一种城轨能源管控系统及方法与流程

本发明涉及城市轨道交通供电系统，具体涉及一种城轨能源管控系统及方法。

背景技术：

1、城市轨道交通牵引能耗约占系统总能耗的50%以上，供电成本在运营总成本中占有显著比重。提升城轨供电系统能源利用效率已成为本领域亟待解决的重要课题。

2、传统城轨牵引供电系统多采用二极管不控整流机组，能量仅在交流电网与直流牵引网之间单向流动，存在以下技术缺陷：列车再生制动产生的能量无法回馈电网，未被邻车吸收的富余能量只能通过制动电阻以热能形式耗散；直流牵引网电压受列车工况变化影响波动大；集中式供电架构依赖主变电所，一旦发生故障易导致大面积供电中断。

3、为解决上述问题，近年来本领域出现了多项改进技术。在设备侧，双向变流装置逐步替代不控整流机组，实现能量双向流动；在源侧，光伏等分布式能源开始接入城轨供电系统；部分方案还引入储能装置用于平抑功率波动。然而，上述改进仍存在明显不足：光伏系统、牵引供电系统、动力照明系统、储能系统等各子系统各自独立运行，数据分散在不同监控平台，缺乏统一的数据采集和时间同步机制，无法实现全局协同优化；城轨牵引负荷具有冲击性强、波动性大的特点，常规调度方法难以同时兼顾日级经济性规划和秒级动态响应；当供电分区内光伏出力过剩时，现有技术难以将富余电力灵活输送至其他供电分区，限制了光伏分布式能源消纳率。

4、因此，亟需一种能够打通源-网-荷-储数据链路、实现多时间尺度协同优化的系统性城轨能源管控方案。

技术实现思路

1、本发明至少在一定程度上解决了以上技术问题，提供一种城轨能源管控系统及方法。通过感知层-平台管控层-边缘控制层三层分布式架构，实现源-网-荷-储全要素协同优化的能源管控系统及方法。

2、本公开的实施例提供一种城轨能源管控系统，包括：

3、系统感知层，与城轨供电系统中的源侧设备、网侧设备、荷侧设备、储侧设备通信连接，被配置为采集并输出源-网-荷-储各节点的运行数据，所述运行数据包括时间戳；

4、平台管控层，包括：

5、数据采集单元，连接所述系统感知层的输出端，被配置为接收供电系统源-网-荷-储各节点的运行数据，根据所述时间戳将所述运行数据在统一时间基准下进行时间同步与对齐，输出统一时间断面下的全系统数据流；

6、预测单元，连接所述数据采集单元的输出端，被配置为接收所述全系统数据流并根据所述全系统数据流通过预测模型生成预测值；

7、数字孪生单元，连接所述数据采集单元的输出端和所述预测单元的输出端，被配置为接收所述全系统数据流和所述预测值，根据所述全系统数据流和所述预测值构建并输出孪生数据模型；

8、优化调度单元，连接所述数据采集单元的输出端、所述预测单元的输出端、所述数字孪生单元的输出端，被配置为根据所述全系统数据流、所述预测值、所述孪生数据模型生成优化控制指令；

9、边缘控制层，部署于城轨供电系统中的牵引变电所中，包括双向变流装置控制器、能量路由装置控制器、柔性互联装置控制器、svg控制器和储能装置控制器，每个控制器分别与对应的可控电力电子装置连接；所述边缘控制层连接所述优化调度单元的输出端，被配置为接收所述优化控制指令，根据所述优化控制指令和变电所实时状态对每个可控电力电子装置进行功率调整。

10、本技术提供的技术方案至少带来以下有益效果：通过三层分布式架构实现源-网-荷-储全要素数据贯通，为上层优化控制提供数据基础，实现感知-决策-执行的闭环协同控制。

11、本技术其它一些实施例中，所述边缘控制层还包括本地感知接口，所述本地感知接口与牵引变电所内的感知设备连接，被配置为在所述平台管控层故障时切换至独立运行模式，所述独立运行模式下，所述边缘控制层通过所述本地感知接口获取牵引变电所的实时状态，基于本地预置的控制逻辑进行牵引变电所覆盖范围内的能量正常分配。

12、本技术提供的技术方案至少带来以下有益效果：边缘控制层具备本地感知接口，在平台管控层故障时可独立采集本地数据并自治运行，保障极端场景下供电不中断。

13、本技术其它一些实施例中，所述源侧设备包括主变电所和光伏发电装置，所述网侧设备包括双向变流装置、能量路由装置、柔性互联装置和svg，所述荷侧设备包括列车和动力照明配电系统，所述储侧设备包括储能装置；

14、所述源侧的运行数据包括：主变电所电压和功率、光伏输出电压、光伏输出功率、光伏容量、辐照量、温度；

15、所述网侧的运行数据包括：直流侧电压、直流侧功率、交流侧电压、交流侧电流、各所述网侧设备的运行状态和剩余功率能力；

16、所述荷侧的运行数据包括：列车运行时刻表、列车位置、列车速度、列车功率、列车电压、动力照明系统功率；

17、所述储侧的运行数据包括：储能装置电压、储能装置电流、储能装置soc。

18、本技术提供的技术方案至少带来以下有益效果：明确源-网-荷-储各类设备的数据采集内容，为预测模型和数字孪生模型提供完整、精确的输入参数。

19、本技术其它一些实施例中，所述预测单元包括光伏出力预测子单元、牵引负荷预测子单元、动力照明负荷预测子单元和滚动校正子单元；

20、所述光伏出力预测子单元，被配置为基于太阳高度角、光伏组件参数和辐照度数据构建物理模型进行基础出力估算，并通过transformer模型对所述物理模型输出的残差序列与多源气象时序数据进行时序校正，输出光伏出力预测值；

21、所述牵引负荷预测子单元，被配置为基于列车时刻表、行车间隔、载客量、线路坡度、站间距和车辆牵引特性构建物理牵引计算模型进行基础负荷估算，并通过lstm模型对所述物理牵引计算模型的残差序列进行时序校正，输出牵引负荷预测值；

22、所述动力照明负荷预测子单元，被配置为以客流量、室内外温度、设备运行计划、节假日信息和节能控制策略为输入特征，通过transformer多特征融合时序模型进行动力照明负荷预测。

23、本技术技术方案采用“物理模型+ai时序校正”混合架构分别预测光伏出力和多类型负荷，兼顾物理可解释性与非线性捕捉能力，提升预测精度。

24、本技术其它一些实施例中，所述预测单元还包括滚动校正子单元，与所述光伏出力预测子单元、所述牵引负荷预测子单元、所述动力照明负荷预测子单元连接，被配置为采集实际出力数据、实际负荷数据，根据实际出力数据、实际负荷数据校正每个预测子单元的模型参数。

25、本技术技术方案通过滚动校正机制使预测模型持续跟踪设备老化和环境变化，保持全生命周期预测精度。

26、本技术其它一些实施例中，所述数字孪生单元包括机理模型子单元、数据驱动校正子单元和闭环反馈子单元，

27、所述机理模型子单元连接所述数据采集单元的输出端，被配置为接收所述全系统数据流，根据列车牵引供电系统运行状态、光伏分布式能源发电特性、储能装置充放电特性和列车运行状态，建立系统潮流方程，输出系统潮流基准值；

28、所述数据驱动校正子单元连接所述机理模型子单元的输出端和所述数据采集单元的输出端，被配置为接收所述系统潮流基准值和所述全系统数据流，根据所述全系统数据流与所述系统潮流基准值之间的残差，通过机器学习模型生成所述机理模型子单元的参数校正量；

29、所述闭环反馈子单元输入端连接所述数据驱动校正子单元的输出端，被配置为接收所述参数校正量；所述闭环反馈子单元的第一反馈输出端连接至所述机理模型子单元的输入端，被配置为将所述参数校正量反馈至所述机理模型子单元修正所述机理模型的参数；所述闭环反馈子单元的第二反馈输出端连接所述数据驱动校正子单元的输入端，被配置为将所述机理模型子单元基于修正后的参数输出的系统潮流基准值与实际系统数据之间的残差反馈至所述数据驱动校正子单元。

30、本技术技术方案通过“机理模型+数据驱动模型+闭环反馈”构建自校正数字孪生模型，实现物理系统的高精度实时映射。

31、本技术其它一些实施例中，所述优化调度单元包括日级优化子单元、调度协同子单元和实时优化子单元；

32、所述日级优化子单元的第一输入端连接至所述光伏出力预测子单元的输出端和所述牵引负荷预测子单元的输出端，被配置为接收所述光伏出力预测值和所述牵引负荷预测值；所述日级优化子单元的第二输入端连接至所述数字孪生单元的输出端，被配置为接收所述孪生模型数据；

33、所述日级优化子单元被配置为根据所述光伏出力预测值、所述牵引负荷预测值和所述孪生模型数据，生成日级调度计划；

34、所述调度协同子单元的输入端连接所述日级优化子单元的输出端，被配置为接收所述日级调度计划，并将所述日级调度计划转换为实时优化的边界约束条件；

35、所述实时优化子单元的输入端连接所述调度协同子单元的输出端和所述数据采集单元的输出端，被配置为接收所述边界约束条件和所述全系统数据流，根据所述边界约束条件和所述全系统数据流迭代运算牵引网的网络空间矩阵表达式，在目标函数约束下通过智能算法寻优，生成各可控设备的优化控制指令并下发至所述边缘控制层。

36、本技术技术方案通过“日级经济规划+实时功率分配”双层优化，兼顾系统经济性和动态响应能力，实现全场景综合能量最优。

37、本技术其它一些实施例中，所述优化调度单元还包括供需双向匹配子单元；

38、所述供需双向匹配子单元的输入端连接所述实时优化子单元的输出端，被配置为根据第一预设优先级规则调度能量供给来源并根据第二预设优先级分配能量需求，所述第一预设优先级规则包括：

39、第一优先级：列车再生制动能量；

40、第二优先级：光伏分布式能源；

41、第三优先级：储能放电；

42、第四优先级：电网购电；

43、所述第二预设优先级规则包括：

44、第一优先级：列车牵引负荷；

45、第二优先级：动力照明负荷；

46、第三优先级：储能充电需求；

47、第四优先级：电网回馈。

48、本技术技术方案通过供需双向优先级匹配策略，优先消纳零成本能源，保障核心负荷供电，最大化能源利用效率。

49、本技术其它一些实施例中，所述优化调度单元还包括跨分区调度子单元；

50、所述跨分区调度子单元的第一输入端连接所述数字孪生单元的输出端，被配置为获取全系统的潮流分布状态，第二输入端连接所述平台管控层的数据输出端，被配置为获取每个供电分区主变电所功率输出和车辆负荷需求，输出端连接所述边缘控制层的柔性互联装置控制器，被配置为根据所述潮流分布状态和每个供电分区主变电所功率输出和车辆负荷需求，在供电分区内光伏出力无法被本分区完全消纳时，通过所述柔性互联装置驱动本分区的能量流向其他供电分区。

51、本技术技术方案通过柔性互联装置实现跨分区能量流动，在本地无法消纳富余光伏时向其他分区输送，提升新能源消纳率。

52、本技术实施例第二方面提供一种城轨能源管控方法，基于本技术实施例第一方面所述的城轨能源管控系统实现，所述方法包括：

53、步骤s1：采集源-网-荷-储各节点的运行数据，所述运行数据包含时间戳；

54、步骤s2：对所述运行数据在统一时间基准下进行时间同步与对齐，获取统一时间断面下的全系统数据流；

55、步骤s3：接收所述全系统数据流并根据所述全系统数据流通过预测模型生成预测值；

56、步骤s4：接收所述全系统数据流和所述预测值，根据所述全系统数据流和所述预测值构建并输出孪生数据模型；

57、步骤s5：根据所述全系统数据流、所述预测值、所述孪生数据模型生成优化控制指令；

58、步骤s6：接收所述优化控制指令，根据所述优化控制指令和变电所实时状态对每个可控电力电子装置进行功率调整。

59、步骤s7：所述步骤s6实时优化执行后，将实际运行数据反馈至所述步骤s3和所述步骤s4，用于滚动更新预测模型参数和数字孪生模型参数。

60、与现有技术相比，本发明具有以下有益效果：

61、（1）通过感知层-平台管控层-边缘控制层三层分布式架构及层间数据闭环，实现源-网-荷-储全要素数据的贯通，构建感知-认知-决策-执行-反馈的完整闭环控制链路，解决了多子系统数据分散、信息孤岛的问题，为全局协同优化提供了数据基础。

62、（2）通过日级经济规划与实时功率分配的双层优化及调度协同耦合，日级利用峰谷电价降本，实时秒级动态调功保稳，兼顾经济性与动态响应。

63、（3）通过供需双向优先级匹配和跨分区调度，按再生制动>光伏>储能>电网优先级供能，经柔性互联跨区输送富余光伏，提升新能源消纳率。

64、上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。