基于多向差分进化算法的氢燃料电池市域动车组运行协同优化

学术   其他   2024-07-31 16:45   北京  



基于多向差分进化算法的氢燃料电池市域动车组运行协同优化


刘普仁,李奇,孟翔,罗舒钰,李荦一,刘述奎,陈维荣

(西南交通大学电气工程学院;国网四川省电力公司成都供电公司)

DOI:10.13334/j.0258-8013.pcsee.221627



1

研究背景

为达成“碳达峰”和“碳中和”的目标,2020年12月,国务院新闻办公室发布的《新时代的中国能源发展》白皮书提出,应将绿色氢能的应用作为新能源发展的开端。氢燃料电池目前的发展已相对成熟,在新能源汽车、航空航天、轨道交通等领域均有应用。其中,在我国轨道交通领域,燃料电池已成功应用于调车列车、城市有轨电车,并取得了显著的效果。考虑燃料电池的输出特性,其通常与锂电池共同构成混合动力系统为负载提供能量。为提升燃料电池混合动力列车的经济性,研究人员通常从2个角度考虑:一是从混合动力系统层面,通过合理有效的能量管理方法分配燃料电池和锂电池的功率以达到降低氢气消耗和动力源性能衰退的目的;二是从列车节能操纵层面,根据给定的线路条件和时刻表制定合理的速度曲线以达到降低运行能耗的目的。


2

论文所解决的问题及意义 

现有的研究中通常将能量管理和节能操纵问题单独考虑,降低了系统的综合经济性。因此,在保证节能操纵和能量管理连续性和耦合性的基础上实现混合动力系统输出功率的最优分配是目前燃料电池市域动车组面临的主要难点。此外,如何平衡燃料电池市域动车组配置成本、运行成本、动力源折旧成本之间的关系也是目前面临的主要难点。本文提出一种基于多向差分进化算法(muti-direction differential evolution,MDDE)的氢燃料电池市域动车组速度与能量管理协同优化方法(collaborative optimization method of speed profile and energy management,CO-SE)。该方法以日均损耗价值成本衡量氢燃料电池市域动车组的综合经济性,利用MDDE相较于传统启发式算法更快的迭代速度和更高的收敛精度求解氢燃料电池市域动车组的最优操纵率和能量管理规则,实现最小化日均损耗价值成本。


3

论文重点内容  

1)氢燃料电池市域动车组最优速度曲线生成。

氢燃料电池市域动车组节能操纵问题的目标是最小化运行区间的能量消耗,为了实现控制目标,结合含有功率惩罚因子的运行区间能量消耗函数和氢燃料电池市域动车组的动力学方程构造哈密尔顿函数,对其在动车组需满足的不等式约束条件下求解,可以得到氢燃料电池市域动车组在运行区间下的最优操纵率如图1所示。考虑氢燃料电池市域动车组准时、准确到站,需要求解出区间的最高运行速度vm,max和状态转换点Atp,其求解流程如图2所示。

图1  氢燃料电池市域动车组最优操纵率

图2  氢燃料电池市域动车组最优速度曲线生成流程图

2)氢燃料电池市域动车组能量管理。

考虑氢燃料电池市域动车组的实时运行控制,本文结合混合动力系统的输出特性,制定了一套可以满足氢燃料电池市域动车组正常运行并降低动力源性能衰退的基于系统状态的规则式能量管理方法,其功率分配规则如表1所示。表1参数通常由专家根据动力源特点制定,但含有主观性的参数设置降低了混合动力系统的运行经济性。
表1 基于系统状态的规则式能量管理方法

3)基于多向差分进化算法的氢燃料电池市域动车组运行协同优化。

本文以功率惩罚因子和表1主要参数为待求变量,使用MDDE,以系统日均损耗价值成本最小为优化目标,包括日均配置成本、日均运行成本以及日均折旧成本,对氢燃料电池市域动车组的速度和能量管理规则进行协同优化,以得到更小的日均损耗价值成本。CO-SE流程图如图3所示。基于MDDE算法的动车组速度与能量管理协同优化方法求解过程如下:

①设置种群总数NP,初始化3个子群数使其等于NP,初始化变异概率,初始化待优化变量x

②根据待优化变量初值,根据能量管理方法分配的燃料电池和锂电池功率。

③计算子种群中每个个体的适应度,并存储每个个体的适应度。

④对3个子种群进行差分变异。

⑤对所有个体进行交叉操作,并记录每个操作子群的最优解和全局最优解。

⑥为了提升该算法的收敛速度和收敛精度,计算每个子群的改善率。

⑦更新下一次迭代时每个子群的种群数

⑧重复执行步骤③-⑦,直至达到最大迭代数量,记录全局最优个体对应的x的值。

⑨氢燃料电池市域动车组根据上述步骤离线求解的最优值,实时分配燃料电池和锂电池功率。

图3 氢燃料电池市域动车组运行协同优化流程图


4

结论  

本文为提高氢燃料电池市域动车组的运行经济性,通过建立日均损耗价值成本模型,对氢燃料电池市域动车组的综合经济性进行评价,提出了一种基于MDDE算法的氢燃料电池市域动车组运行协同优化方法,并基于半实物平台进行了实验对比分析。结果表明,在单运行区间内,本文所提方法相比于优化前、速度优化和能量管理优化,日均损耗价值成本分别降低了15.21%、6.9%、9.51%;在多运行区间内,本文所提方法相比于分步优化方法,其日均损耗价值成本降低了5.07%。




引文信息


刘普仁,李奇,孟翔,等基于多向差分进化算法的氢燃料电池市域动车组运行协同优化[J]中国电机工程学报,2024,44(3):1007-1019.

LIU Puren,LI Qi,MENG Xiang,et alCollaborative optimization of hydrogen fuel cell urban emu operation based on multi-directional differential evolution algorithm[J]Proceedings of the CSEE,2024,44(3):1007-1019(in Chinese).




团队介绍

轨道交通新能源技术研究团队是一支以陈维荣教授(俄罗斯工程院外籍院士,西南交通大学原电气工程学院院长、国家轨道交通电气化与自动化工程技术研究中心常务副主任、氢能及储能技术研究院院长)为学术带头人,教授、副教授和青年骨干教师为主的研究团队。主要开展轨道交通新型供电技术、综合能源接入与消纳、氢能与燃料电池发电技术、先进储能技术等领域的科研工作。先后承担国家科技支撑计划、国家自然科学基金重点项目、国家重点研发计划课题等国家、省部级科技攻关项目和重大工程项目40余项,并成功研制了世界首列时速160km/h氢能动力市域动车组和氢能混合动力有轨电车。获国家科学技术进步二等奖2项、省部级科技进步奖11项。出版专著7部,发表学术论文200余篇,申请/授权发明专利100余项。




作者介绍



刘普仁,西南交通大学硕士研究生,研究方向为燃料电池混合动力系统能量管理。



李奇,教授,博士生导师,入选国家级青年人才计划,IET Fellow。研究方向为综合能源系统规划与运行、轨道交通新型供电技术、氢能与燃料电池发电技术。


责编:陈   娟

审核:胡琳琳


声明

本文为原创作品,所涉文字及图片版权均属《中国电机工程学报》编辑部所有,根据国家版权局最新规定,纸媒、网站、微博、微信公众号转载、摘编我编辑部的作品,务必请提前联系我编辑部。个人请按本微信原文转发、分享。


中国电机工程学报
行业标杆,引领未来。
 最新文章