Two-stage Coordinated Energy Management of Train Operation and Wayside Energy Storage System for Rail Power Supply Systems
作者: Fei Liu, Niklas Biedermann, Stefan Östlund, Qianwen Xu
分类: eess.SY
发布日期: 2026-09-15
💡 一句话要点
提出双阶段协调能量管理方法以优化铁路电力供应系统
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 铁路电力供应 能量管理 能量存储系统 经济模型预测控制 协调调度
📋 核心要点
- 现有方法在电气铁路运营与能量存储系统调度之间存在紧密耦合，导致协调操作困难。
- 论文提出的双阶段协调能量管理方法，优化铁路系统运营、列车轨迹和ESS调度，考虑牵引功率流约束。
- 通过瑞典铁路案例，方法实现了35.7%的峰值电网功率需求降低和28.8%的总系统成本降低，显示出良好的实际应用效果。
📝 摘要（中文）
随着铁路电力供应系统的电气化加剧，铁路电力系统接口面临运营和经济挑战。能量存储系统（ESS）能够快速灵活地支持短期功率峰值的缓解和能量管理的改善。然而，由于电气铁路运营与ESS调度之间的紧密耦合，协调操作面临挑战。本文提出了一种双阶段协调能量管理方法，联合优化铁路系统运营、列车轨迹和ESS调度，同时明确考虑牵引功率流约束。首先，日内操作阶段确定列车运行配置和ESS设置决策，以建立基线操作计划。然后，基于自适应权重经济模型预测控制（AWC-MPC）的日内滚动优化阶段在更新的牵引需求和可再生输出预测下更新ESS调度。通过瑞典铁路案例，证明该方法在降低峰值电网功率和总系统成本方面的实际应用，分别实现了35.7%和28.8%的成本降低。
🔬 方法详解
问题定义：本文旨在解决电气铁路运营与能量存储系统调度之间的协调问题，现有方法在应对时间变化的牵引需求和网络限制时存在不足。
核心思路：提出双阶段协调能量管理方法，首先通过日内操作阶段确定基线计划，然后在日内滚动优化阶段根据最新的需求预测调整ESS调度，以实现更高效的能量管理。
技术框架：整体方法分为两个主要阶段：第一阶段为日内操作阶段，确定列车运行配置和ESS设置；第二阶段为基于AWC-MPC的日内滚动优化，实时更新ESS调度。
关键创新：最重要的创新在于将日内操作与滚动优化结合，利用自适应权重经济模型预测控制方法，显著提高了系统的响应能力和经济性。
关键设计：在设计中，采用了自适应权重机制来平衡不同目标，损失函数考虑了能量成本和功率流约束，确保了调度的合理性与可行性。通过这些设计，系统能够在动态环境中有效运行。
🖼️ 关键图片
📊 实验亮点
实验结果显示，该方法在瑞典铁路案例中实现了35.7%的峰值电网功率需求降低和28.8%的总系统成本降低，表明其在实际应用中的有效性和优势。
🎯 应用场景
该研究的潜在应用领域包括铁路运输、电力调度和可再生能源集成等。通过优化铁路电力供应系统的能量管理，可以显著降低运营成本，提高电力系统的稳定性和可靠性，具有重要的实际价值和未来影响。
📄 摘要（原文）
The increasing electrification of railway power supply system (RPSS) intensify the operational and economic challenges at the railway power system interface. Energy storage systems (ESSs) can provide fast and flexible support to mitigate short term power spikes and to improve the energy management. However, achieving coordinated operation is challenged by the tight coupling among electrical railway operation and ESS dispatch under time-varying traction demand and network limits. This paper proposes a two-stage coordinated energy management method for electrified RPSSs that jointly optimizes railway system operation, train trajectories and ESS dispatch while explicitly accounting for traction power flow constraints. First, a day-ahead operation stage determines the train operating profiles and the ESS setting decisions to establish the baseline operating plan. Then, an intra-day rolling optimization stage based on adaptive weight economic-model predictive control (AWC-MPC) updates ESS dispatch under refreshed forecasts of traction demand and renewable output. A real Swedish railway case is utilized to minimize the energy purchase cost and the ESS cost while reducing peak grid power, demonstrating its practical applicability with 35.7% peak grid power demand and 28.8% total system cost reduction.