[发明专利]一种电气化铁路牵引供电方案优化设计方法

摘要

本发明公开了一种电气化铁路牵引供电方案优化设计方法，通过将牵引变电所、分区所、AT所(若采用AT供电方式)以及开闭所等供电设施的数目、位置和牵引变压器容量设置为优化变量,根据设计性能和要求设置约束条件，确定优化目标函数(例如全线最小供电容量(Ssub)、最小平均功耗(Ploss)、最少工程造价(M)等)，建立满足单目标最优或多目标满意优化的电气化铁路牵引供电系统设计数学模型。利用智能优化算法在约束条件限制域内对所有可能的牵引供电方案进行自动比选，确定符合优化目标的最优方案或满意方案.本发明方法能自动、高效、准确地确定牵引供电设施的数目、位置和变压器容量等设计参数，提高牵引供电设计的精细化水平，降低牵引供电系统建设和运行费用。 1

主权项

1.一种电气化铁路牵引供电方案优化设计方法，其特征在于：采用自耦变压器AT供电方式的牵引供电系统优化设计时，包括如下的具体步骤：1)设置优化过程收敛条件—迭代精度要求，以及输入牵引供电系统设计所需的以下基础资料：电气化铁路平纵面参数，运行组织计划，电力机车特性参数，外部供电电源参数；2)NTS，NAT，NSP，NKB分别为全线需要设置的牵引变电所，AT所，分区所和开闭所数目，PTSi,PATr,PSPj,PKBs分别为牵引变电所，AT所，分区所和开闭所的位置变量，A，C，B和D为对应可选所址的值域，T为系统运行周期，单位为分钟，小时或者天，Si为各牵引变电所计算容量，Pij为不同时刻各变电所有功功率输出，K表示在线列车数目，PLkj为不同时刻各机车有功功率需求，ULk为电力机车端接触网对地电压，ULmin和ULmax分别为机车牵引特性对牵引网电压的限值要求，以全线牵引变电所计算容量之和Ssub最小和平均有功功率损耗Ploss最小为优化目标，建立如下多目标优化模型，如式(1)所示:式中f1为第一目标函数，f2为第二目标函数；约束条件：基于Pareto熵的混沌多目标粒子群优化算法，对上述多目标优化模型进行寻优；首先，在优化变量可行域范围内初始化生成一个粒子群，粒子初始速度是在速度范围内的一组随机数；然后，利用已有的牵引供电仿真计算平台ELBAS/WEBANET或者OpenPowerNet，计算潮流分布和优化目标函数值；在迭代计算过程中，采用近似Pareto分布熵及差熵来评估种群的进化状态，并以此为反馈信息动态的跟踪调节进化策略和变异算子，并利用混沌扰动对变量进行调整；通过协调多个目标函数之间的关系，计算满足约束条件的Pareto解集；对于多目标优化，应用模糊隶属度函数来评价每个Pareto解中各个目标函数对应的满意度，定义模糊隶属度函数如式(3)所示：式中μ_m为目标函数f_m的隶属度值，f_m表示第m个目标函数值，表示第m个目标函数值中最小值和最大值；m＝1，2；对于Pareto解集中每个解，应用公式(4)求其对应的满意度值，将满意度值最大的解对应的设计方案记为最优方案或满意方案，式中μ为Pareto解对应的满意度值；上述计算满足约束条件的Pareto解集的具体步骤如下：第一步，将优化变量作为粒子群，初始化位置和速度，作为车‑网耦合系统交互仿真的输入参数；第二步，利用车‑网耦合系统交互仿真，计算AT牵引供电系统潮流分布，若约束条件不满足则返回第一步，重新对粒子群初始化；若满足约束条件，则递进至第三步；第三步，计算优化目标函数值，建立一定容量的外部档案，用来储存优化过程得到的Pareto熵；第四步，利用前后两次迭代熵的变化；反映Pareto前沿重新分布的情况，推断种群的进化状态：收敛状态、多样化状态和停滞状态；第五步，判断优化过程是否满足收敛条件；若不满足步骤1)中设置的收敛条件，则返回第四步，继续进行迭代优化；若满足步骤1)中设置的收敛条件，则迭代过程结束，输出对应多目标优化的解集。