, HU Haitao, WANG Ke, et al. Energy storage scheme and control strategies of high-speed railway based on railway power conditioner[J]. Transactions of China Electrotechnical Society, 2019, 34(6): 1290-1299. [15] 张秀峰,高仕斌,钱清泉,等. 基于阻抗匹配平衡变压器和AT供电方式的新型同相牵引供电系统[J]. 铁道学报,2006,28(4): 32-37. doi: 10.3321/j.issn:1001-8360.2006.04.007ZHANG Xiufeng, GAO Shibin, QIAN Qingquan, et al. A novel cophase traction power supply system based on impedance matching balance transformer and AT power supply mode[J]. Journal of the China Railway Society, 2006, 28(4): 32-37. doi: 10.3321/j.issn:1001-8360.2006.04.007 [16] 陈民武,蒋汶兵,王旭光,等. 高速铁路新型同相贯通供电方案及其仿真研究[J]. 铁道学报,2016,38(1): 28-34. doi: 10.3969/j.issn.1001-8360.2016.01.005CHEN Minwu, JIANG Wenbing, WANG Xuguang, et al. Study on scheme and simulation of new co-phase continuous traction power supply system for high-speed railway[J]. Journal of the China Railway Society, 2016, 38(1): 28-34. doi: 10.3969/j.issn.1001-8360.2016.01.005 [17] JIANG Y, LIU J Q, TIAN W, et al. Energy Harvesting for the Electrification of Railway Stations: getting a charge from the regenerative braking of trains[J]. IEEE Electrification Magazine, 2014, 2(3): 39-48. [18] 张丽艳,贾瑛,韩笃硕,等. 电气化铁路同相储能供电系统能量管理及容量配置策略[J]. 西南交通大学学报,2023,58(1): 22-29. doi: 10.3969/j.issn.0258-2724.20210247ZHANG Liyan, JIA Ying, HAN Dushuo, et al. Energy management and capacity allocation scheme for co-phase traction power supply and energy storage system in electrified railways[J]. Journal of Southwest Jiaotong University, 2023, 58(1): 22-29. doi: 10.3969/j.issn.0258-2724.20210247 [19] 王辉,李群湛,解绍锋,等. 基于vv-SVG的电气化铁路同相供电综合补偿方案及控制策略[J]. 铁道学报,2021,43(9): 46-55. doi: 10.3969/j.issn.1001-8360.2021.09.007WANG Hui, LI Qunzhan, XIE Shaofeng, et al. Comprehensive compensation scheme and control strategy of cophase power supply for electrified railway based on vv-SVG[J]. Journal of the China Railway Society, 2021, 43(9): 46-55. doi: 10.3969/j.issn.1001-8360.2021.09.007 [20] DAI N Y, WONG M C, LAO K W, et al. Modelling and control of a railway power conditioner in co-phase traction power system under partial compensation[J]. IET Power Electronics, 2014, 7(5): 1044-1054. [21] SHU Z L, XIE S F, LU K, et al. Digital detection, control, and distribution system for co-phase traction power supply application[J]. IEEE Transactions on Industrial Electronics, 2013, 60(5): 1831-1839. [22] 李群湛,王辉,黄文勋,等. 电气化铁路牵引变电所群贯通供电系统及其关键技术[J]. 电工技术学报,2021,36(5): 1064-1074.LI Qunzhan, WANG Hui, HUANG Wenxun, et al. Interconnected power supply system of traction substation group and its key technologies for the electrified railway[J]. Transactions of China Electrotechnical Society, 2021, 36(5): 1064-1074. [23] 夏焰坤,李群湛,解绍锋,等. 电气化铁道贯通同相供电变电所控制策略研究[J]. 铁道学报,2014,36(8): 25-31. doi: 10.3969/j.issn.1001-8360.2014.08.005XIA Yankun, LI Qunzhan, XIE Shaofeng, et al. Study on control strategy of continuous co-phase power supply substions of electrical railways[J]. Journal of the China Railway Society, 2014, 36(8): 25-31. doi: 10.3969/j.issn.1001-8360.2014.08.005 [24] 王鑫,涂春鸣,郭祺,等. 电气化铁路贯通型供电系统综述[J]. 机车电传动,2022(3): 17-28.WANG Xin, TU Chunming, GUO Qi, et al. Review of through-type power supply system for electrified railways[J]. Electric Drive for Locomotives, 2022(3): 17-28. [25] GAZAFRUDI S M M, LANGERUDY A T, FUCHS E F, et al. Power quality issues in railway electrification: a comprehensive perspective[J]. IEEE Transactions on Industrial Electronics, 2015, 62(5): 3081-3090. [26] 孟令辉,周犹松,闫晗,等. 应用于贯通供电系统的两相–单相变换器直流电压纹波特性与功率均衡控制[J]. 中国电机工程学报,2022,42(17): 6449-6460.MENG Linghui, ZHOU Yousong, YAN Han, et al. DC-link voltage ripple analysis and power balanced control for two-phase to single-phase converter in advanced traction power supply system[J]. Proceedings of the CSEE, 2022, 42(17): 6449-6460. [27] 周志成. 基于树形双边供电的重载铁路贯通同相供电方案[J]. 铁道科学与工程学报,2020,17(3): 722-731.ZHOU Zhicheng. Cophase connected power supply scheme of heavy haul railway based on tree bilateral power supply[J]. Journal of Railway Science and Engineering, 2020, 17(3): 722-731. [28] 马建军,李平,马小宁,等. 铁路一体化信息集成平台总体架构及关键技术研究[J]. 中国铁道科学,2020,41(5): 153-161.MA Jianjun, LI Ping, MA Xiaoning, et al. Research on the overall framework and key technologies of railway integrated information platform[J]. China Railway Science, 2020, 41(5): 153-161. [29] 胡金磊,朱泽锋,林孝斌,等. 变电站无人机机巡边缘计算框架设计及资源调度方法[J]. 高电压技术,2021,47(2): 425-433.HU Jinlei, ZHU Zefeng, LIN Xiaobin, et al. Framework design and resource scheduling method for edge computing in substation UAV inspection[J]. High Voltage Engineering, 2021, 47(2): 425-433. [30] 白昱阳,黄彦浩,陈思远,等. 云边智能:电力系统运行控制的边缘计算方法及其应用现状与展望[J]. 自动化学报,2020,46(3): 397-410.BAI Yuyang, HUANG Yanhao, CHEN Siyuan, et al. Cloud-edge intelligence: status quo and future prospective of edge computing approaches and applications in power system operation and control[J]. Acta Automatica Sinica, 2020, 46(3): 397-410. [31] 邬明亮,郭爱,邓文丽,等. 铁路牵引用背靠背光伏发电系统及其消纳能力研究[J]. 太阳能学报,2019,40(12): 3444-3450.WU Mingliang, GUO Ai, DENG Wenli, et al. Research on back-to-back pv generation system for railway traction and its accommodation ability[J]. Acta Energiae Solaris Sinica, 2019, 40(12): 3444-3450. [32] 张磊,朱凌志,陈宁,等. 新能源发电模型统一化研究[J]. 电力系统自动化,2015,39(24): 129-138. doi: 10.7500/AEPS20150629010ZHANG Lei, ZHU Lingzhi, CHEN Ning, et al. Review on generic model for renewable energy generation[J]. Automation of Electric Power Systems, 2015, 39(24): 129-138. doi: 10.7500/AEPS20150629010 [33] 邓文丽,戴朝华,陈维荣. 轨道交通能源互联网背景下光伏在交/直流牵引供电系统中的应用及关键问题分析[J]. 中国电机工程学报,2019,39(19): 5692-5702,5897.DENG Wenli, DAI Chaohua, CHEN Weirong. Application of PV generation in AC/DC traction power supply system and the key problem analysis under the background of rail transit energy Internet[J]. Proceedings of the CSEE, 2019, 39(19): 5692-5702,5897. [34] 诸斐琴,杨中平,林飞,等. 城轨交通牵引供电系统参数与储能系统容量配置综合优化[J]. 电工技术学报,2019,34(3): 579-588.ZHU Feiqin, YANG Zhongping, LIN Fei, et al. Synthetic optimization of traction power parameters and energy storage systems in urban rail transit[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 579-588. [35] 邬明亮. 分时电价政策下电气化铁路储能的经济性[J]. 电力自动化设备,2020,40(6): 1-3,191-197.WU Mingliang. Economy of energy storage in electrified railway under time-of-use price policy[J]. Electric Power Automation Equipment, 2020, 40(6): 1-3,191-197. [36] 陈维荣,王璇,李奇,等. 光伏电站接入轨道交通牵引供电系统发展现状综述[J]. 电网技术,2019,43(10): 3663-3670.CHEN Weirong, WANG Xuan, LI Qi, et al. Review on the development status of PV power station accessing to traction power supply system for rail transit[J]. Power System Technology, 2019, 43(10): 3663-3670. [37] CUI G P, LUO L F, LIANG C G, et al. Supercapacitor integrated railway static power conditioner for regenerative braking energy recycling and power quality improvement of high-speed railway system[J]. IEEE Transactions on Transportation Electrification, 2019, 5(3): 702-714. [38] 魏波,胡海涛,王科,等. 基于实测数据和行车运行图的高铁牵引变电站负荷预测方法[J]. 电工技术学报,2020,35(1): 179-188.WEI Bo, HU Haitao, WANG Ke, et al. Research on traction load forecasting method for high-speed railway traction substation based on measured data and train timetable[J]. Transactions of China Electrotechnical Society, 2020, 35(1): 179-188. [39] WU C X, LU S F, XUE F, et al. A two-step method for energy-efficient train operation, timetabling, and onboard energy storage device management[J]. IEEE Transactions on Transportation Electrification, 2021, 7(3): 1822-1833. [40] 罗嘉明,韦晓广,高仕斌,等. 高速铁路储能系统容量配置与能量管理技术综述与展望[J]. 中国电机工程学报,2022,42(19): 7028-7051.LUO Jiaming, WEI Xiaoguang, GAO Shibin, et al. Summary and outlook of capacity configuration and energy management technology of high-speed railway energy storage system[J]. Proceedings of the CSEE, 2022, 42(19): 7028-7051. [41] DÍAZ-GONZÁLEZ F, SUMPER A, GOMIS-BELLMUNT O, et al. A review of energy storage technologies for wind power applications[J]. Renewable and Sustainable Energy Reviews, 2012, 16(4): 2154-2171. [42] 袁佳歆,曲锴,郑先锋,等. 高速铁路混合储能系统容量优化研究[J]. 电工技术学报,2021,36(19): 4161-4169,4182.YUAN Jiaxin, QU Kai, ZHENG Xianfeng, et al. Optimizing research on hybrid energy storage system of high speed railway[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4161-4169,4182. [43] 薛禹胜,雷兴,薛峰,等. 关于电力系统广域保护的评述[J]. 高电压技术,2012,38(3): 513-520.XUE Yusheng, LEI Xing, XUE Feng, et al. Review on wide area protection of electric power systems[J]. High Voltage Engineering, 2012, 38(3): 513-520. [44] 井友刚. 电气化铁路广域保护系统自愈重构功能研究与应用[J]. 电气化铁道,2020,31(3): 12-15,32.JING Yougang. Study on and application of self-healing reconfiguration function of wide area protection system for electrified railway[J]. Electric Railway, 2020, 31(3): 12-15,32. [45] 刘育权,华煌圣,李力,等. 多层次的广域保护控制体系架构研究与实践[J]. 电力系统保护与控制,2015,43(5): 112-122. doi: 10.7667/j.issn.1674-3415.2015.05.018LIU Yuquan, HUA Huangsheng, LI Li, et al. Research and application of multi-level wide-area protection system[J]. Power System Protection and Control, 2015, 43(5): 112-122. doi: 10.7667/j.issn.1674-3415.2015.05.018 [46] 王潘潘. 京张高铁智能牵引供电系统自愈重构方案研究[J]. 电气化铁道,2020,31(增2): 126-131.WANG Panpan. Research on self-healing reconstruction scheme of intelligent traction power supply system for Beijing—Zhangjiakou high-speed railway[J]. Electric Railway, 2020, 31(S2): 126-131. [47] 尹项根,李振兴,刘颖彤,等. 广域继电保护及其故障元件判别问题的探讨[J]. 电力系统保护与控制,2012,40(5): 1-9. doi: 10.3969/j.issn.1674-3415.2012.05.001YIN Xianggen, LI Zhenxing, LIU Yingtong, et al. Study on wide area relaying protection and fault element identification[J]. Power System Protection and Control, 2012, 40(5): 1-9. doi: 10.3969/j.issn.1674-3415.2012.05.001 [48] 李振坤,赵向阳,朱兰,等. 智能配电网故障后自愈能力评估[J]. 电网技术,2018,42(3): 789-796.LI Zhenkun, ZHAO Xiangyang, ZHU Lan, et al. Evaluation of self-healing ability for smart distribution network after failure[J]. Power System Technology, 2018, 42(3): 789-796. [49] 张小瑜,吴俊勇. 高速铁路牵引供电系统的供电可靠性评估方法[J]. 电网技术,2007,31(11): 27-32. doi: 10.3321/j.issn:1000-3673.2007.11.006ZHANG Xiaoyu, WU Junyong. Reliability estimation method of traction power supply system for high-speed railway[J]. Power System Technology, 2007, 31(11): 27-32. doi: 10.3321/j.issn:1000-3673.2007.11.006 [50] 周桂法,邵志和,曾嵘. 轨道交通RAMS工作的理解与实施[J]. 机车电传动,2014(2): 1-5,15.ZHOU Guifa, SHAO Zhihe, ZENG Rong. Comprehension and implementation of RAMS for rail transit[J]. Electric Drive for Locomotives, 2014(2): 1-5,15. [51] YANG X W, HU H T, GE Y B, et al. An improved droop control strategy for VSC-based MVDC traction power supply system[J]. IEEE Transactions on Industry Applications, 2018, 54(5): 5173-5186. [52] GOMEZ-EXPOSITO A, MAURICIO J M, MAZA-ORTEGA J M. VSC-based MVDC railway electrification system[J]. IEEE Transactions on Power Delivery, 2014, 29(1): 422-431. [53] 程红,高巧梅,朱锦标,等. 基于双重移相控制的双向全桥DC-DC变换器动态建模与最小回流功率控制[J]. 电工技术学报,2014,29(3): 245-253. doi: 10.3969/j.issn.1000-6753.2014.03.031CHENG Hong, GAO Qiaomei, ZHU Jinbiao, et al. Dynamic modeling and minimum backflow power controlling of the bi-directional full-bridge DC-DC converters based on dual-phase-shifting control[J]. Transactions of China Electrotechnical Society, 2014, 29(3): 245-253. doi: 10.3969/j.issn.1000-6753.2014.03.031 [54] 何晓琼,彭俊,韩鹏程,等. 电气化铁路综合补偿器控制策略研究[J]. 铁道学报,2020,42(9): 74-84. doi: 10.3969/j.issn.1001-8360.2020.09.010HE Xiaoqiong, PENG Jun, HAN Pengcheng, et al. Study on control strategy of comprehensive compensator for electrified railway[J]. Journal of the China Railway Society, 2020, 42(9): 74-84. doi: 10.3969/j.issn.1001-8360.2020.09.010 [55] 鲍冠南,陆超,袁志昌,等. 基于动态规划的电池储能系统削峰填谷实时优化[J]. 电力系统自动化,2012,36(12): 11-16.BAO Guannan, LU Chao, YUAN Zhichang, et al. Load shift real-time optimization strategy of battery energy storage system based on dynamic programming[J]. Automation of Electric Power Systems, 2012, 36(12): 11-16. [56] 邓文丽,戴朝华,张涵博,等. 复杂电气化铁路牵引用光伏发电系统综合优化控制方法研究[J]. 中国电机工程学报,2020,40(18): 5849-5865.DENG Wenli, DAI Chaohua, ZHANG Hanbo, et al. Research on comprehensive optimization control method for traction photovoltaic generation system of complex electrified railway[J]. Proceedings of the CSEE, 2020, 40(18): 5849-5865. [57] 申建建,曹瑞,苏承国,等. 水火风光多源发电调度系统大数据平台架构及关键技术[J]. 中国电机工程学报,2019,39(1): 43-55,319.SHEN Jianjian, CAO Rui, SU Chengguo, et al. Big data platform architecture and key techniques of power generation scheduling for hydro-thermal-wind-solar hybrid system[J]. Proceedings of the CSEE, 2019, 39(1): 43-55,319. [58] 胡威,张新燕,郭永辉,等. 基于游程检测法重构CEEMD的短时风功率预测[J]. 太阳能学报,2020,41(11): 317-325.HU Wei, ZHANG Xinyan, GUO Yonghui, et al. Short-time wind power prediction of ceemd reconstructed based on run-length detection method[J]. Acta Energiae Solaris Sinica, 2020, 41(11): 317-325. [59] HUANG J, THATCHER M. Assessing the value of simulated regional weather variability in solar forecasting using numerical weather prediction[J]. Solar Energy, 2017, 144: 529-539. [60] 肖雅君,吴汶麒. 用于轨道交通列车自动控制系统的通信技术[J]. 城市轨道交通研究,2002,5(2): 59-64,72. doi: 10.3969/j.issn.1007-869X.2002.02.013XIAO Yajun, WU Wenqi. Communication technology applied in ATC system of UMT[J]. Urban Mass Transit, 2002, 5(2): 59-64,72. doi: 10.3969/j.issn.1007-869X.2002.02.013 [61] 王凯,刘留,于蒙,等. 超高速列车车地无线通信系统性能分析[J]. 北京交通大学学报,2021,45(4): 117-126. doi: 10.11860/j.issn.1673-0291.20210074WANG Kai, LIU Liu, YU Meng, et al. System performance analysis on train-ground wireless communication for the ultra high-speed train[J]. Journal of Beijing Jiaotong University, 2021, 45(4): 117-126. doi: 10.11860/j.issn.1673-0291.20210074 [62] 王磊,何正友. 高速列车通信网络技术特点及其应用[J]. 城市轨道交通研究,2008,11(2): 57-61,64. doi: 10.3969/j.issn.1007-869X.2008.02.016WANG Lei, HE Zhengyou. Technological characteristics of high-speed train communication network and its application[J]. Urban Mass Transit, 2008, 11(2): 57-61,64. doi: 10.3969/j.issn.1007-869X.2008.02.016 [63] 上官伟,王韦舒,张路,等. 北斗导航RAIM技术在列车定位的应用研究[J]. 铁道学报,2018,40(2): 73-81. doi: 10.3969/j.issn.1001-8360.2018.02.011SHANGGUAN Wei, WANG Weishu, ZHANG Lu, et al. Application of BDS-based RAIM technology in train positioning[J]. Journal of the China Railway Society, 2018, 40(2): 73-81. doi: 10.3969/j.issn.1001-8360.2018.02.011 [64] 肖白,邢世亨,王茂春,等. 基于改进KDE法和GA-SVM的多风电场聚合后输出功率长期波动特性预测方法[J]. 电力自动化设备,2022,42(2): 77-84.XIAO Bai, XING Shiheng, WANG Maochun, et al. Prediction method of output power long-term fluctuation characteristic for multiple wind farms after aggregation based on improved KDE method and GA-SVM[J]. Electric Power Automation Equipment, 2022, 42(2): 77-84. [65] 易善军,王汉军,向勇,等. 基于集成多尺度LSTM的短时风功率预测[J]. 重庆大学学报,2021,44(7): 75-81. doi: 10.11835/j.issn.1000-582X.2021.07.008YI Shanjun, WANG Hanjun, XIANG Yong, et al. Short-term wind power forecasting based on integrated multi-scale LSTM[J]. Journal of Chongqing University, 2021, 44(7): 75-81. doi: 10.11835/j.issn.1000-582X.2021.07.008 [66] BREKKEN T K A, YOKOCHI A, VON JOUANNE A, et al. Optimal energy storage sizing and control for wind power applications[J]. IEEE Transactions on Sustainable Energy, 2010, 2(1): 69-77. [67] 琚垚,祁林,刘帅. 基于改进乌鸦算法和ESN神经网络的短期风电功率预测[J]. 电力系统保护与控制,2019,47(4): 58-64. doi: 10.7667/PSPC180251JU Yao, QI Lin, LIU Shuai. Short-term wind power forecasting based on improved crow search algorithm and ESN neural network[J]. Power System Protection and Control, 2019, 47(4): 58-64. doi: 10.7667/PSPC180251 [68] 徐诗鸿,张宏志,林湘宁,等. 近海海岛多态能源供需自洽系统日前优化调度策略[J]. 中国电机工程学报,2019,39(增1): 15-29.XU Shihong, ZHANG Hongzhi, LIN Xiangning, et al. Optimal dispatching strategy of self-consistent supply and demand system of polymorphic energy in offshore islands recently[J]. Proceedings of the CSEE, 2019, 39(S1): 15-29. [69] 张丽艳,李群湛,朱毅. 新建电气化铁路牵引负荷预测[J]. 西南交通大学学报,2016,51(4): 743-749. doi: 10.3969/j.issn.0258-2724.2016.04.020ZHANG Liyan, LI Qunzhan, ZHU Yi. Prediction of traction load for new electrified railway[J]. Journal of Southwest Jiaotong University, 2016, 51(4): 743-749. doi: 10.3969/j.issn.0258-2724.2016.04.020 [70] 杨丘帆,黄煜彬,石梦璇,等. 基于一致性算法的直流微电网多组光储单元分布式控制方法[J]. 中国电机工程学报,2020,40(12): 3919-3928.YANG Qiufan, HUANG Yubin, SHI Mengxuan, et al. Consensus based distributed control for multiple PV-battery storage units in DC microgrid[J]. Proceedings of the CSEE, 2020, 40(12): 3919-3928. [71] 金波,孙鹏飞,王青元,等. 基于混合整数规划的高速列车多区间节能优化研究[J]. 铁道学报,2020,42(2): 11-17.JIN Bo, SUN Pengfei, WANG Qingyuan, et al. Energy-saving optimization of multi-interstation high-speed train with mixed integer linear programming[J]. Journal of the China Railway Society, 2020, 42(2): 11-17. [72] 荀径,杨欣,宁滨,等. 列车节能操纵优化求解方法综述[J]. 铁道学报,2014,36(4): 14-20. doi: 10.3969/j.issn.1001-8360.2014.04.003XUN Jing, YANG Xin, NING Bin, et al. Survey on trajectory optimization for train operation[J]. Journal of the China Railway Society, 2014, 36(4): 14-20. doi: 10.3969/j.issn.1001-8360.2014.04.003 [73] 冷勇林,陈德旺,阴佳腾. 基于专家系统及在线调整的列车智能驾驶算法[J]. 铁道学报,2014,36(2): 62-68. doi: 10.3969/j.issn.1001-8360.2014.02.010LENG Yonglin, CHEN Dewang, YIN Jiateng. An intelligent train operation (ITO) algorithm based on expert system and online adjustment[J]. Journal of the China Railway Society, 2014, 36(2): 62-68. doi: 10.3969/j.issn.1001-8360.2014.02.010 [74] LU S F, WESTON P, HILLMANSEN S, et al. Increasing the regenerative braking energy for railway vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(6): 2506-2515. [75] 刘宏杰. 结合能量存储的城轨列车调度控制一体化节能优化方法研究[D]. 北京: 北京交通大学,2019. [76] 郑亚晶,李耀辉,李雨恒,等. 再生制动条件下地铁列车运行图的节能优化[J]. 华南理工大学学报(自然科学版),2021,49(7): 1-7. doi: 10.12141/j.issn.1000-565X.200552ZHENG Yajing, LI Yaohui, LI Yuheng, et al. Energy saving optimization of metro train working diagram under regenerative braking[J]. Journal of South China University of Technology (Natural Science Edition), 2021, 49(7): 1-7. doi: 10.12141/j.issn.1000-565X.200552 [77] 沈迪,王青元,夏菲,等. 高速列车应急自走行辅助驾驶研究[J]. 机车电传动,2021(1): 91-97.SHEN Di, WANG Qingyuan, XIA Fei, et al. Research on urgent operation assistant driving for high-speed train[J]. Electric Drive for Locomotives, 2021(1): 91-97. [78] 王青元,冯晓云,朱金陵,等. 考虑再生制动能量利用的高速列车节能最优控制仿真研究[J]. 中国铁道科学,2015,36(1): 96-103. doi: 10.3969/j.issn.1001-4632.2015.01.14WANG Qingyuan, FENG Xiaoyun, ZHU Jinling, et al. Simulation study on optimal energy-efficient control of high speed train considering regenerative brake energy[J]. China Railway Science, 2015, 36(1): 96-103. doi: 10.3969/j.issn.1001-4632.2015.01.14 期刊类型引用(3)
1. 段宝生，索永兵. 深海水下装备无缆供电系统的发展趋势. 船电技术. 2025(03): 57-59 . 
百度学术2. 钟吴君，李培强，涂春鸣. 基于EEMD-CBAM-Bi LSTM的牵引负荷超短期预测. 电工技术学报. 2024(21): 6850-6864 . 百度学术3. 吴磊，舒洋浩，周斌彬，张凌云，戴朝华. 基于配置与能量管理协同的铁路光储系统经济性提升策略. 铁道科学与工程学报. 2024(11): 4711-4723 . 百度学术其他类型引用(5)
-
下载:
下载:
百度学术
点击查看大图
计量
- 文章访问数: 561
- HTML全文浏览量: 450
- PDF下载量: 171
- 被引次数: 8