车载储能系统与地面充电系统的联合优化配置方法及系统与流程

1.本发明涉及轨道交通技术领域，具体地说，尤其涉及一种车载储能系统与地面充电系统的联合优化配置方法及系统。


背景技术：

2.随着社会快速发展，人民对出行便利要求越来越高，有轨电车承载量适用于部分中小城市客流量的需求，在多个城市规划与建设不断增加。目前的有轨电车主要供电方式仍使用架空接触网供电系统，但由于要大量繁杂的线路架设，对城市美观造成很大影响。无架空接触网供电方式主要有三种，包括电磁感应供电、第三轨供电和车载储能供电。电磁感应系统利用电磁感应原理，效率较低，投资维护成本较高，同时还会产生电磁污染，第三轨供电安全性较差，维护成本高，系统控制复杂，故障率较高，因此应用较少。车载超级电容储能系统供电，在站点合理配置充电桩，利用上下客时间进行电量补充，安全性高，充电速度快，效率高，有较强的适用性，成为有轨电车发展的主要趋势。
3.有轨电车超级电容储能系统参数匹配大多是基于动力指标的独立子系统参数匹配，系统冗余度高，装车设备浪费且成本较高。有轨电车线路匹配的充电桩目前应用的配置方法主要是遍历法或是隔站配置充电桩的方法，遍历法全线站点均配置充电桩，这种配置方法对较长较复杂线路不适用，充电桩数量过多，大大增加了投建成本；隔站配置充电桩的方法会增加对储能系统电量的配置。其他关于充电桩位置的优化配置方法研究较少，尤其缺少结合超级电容储能系统参数配置的充电桩配置的方法。
4.因此急需开发一种克服上述缺陷的车载储能系统与地面充电系统的联合优化配置方法及系统。


技术实现要素：

5.针对上述问题，本发明提供一种车载储能系统与地面充电系统的联合优化配置方法，其中，应用于有轨电车的车载储能系统与地面充电系统，所述联合优化配置方法包括：
6.牵引计算步骤：根据目标线路信息及有轨电车车辆参数通过牵引计算获得车载储能系统的参数范围；
7.组合方案获取步骤：根据所述车载储能系统的参数配置和充电桩的参数配置基于所述参数范围进行组合获得多个组合方案；
8.优化组合方案获取步骤：以全寿命周期成本最小作为优化目标，采用灰狼-事件触发状态机算法遍历多个所述组合方案进行优化获得至少一优化组合方案；
9.其中，每一所述优化组合方案及每一所述组合方案均包括所述车载储能系统的参数配置、所述充电桩的数量配置及位置配置。
10.上述的联合优化配置方法，其中，所述组合方案获取步骤包括：
11.将所述车载储能系统的额定功率和所述充电桩的配置数量设为计算变量，将所述牵引计算步骤获得的需求功率和能量以及所述车载储能系统的参数、型号和所述充电桩的
参数、型号作为上下限向量，通过计算获得多个所述组合方案。
12.上述的联合优化配置方法，其中，所述优化组合方案获取步骤包括：
13.搭建多目标优化函数步骤：基于多个所述组合方案根据所述车载储能系统及所述充电桩的全寿命周期成本搭建多目标优化函数；
14.充电桩位置配置步骤：根据所述组合方案通过内层状态机算法进行充电桩位置的配置后获得多个充电桩位置配置方案，通过所述多目标优化函数获得每一所述充电桩位置配置方案的成本参考值，并选取最小的所述成本参考值作为所述组合方案的成本值；
15.车载储能系统配置与充电桩数量配置步骤：根据每一所述组合方案的成本值通过外层灰狼算法寻找全局最优的至少一优化组合方案。
16.上述的联合优化配置方法，其中，所述充电桩位置配置获取步骤包括：
17.通过所述多目标优化函数计算每一满足电量范围的所述充电桩位置配置方案的所述成本参考值，从多个所述成本参考值选取最小成本参考值对应地所述充电桩位置配置方案为最优的所述充电桩位置配置方案。
18.上述的联合优化配置方法，其中，所述车载储能系统配置与充电桩数量配置获取步骤包括：
19.将每一所述组合方案的所述成本值进行对比后选取至少一所述成本值作为优化成本值；对所述优化成本值对应地所述组合方案进行更新种群位置及迭代后获得至少一所述优化组合方案。
20.本发明还提供一种车载储能系统与地面充电系统的联合优化配置系统，其中，应用于有轨电车的车载储能系统与地面充电系统，所述联合优化配置系统包括：
21.牵引计算单元，根据目标线路信息及有轨电车车辆参数通过牵引计算获得车载储能系统的参数范围；
22.组合方案获取单元，根据所述车载储能系统的参数配置和充电桩的参数配置基于所述参数范围进行组合获得多个组合方案；
23.优化组合方案获取单元，以全寿命周期成本最小作为优化目标，采用灰狼-事件触发状态机算法遍历多个所述组合方案进行优化获得至少一优化组合方案；
24.其中，每一所述优化组合方案及每一所述组合方案均包括所述车载储能系统的参数配置、所述充电桩的数量配置及位置配置。
25.上述的联合优化配置系统，其中，所述组合方案获取单元包括：
26.将所述车载储能系统的额定功率和所述充电桩的配置数量设为计算变量，将所述牵引计算步骤获得的需求功率和能量以及所述车载储能系统的参数、型号和所述充电桩的参数、型号作为上下限向量，通过计算获得多个所述组合方案。
27.上述的联合优化配置系统，其中，所述优化组合方案获取单元包括：
28.搭建多目标优化函数模块，基于多个所述组合方案根据所述车载储能系统及所述充电桩的全寿命周期成本搭建多目标优化函数；
29.充电桩位置配置模块，根据所述组合方案通过内层状态机算法进行充电桩位置的配置后获得多个充电桩位置配置方案，通过所述多目标优化函数获得每一所述充电桩位置配置方案的成本参考值，并选取最小的所述成本参考值作为所述组合方案的成本值；
30.车载储能系统配置与充电桩数量配置模块，根据每一所述组合方案的成本值通过
外层灰狼算法寻找全局最优的至少一优化组合方案。
31.上述的联合优化配置系统，其中，所述充电桩位置配置模块包括：
32.通过所述多目标优化函数计算每一满足电量范围的所述充电桩位置配置方案的所述成本参考值，从多个所述成本参考值选取最小成本参考值对应地所述充电桩位置配置方案为最优的所述充电桩位置配置方案。
33.上述的联合优化配置系统，其中，所述车载储能系统配置与充电桩数量配置模块包括：
34.将每一所述组合方案的所述成本值进行对比后选取至少一所述成本值作为优化成本值；对所述优化成本值对应地所述组合方案进行更新种群位置及迭代后获得至少一所述优化组合方案。
35.本发明相对于现有技术其功效在于：
36.本发明通过计算有轨电车在固定线路运行的牵引计算需求，同时考虑充电桩故障、路口停车等工况，采用灰狼-事件触发的智能优化算法，得到有轨电车超级电容储能系统参数配置和充电桩数量和位置的配置，使得超级电容储能系统与充电桩系统的全寿命周期成本最低，实现有轨电车超级电容储能系统参数匹配与充电桩配置联合优化。本方法可保证车载电容储能式有轨电车运营安全可靠稳定，有效降低线路投建成本。
37.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
38.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
39.图1为车载储能系统和充电桩配置的拓扑图；
40.图2为本发明的联合优化配置方法的流程图；
41.图3为图2中步骤s3的分步骤流程图；
42.图4为图3中步骤s32的应用流程图；
43.图5为图3中步骤s33的应用流程图；
44.图6为本发明的联合优化配置系统的结构示意图。
具体实施方式
45.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。另外，在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部
分。
47.关于本文中所使用的“第一”、“第二”、“s1”、“s2”、
…
等，并非特别指称次序或顺位的意思，也非用以限定本发明，其仅为了区别以相同技术用语描述的元件或操作。
48.关于本文中所使用的方向用语，例如：上、下、左、右、前或后等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本创作。
49.关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
50.关于本文中所使用的“及/或”，包括所述事物的任一或全部组合。
51.关于本文中的“多个”包括“两个”及“两个以上”；关于本文中的“多组”包括“两组”及“两组以上”。
52.关于本文中所使用的用语“大致”、“约”等，用以修饰任何可以微变化的数量或误差，但这些微变化或误差并不会改变其本质。一般而言，此类用语所修饰的微变化或误差的范围在部分实施例中可为20％，在部分实施例中可为10％，在部分实施例中可为5％或是其他数值。本领域技术人员应当了解，前述提及的数值可依实际需求而调整，并不以此为限。
53.某些用以描述本技术的用词将于下或在此说明书的别处讨论，以提供本领域技术人员在有关本技术的描述上额外的引导。
54.请参照图1，图1为车载储能系统和充电桩配置的拓扑图。如图1所示，本发明为了满足超级电容储能式有轨电车运营要求，列车在设计时需要对超级电容储能系统进行合理的参数配置，线路充电桩配置需要与储能系统相配合，达到更好的充电效果。根据有轨电车超级电容储能系统技术规范要求，储能系统供电额定电压，电压变化范围，空间体积及重量限制等，需与整车牵引需求相匹配；线路充电桩在列车进站后对其进行充电，充电时间不短于停车时间，配置充电桩的站点可以对上下行车辆进行充电，现对有轨电车超级电容储能系统参数匹配与充电桩配置进行联合优化。由于充电桩位置配置不同，车载储能系统的充放电深度和soc工作区间不同，从而影响超级电容寿命和寿命周期成本。本发明以车载储能系统和充电桩配置全寿命周期成本最小作为优化目标，采用灰狼-事件触发状态机算法，遍历全部组合方案寻找最优的超级电容储能系统配置和充电桩数量组合，以及对应的最优的充电桩位置配置结果。
55.请参照图2，图2为本发明的联合优化配置方法的流程图。如图2所示，本发明的一种车载储能系统与地面充电系统的联合优化配置方法，应用于有轨电车的车载储能系统与地面充电系统，所述联合优化配置方法包括：
56.牵引计算步骤s1：根据目标线路信息及有轨电车车辆参数通过牵引计算获得车载储能系统的参数范围；
57.组合方案获取步骤s2：根据所述车载储能系统的参数配置和充电桩的参数配置基于所述参数范围进行组合获得多个组合方案；
58.优化组合方案获取步骤s3：以全寿命周期成本最小作为优化目标，采用灰狼-事件触发状态机算法遍历多个所述组合方案进行优化获得至少一优化组合方案；
59.其中，每一所述优化组合方案及每一所述组合方案均包括所述车载储能系统的参数配置、所述充电桩的数量配置及位置配置。
60.在步骤s1中，结合实际运营线路的坡道、曲线和限速、路口停车信息，以及车辆载
荷信息、车辆启动加速度、制动减速度动力性能、车辆启动阻力和基本阻力阻力、电机的牵引特性及电制动特性等，对有轨电车进行牵引计算，得到列车实时运行功率-速度曲线、速度-运行时间曲线、牵引能耗-速度曲线和再生能量-速度曲线等数据，根据列车实时运行功率-速度曲线、速度-运行时间曲线、牵引能耗-速度曲线和再生能量-速度曲线等数据确定有轨电车的车载储能系统的参数范围，保证有轨电车需求功率最大值p
re
大于等于超级电容储能系统输出功率p
sc
，超级电容储能系统输出电量e
sc
大于等于最大区间需求电量e
re-max
，充电桩充电电量q
ch
大于等于全线运行需求电量q
re
，额定充放电电流i
sc
满足停车充电电流i
re
，超级电容储能系统整体重量m
sc
及体积v
sc
满足整车设计要求的重量m
max
及体积v
max
限制。
61.具体地说，首先输入线路坡道信息、曲线信息、设施信息和限速信息及路口停车信息；其次设置车辆载荷、启动平均加速度、减速度、最大运行速度、阻力、牵引特性参数及制动特性参数；再输入齿轮传动比、齿轮传动效率、机电效率、动轮直径及单车辅助功率参数信息后通过牵引计算获得列车实时运行功率-速度曲线、速度-运行时间曲线、牵引能耗-速度曲线和再生能量-速度曲线等数据。
62.进一步地，所述组合方案获取步骤s2包括：
63.将所述车载储能系统的额定功率和所述充电桩的配置数量设为计算变量，将所述牵引计算步骤获得的需求功率和能量以及所述车载储能系统的参数、型号和所述充电桩的参数、型号作为上下限向量，通过计算获得多个所述组合方案。
64.具体地说，根据所述车载储能系统的参数范围建立系统约束后，生成充电桩配置向量，即超级电容储能系统额定功率、额定电量和充电桩的配置数量(x；y；z)＝(x1,x2,
…
xn；y1,y2,
…yn
；z1,z2,
…zn
)，，通过计算获得多个所述组合方案。
65.其中，系统约束为：
[0066][0067]
其中，η1为电机效率，η2为超级电容储能系统电量裕量,η3为充电桩充电效率，以上三个变量均为小于1的值。
[0068]
举例来说，根据牵引计算结果，将超级电容储能系统额定功率、额定电量和充电桩的配置数量为种群计算量，将有轨电车通过牵引计算得到的需求功率和能量以及超级电容储能系统和充电桩的常用参数及型号作为上下限(公式一)，初步得到进行超级电容储能系统额定功率、额定电量和充电桩数量的可行组，例如储能系统额定功率有a个，储能系统额定电量有b个，充电桩数量有n个，共有a*b*n个组合方案。
[0069]
请参照图3，图3为图2中步骤s3的分步骤流程图。如图3所示，所述优化组合方案获取步骤包括：
[0070]
搭建多目标优化函数步骤s31：基于多个所述组合方案根据所述车载储能系统及所述充电桩的全寿命周期成本搭建多目标优化函数。
[0071]
充电桩位置配置步骤s32：根据所述组合方案通过内层状态机算法进行充电桩位
置的配置后获得多个充电桩位置配置方案，通过所述多目标优化函数获得每一所述充电桩位置配置方案的成本参考值，并选取最小的所述成本参考值作为所述组合方案的成本值。
[0072]
车载储能系统配置与充电桩数量配置步骤s33：根据每一所述组合方案的成本值通过外层灰狼算法寻找全局最优的至少一优化组合方案。
[0073]
其中，在步骤s31中，多目标优化函数为：
[0074]
sc＝m1*sc
re
(p
re
,q
re
,n) m2*scy(p
re
,qr) m3*sc
life
(p
re
,q
re
,n)；
[0075]
dc＝m4*dc
re
(p
re
,q
re
,n) m5*dcy(p
re
,q
re
,n) m6*dc
life
(p
re
,q
re
,n)；
[0076]
c＝k1*sc(p
re
,q
re
,n) k2*dc(p
re
,q
re
,n)；
[0077]
其中，k1,k2为权重系数，sc为超级电容储能系统全寿命周期成本函数，包括配置电量成本sc
re
、超级电容储能系统维修成本scy和超级电容储能系统寿命末期剩余价值sc
life
，dc为充电桩全寿命周期成本函数，包括配置充电桩成本dc
re
、充电桩维修成本dcy和充电桩寿命末期剩余价值dc
life
；m1、m2、m3、m4、m5和m6为权重系数。
[0078]
其中，在步骤s32中，针对每一种组合方案，输入内层状态机算法进行充电桩位置的配置，例如站点数量为m，配置充电桩数量为n，充电桩位置配置方案共有个。
[0079]
针对每一充电桩位置配置方案，设置车辆从第一个站开始运行，判断是否有充电桩，若有充电桩则判断电量是否满足要求，若电量满足要求则判断是否走完线路，若走完线路则进入下一站，若为走完线路则返回继续判断是否有充电桩，其中若判断结果为未有充电桩则直接判断是否走完线路，若判断结果为电量不满足要求，则对车载储能系统进行充电，充电完成后则判断是否走完线路；
[0080]
最后，进入下一站后，更新车载储能系统电量并判断电量是否满足要求，如果电量满足要求则根据多目标优化函数计算该充电桩位置配置方案的成本参考值，遍历该组合方案中的所有充电桩位置配置方案后获得多个成本参考值，选择最小的成本参考值作为所述组合方案的成本值c1，也即，成本值c1对应地充电桩位置配置方案也为该组合方案的最优的充电桩位置配置方案，其中，如果电量不满足要求则将成本置无穷大。
[0081]
其中，在步骤s33中，将每一所述组合方案的所述成本值进行对比后选取至少一所述成本值作为优化成本值；对所述优化成本值对应地所述组合方案进行更新种群位置及迭代后获得至少一所述优化组合方案
[0082]
具体地说，请参照图5，图5为图3中步骤s33的应用流程图。以下结合图5对步骤s33进行具体说明。在本实施例中，步骤s33通过外层算法，即灰狼算法获得至少一所述优化组合方案。
[0083]
首先，对算法进行初始化；
[0084]
其次，将前三个组合方案的成本值全部进行对比后将成本值按照自小至大的顺序排序获得为最优结果α，次优结果β，再次优结果γ；
[0085]
再次，将其余全部的组合方案的成本值分别与最优结果α、次优结果β及再次优结果γ进行对比更新，获得最终的最优结果α、次优结果β及再次优结果γ，最终的最优结果α、次优结果β及再次优结果γ分别最后选取的为优化成本值，举例来说当第四个组合方案的成本值小于最优结果α，则将第四个组合方案的成本值设为最优结果α，原最优结果α变为次优结果β，原次优结果β变为再次优结果γ；
[0086]
最后，将最优结果α、次优结果β及再次优结果γ作为优化成本值，对三个优化成本
值分别对应地组合方案进行如下的更新种群位置及迭代后获得三个优化组合方案：
[0087]
随着迭代次数的增加，其范围逐渐收敛，常数q决定了算法的搜索范围，其计算方法为：
[0088]
q＝2-2c
iter
/c
maxiter
[0089]
式中，q为随迭代次数线性变化的值，c
iter
为当前迭代次数，c
maxiter
为最大迭代次数；
[0090]
对于第i种群中的第j个具体的位置其更新方式为：
[0091][0092][0093]
式中，p'(i,j)为更新后的第i个种群中的第j个变量的新位置，p(i,j)为第i种群中第j个变量的位置，ε1、ε2、ε3，分别为按照α、β、γ优解相应坐标更新的位置信息，p
α
(j)为最优解α对应的第j个变量的大小，p
β
(j)为次优解β对应的第j个变量的大小，p
γ
(j)为再优解γ对应的第j个变量的大小，ξ
1-ξ6为随机生成的范围为0-1的数值。
[0094]
请参照图6，图6为本发明的联合优化配置系统的结构示意图。如图6所示，本发明的一种车载储能系统与地面充电系统的联合优化配置系统，应用于有轨电车的车载储能系统与地面充电系统，所述联合优化配置系统包括：
[0095]
牵引计算单元11，根据目标线路信息及有轨电车车辆参数通过牵引计算获得车载储能系统的参数范围；
[0096]
组合方案获取单元12，根据所述车载储能系统的参数配置和充电桩的参数配置基于所述参数范围进行组合获得多个组合方案；
[0097]
优化组合方案获取单元13，以全寿命周期成本最小作为优化目标，采用灰狼-事件触发状态机算法遍历多个所述组合方案进行优化获得至少一优化组合方案；
[0098]
其中，每一所述优化组合方案及每一所述组合方案均包括所述车载储能系统的参数配置、所述充电桩的数量配置及位置配置。
[0099]
进一步地，所述组合方案获取单元12将所述车载储能系统的额定功率和所述充电桩的配置数量设为计算变量，将所述牵引计算步骤获得的需求功率和能量以及所述车载储能系统的参数、型号和所述充电桩的参数、型号作为上下限向量，通过计算获得多个所述组合方案。
[0100]
再进一步地，所述优化组合方案获取单元13包括：
[0101]
搭建多目标优化函数模块131，基于多个所述组合方案根据所述车载储能系统及所述充电桩的全寿命周期成本搭建多目标优化函数；
[0102]
充电桩位置配置模块132，根据所述组合方案通过内层状态机算法进行充电桩位置的配置后获得多个充电桩位置配置方案，通过所述多目标优化函数获得每一所述充电桩位置配置方案的成本参考值，并选取最小的所述成本参考值作为所述组合方案的成本值；
[0103]
车载储能系统配置与充电桩数量配置模块133，根据每一所述组合方案的成本值通过外层灰狼算法寻找全局最优的至少一优化组合方案。
[0104]
其中，所述充电桩位置配置模块132通过所述多目标优化函数计算每一满足电量范围的所述充电桩位置配置方案的所述成本参考值，从多个所述成本参考值选取最小成本参考值对应地所述充电桩位置配置方案为最优的所述充电桩位置配置方案。
[0105]
其中，所述车载储能系统配置与充电桩数量配置模块133将每一所述组合方案的所述成本值进行对比后选取至少一所述成本值作为优化成本值；对所述优化成本值对应地所述组合方案进行更新种群位置及迭代后获得至少一所述优化组合方案。
[0106]
综上所述，本发明计算有轨电车在固定线路运行的牵引计算需求，同时考虑充电桩故障、路口停车等工况，采用灰狼-事件触发的智能优化算法，得到有轨电车超级电容储能系统参数配置和充电桩数量和位置配置，使得超级电容储能系统与充电桩系统的全寿命周期成本最低，实现有轨电车超级电容储能系统参数匹配与充电桩配置联合优化；同时通过本发明获得最优的有轨电车储能系统参数匹配结果和充电桩数量和配置位置，减少车载储能系统和充电桩配置不必要的冗余度，基于本方法，可最大程度地优化超级电容储能系统充放电工作在高效区间，有效延长超级电容储能系统使用寿命，实现全寿命周期最优。
[0107]
尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。