摘 要：鐵路是電能消耗的重點(diǎn)行業(yè)。我國“雙碳”目標(biāo)的提出，為鐵路行業(yè)推進(jìn)其自身能源結(jié)構(gòu)調(diào)整，尤其是風(fēng)光能儲等新能源技術(shù)的引入提出了現(xiàn)實(shí)需求。風(fēng)光能儲系統(tǒng)在鐵路電力供電系統(tǒng)中的設(shè)置方案是急待解決的問題。受風(fēng)光能儲系統(tǒng)設(shè)置方案的決定，系統(tǒng)在全生命周期內(nèi)的成本也成為制約該系統(tǒng)在鐵路中推廣應(yīng)用的關(guān)鍵因素之一。本文從成本角度出發(fā)，以潮流計(jì)算為基礎(chǔ)，運(yùn)用粒子群及遺傳算法，以Matlab軟件中IEEE9節(jié)點(diǎn)系統(tǒng)為工具，研究了鐵路電力供電系統(tǒng)中風(fēng)光能儲系統(tǒng)接入位置、容量配置、運(yùn)行策略的配置方法。

關(guān)鍵詞：鐵路電力；風(fēng)光能儲裝置；遺傳算法；粒子群算法

中圖分類號：TM615 + .2；TP391 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-5922（2025）03-0138-04

Wind power and photovoltaic power generationand energy storage configuration methodof PSO/GA fusion algorithm

TIAN Shiji，KANG De

（China Railway Electrification Bureau Design and Research Institute，Beijing 100166，China）

Abstract：Railways are a key sector for electricity consumption. The proposal of China's \"dual carbon\" goal hasput forward a realistic demand for the railway industry to promote its own energy structure adjustment， especiallythe introduction of new energy technologies such as wind， solar， energy and storage. The installation scheme of windand solar energy storage system in railway power supply system is an urgent problem to be solved. Due to the deci?sion of the setting scheme of the wind and solar energy storage system， the cost of the system in the whole life cyclehas also become one of the key factors restricting the promotion and application of the system in the railway. Fromthe perspective of cost， based on power flow calculation， particle swarm and genetic algorithm were used， and takingthe IEEE9 node system in Matlab software as a tool， this paper studied the configuration methods of wind and solarenergy storage system access location， capacity configuration and operation strategy in railway power supply system.

Key words：railway electric power；Wind and solar energy storage devices；genetic algorithm；particle swarm algo?rithm

為應(yīng)對全球氣候變化問題，中國已提出“雙碳”目標(biāo)。因此，以風(fēng)力發(fā)電、光伏發(fā)電為代表的可再生能源，已成為未來能源系統(tǒng)建設(shè)的必然趨勢。同時(shí)，儲能系統(tǒng)所具備的響應(yīng)速度快、控制靈活的特點(diǎn)，可以有效解決風(fēng)力及光伏發(fā)電并網(wǎng)及消納的技術(shù)需求，減小分布式電源并網(wǎng)對鐵路電力系統(tǒng)的沖擊，保持系統(tǒng)穩(wěn)定。鐵路電力系統(tǒng)主要負(fù)責(zé)向其區(qū)間及車站信號、通信等行車負(fù)荷供電，同時(shí)負(fù)責(zé)向沿線其他生產(chǎn)、辦公、生活設(shè)施用電負(fù)荷及旅客出行服務(wù)用電負(fù)荷供電。上述用電負(fù)荷可以為“風(fēng)光能儲”設(shè)施提供電能消納空間。鐵路沿線路基、橋梁、站房等大型建筑物屋面、雨棚、車站空地，為風(fēng)光能儲設(shè)施安裝提供了空間資源。因此，充分利用鐵路的自有空間資源，在既有電力供電系統(tǒng)的基礎(chǔ)上開發(fā)建設(shè)風(fēng)光能儲系統(tǒng)，可為鐵路提供可再生電力供給減少能耗，尤其是在2部制電價(jià)制度基礎(chǔ)上，利用削峰填谷措施，合理優(yōu)化分布式發(fā)電系統(tǒng)出力，從而進(jìn)一步降低鐵路用電成本。同時(shí)，在公網(wǎng)薄弱地區(qū)合理的設(shè)置“風(fēng)光能儲”設(shè)施，也可有效提高鐵路供電系統(tǒng)可靠性。

1 系統(tǒng)結(jié)構(gòu)

1.1 傳統(tǒng)鐵路電力系統(tǒng)

當(dāng)前，我國鐵路電力供電系統(tǒng)普遍采用由公網(wǎng)接引電源，自建10 kV供電網(wǎng)的模式。系統(tǒng)于鐵路用電較為集中的車站設(shè)置10 kV配電所，各10 kV配電所間距一般為40 km左右，配電所由公網(wǎng)接引10 kV電源，配電所之間由其饋出的10 kV電力貫通線聯(lián)接，車站及區(qū)間負(fù)荷由車站配電所或10 kV貫通線接引電源供電 [1] 。

1.2 引入分布式發(fā)電系統(tǒng)后的鐵路電力系統(tǒng)

典型的分布式發(fā)電裝置系統(tǒng)由風(fēng)力發(fā)電機(jī)、太陽能電池、儲能裝置等設(shè)施及其配套的整流、逆變、控制等裝置組成。

在鐵路電力供電系統(tǒng)中，分布式發(fā)電裝置可以同時(shí)或單獨(dú)設(shè)置于系統(tǒng)中配電所或沿線用電負(fù)荷供電設(shè)備位置。新系統(tǒng)中配電所由電網(wǎng)購入電能，向沿線用電負(fù)荷供電；風(fēng)力發(fā)電及太陽能發(fā)電裝置可以向公網(wǎng)、傳統(tǒng)的鐵路電力供電系統(tǒng)及儲能裝置輸出電能；儲能設(shè)備則存在充/放電2種工況。

本文以傳統(tǒng)的鐵路電力供電系統(tǒng)為基礎(chǔ)，引入風(fēng)光儲分布式發(fā)電裝置，形成新的鐵路電力供電系統(tǒng)。新系統(tǒng)以運(yùn)營成本最低為目標(biāo)，以潮流計(jì)算為基礎(chǔ)，綜合運(yùn)用優(yōu)化后的粒子群算法、遺傳算法，采用Matlab軟件中IEEE9節(jié)點(diǎn)系統(tǒng)為工具 [2] ，針對鐵路電力供電系統(tǒng)中風(fēng)光能儲系統(tǒng)接入位置、容量配置、運(yùn)行策略等問題開展研究。

2 模型的建立及優(yōu)化

考慮到風(fēng)力和光伏及儲能系統(tǒng)中的配置，采用經(jīng)濟(jì)性指標(biāo)作為不同系統(tǒng)方案的評價(jià)，最終取經(jīng)濟(jì)費(fèi)用最少，作為風(fēng)光能儲能系統(tǒng)接入位置和容量配置的最佳方案。

2.1 目標(biāo)函數(shù)

目標(biāo)函數(shù)選取為系統(tǒng)日內(nèi)總成本，主要包括鐵路電力供電系統(tǒng)的電網(wǎng)損耗費(fèi)、負(fù)荷用電費(fèi)、儲能系統(tǒng)提供無功功率費(fèi)、儲能充電費(fèi)及儲能成本。

2.3求解算法

2.3.1 求解流程

鐵路電力供電系統(tǒng)中，增設(shè)分布式風(fēng)光能儲發(fā)電系統(tǒng)，保障系統(tǒng)安全性和穩(wěn)定性；需要多目標(biāo)非線性整數(shù)規(guī)劃進(jìn)行優(yōu)化配置分布式風(fēng)光能儲發(fā)電系統(tǒng)，優(yōu)化配置包含分布式風(fēng)光發(fā)電系統(tǒng)及儲能單元的接入位置、儲能單位容量及運(yùn)行策略 [5-6] 。將多目標(biāo)優(yōu)化求解問題轉(zhuǎn)化為雙層策略求解，這樣求解難度將極大的簡化。因此，算法求解采用雙層策略進(jìn)行優(yōu)化求解。外層求解目標(biāo)選取儲能單元的接入位置、容量，求解參數(shù)為離散化整數(shù)，宜采用遺傳算法優(yōu)化求解；內(nèi)層優(yōu)化為系統(tǒng)日內(nèi)運(yùn)行成本最低，在外層求解確定儲能單元容量，內(nèi)層求解利用約束條件，通過粒子群算法和二階錐潮流計(jì)算，確定最優(yōu)運(yùn)行策略，使得系統(tǒng)日運(yùn)行成本最?。蝗缓?，將內(nèi)層結(jié)果反饋給外層，進(jìn)行遺傳算法交叉、變異運(yùn)算，確定儲能單元接入位置。這樣反復(fù)迭代比較，最終確定系統(tǒng)分布風(fēng)光能儲存與發(fā)電系統(tǒng)最優(yōu)配置和運(yùn)行策略 [7-8] 。

2.3.2 粒子群算法

粒子群算法（PSO）[9] 是一種群體相互協(xié)作的搜尋算法。對一群粒子進(jìn)行隨機(jī)初始化，通過粒子迭代的方法，最終尋求得最優(yōu)解。每個(gè)粒子在參數(shù)設(shè)置時(shí)，需包含有兩個(gè)參數(shù)，分別為速度和位置。每個(gè)粒子單獨(dú)在空間中搜索最優(yōu)解，對所粒子的最優(yōu)解共享，找出整個(gè)群體最優(yōu)解，判斷是否符合參數(shù)設(shè)置要求，滿足要求停止搜尋；不滿足要求，這次最優(yōu)解作為整個(gè)粒子群的全局最優(yōu)解，進(jìn)行下一步迭代，反復(fù)迭代直到搜尋到最優(yōu)解為止。

2.3.3 遺傳算法

遺傳算法（GA）是模擬生物進(jìn)化論的計(jì)算模型，對自然界生物進(jìn)化過程的模擬進(jìn)行搜尋最優(yōu)解。算法首先進(jìn)行種群編碼的初始化；計(jì)算個(gè)體的適配度選取最優(yōu)個(gè)體，組成最優(yōu)種群，進(jìn)行優(yōu)勝劣汰；對最優(yōu)種群進(jìn)交叉、變異進(jìn)行下一代迭代，根據(jù)適配度選擇個(gè)體，最后得到最優(yōu)解 [10] 。

3 算例及結(jié)果分析

3.1 實(shí)際供電系統(tǒng)

供電系統(tǒng)為鐵路10 KV貫通線，選擇9節(jié)點(diǎn)配電系統(tǒng)，采用環(huán)網(wǎng)接線方式，其中1號節(jié)點(diǎn)為外電電源接入，其他節(jié)點(diǎn)處均接入負(fù)荷?，F(xiàn)考慮1～9節(jié)點(diǎn)最多一個(gè)節(jié)點(diǎn)接入風(fēng)光能儲存發(fā)電裝置。

3.2 參數(shù)設(shè)置

風(fēng)光發(fā)電系統(tǒng)選擇典型日的出力圖，采樣間隔為1 h。出力情況如圖1所示為典型日光出力曲線圖，如圖2所示為典型日風(fēng)出力曲線圖。

電價(jià)選擇我國某地區(qū)的分時(shí)段電價(jià)，具體每千瓦時(shí)分時(shí)電價(jià)：00：00-08：00，為0.32元；08：00-11：00，為0.65元；11：00-18：00，為0.52元；18：00-22：00，為0.65元；22：00-24：00，為0.32元。

儲能單元選擇鉛酸電池組，放電深度可以達(dá)到75%，循環(huán)次數(shù)可達(dá)2 500次 [11-12] ，其他仿真相關(guān)參數(shù)選取 C p 為700元·kW -1 ； C m 為600元·kWh a。

3.3 仿真結(jié)果

采用雙層優(yōu)化模型求解，在外層采用遺傳算法最大20次，其中交叉率為0.85，變異率為0.06，最終在內(nèi)層粒子群迭代60次，種群在5次數(shù)，得到日最佳配置方案：風(fēng)光分布儲能接入點(diǎn)在6節(jié)點(diǎn)，接入儲能容量為2.16 MVA。

圖3表示風(fēng)光分布儲能系統(tǒng)平均日成本最小隨迭代次數(shù)的變化曲線，在迭代次數(shù)17次后處于收斂狀態(tài)，日成本最小為3 995元。

圖4為典型日分時(shí)系統(tǒng)運(yùn)行有功功率狀態(tài)分布。

通過圖5可知，在分時(shí)電價(jià)低，與分布式風(fēng)光發(fā)電系統(tǒng)出力高時(shí)，儲能單元充電。分時(shí)電價(jià)高時(shí)，儲能單元在放電。儲能單元運(yùn)行策略錯(cuò)峰利用電價(jià)峰谷差額，與分布式風(fēng)光發(fā)電系統(tǒng)出力情況，綜合來減小系統(tǒng)運(yùn)行成本。

根據(jù)典型日分時(shí)用電負(fù)荷，計(jì)算典型日用電費(fèi)用為5 024元，與典型日添加分布式分光能儲存發(fā)電裝置日最小成本3 995元相比，系統(tǒng)加入分布式分光儲發(fā)電裝置節(jié)約了耗電成本 [13-14] 。根據(jù)一次投資成本，按照典型日成本節(jié)約計(jì)算，一次投資成本約第10年收回。

4 結(jié)語

本文針對鐵路電力供電系統(tǒng)接入風(fēng)力和光伏發(fā)電及儲能裝置，系統(tǒng)存在對風(fēng)光能儲接入位置、儲能容量和運(yùn)行策略的最優(yōu)問題研究。通過運(yùn)用粒子群算法和遺傳融合算法進(jìn)行雙層優(yōu)化求解，解決風(fēng)光儲接入位置、儲能容量選擇和運(yùn)行策略。

【參考文獻(xiàn)】

[1] 國家鐵路局. 鐵路電力設(shè)計(jì)規(guī)范：TB 10008—2015[S]. 北京：中國鐵道出版社，2016.

[2] 高明杰，惠東，高宗和，等. 國家風(fēng)光儲輸示范工程介紹及其典型運(yùn)行模式分析[J]. 電力系統(tǒng)自動化，2013（1）：59-64.

[3] 童鑄，歐仲曦，劉超等. 遺傳算法優(yōu)化粒子群的分布式光伏并網(wǎng)控制方法研究[J]. 自動化儀表，2023，44（10）：39-43.

[4] 陳磊，牛玉剛，賈廷綱. 基于主從博弈的多微網(wǎng)能量調(diào)度策略[J]. 電力系統(tǒng)保護(hù)與控制，2020，48（19）：35-42.

[5] 王玨. 分布式光伏并網(wǎng)對10 kV城市配電網(wǎng)線損的影響研究[J]. 現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2023，13（9）：308-310.

[6] 牛瑞杰，郭俊文，李曉博，等. 風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)儲能控制策略[J]. 熱力發(fā)電，2020，49（8）：150-155.

[7] 魏欣榮，吳俊勇，丁然，等. 基于光伏重心理論的配電網(wǎng)分布式光伏最大準(zhǔn)入容量計(jì)算[J]. 電網(wǎng)技術(shù)，2023，47（11）：205-221.

[8] 張濤，楊建華，靳開元，等. 基于Stackelberg博弈的配電網(wǎng)分布式光伏低碳化消納方法[J]. 電力自動化設(shè)備，2023，43（1）：48-54.

[9] 王成山，王守相. 分布式發(fā)電供能系統(tǒng)若干問題研究[J].電力系統(tǒng)自動化，2008，32（20）：1-4.

[10] 曹佳，曹建國，胡家喜，等. 考慮需求響應(yīng)的多目標(biāo)概率最優(yōu)潮流問題研究[J].控制與信息技術(shù)，2019（2）：32-39.

[11] 趙爭鳴，雷一，賀凡波，等. 大容量并網(wǎng)光伏電站技術(shù)綜述[J]. 電力系統(tǒng)自動化，2011，35， （12）：101-107.

[12] 武昭原，劉婧宇，周明，等. 分散決策下分布式光伏儲能系統(tǒng)外部性價(jià)值量化評估[J]. 電力系統(tǒng)自動化，2024，48（5）：43-52.

[13] 王一波，許洪華. 基于機(jī)會約束規(guī)劃的并網(wǎng)光伏電站極限容量研究[J].中國電機(jī)工程學(xué)報(bào)，2010，30（22）：22-28.

[14] 謝娜，吳蘇朋. 基于BA-BP網(wǎng)絡(luò)構(gòu)建的企業(yè)升級與創(chuàng)新指標(biāo)參數(shù)預(yù)測分析[J]. 粘接，2023，50（9）：151-154.

（責(zé)任編輯：張玉平）