研究背景与意义
西南某地区铁路电气化里程将从448.7公里增至5198公里，电气化率提升68个百分点，但部分规划线路电网薄弱，难以满足未来供电需求。该地区太阳能和风能资源丰富，但高原气候恶劣、地势复杂，导致可再生能源出力和牵引负荷波动大，难以高效匹配。同时，电化学储能在高原环境下性能骤降，而氢储能具有高能量密度、长储能周期和强抗寒能力，因此提出建设光-风-氢-储综合能源系统为电气化铁路供电。
关键挑战
- 源荷难以预测：高原气象站点稀疏，气候变率大，极端天气频发，导致风速、光照强度等数据变化剧烈；同时，地势起伏大导致牵引负荷波动大，受多种因素影响易造成行车组织突变，给负荷预测带来挑战。
- 资源配置目标难以协调：源荷双侧动态特性差异需要配置多介质储能满足功率平衡，但在高原极端环境下，风光氢储等关键设备面临运行工况多变、性能降低等问题，使得供电可靠性、可再生能源消纳率、经济性等多资源配置目标之间难以协调。
- 系统调控困难：低温缺氧环境使得超级电容功率密度降低、电池内部极化加剧、燃料电池输出功率减小，设备无法充分发挥其灵活调节能力，给系统功率平衡和能量平衡带来挑战。
- 电能质量难以治理：异相牵引供电方式、交直交机车和冲击负荷等原因造成负序、谐波、网压波动等电能质量问题，且该地区电网短路容量小，行车组织突变和长大坡道使电能质量问题更显著。
科学问题与研究方向
本项目拟解决四个关键科学问题：高原气候剧变及行车组织突变对源荷预测的影响机理；设备变工况特性与资源保障系统实时供需平衡的作用机理；多指标权衡对系统源荷配置的影响机理；反馈送电的负荷冲击对电能质量影响的映射。研究方向包括：高原环境下风光出力及牵引负荷预测、光-风-氢-储综合能源系统资源配置、光-风-氢-储综合能源系统调度控制、考虑综合能源系统设备的电能质量治理、系统仿真平台及工程示范。
研究方案与成果
- 高原环境下风光出力及牵引负荷预测：采用门控循环神经单元识别高原气候参数，引入注意力机制学习常态化恶劣天气对行车组织突变的影响因素，使用改进型ResNet-GRU模型进行训练和测试，并基于动态矩阵控制修正模型误差，逐步逼近真实风光出力及牵引负荷功率。
- 光-风-氢-储综合能源系统资源配置：采用多准则决策进行多指标权衡，建立计及光、风、氢、储等设备变工况运行的耦合模型，基于牵引供电系统不同工况的能量流动情况，构建基于多阈值的能量动态识别管理机制，进而使用高斯变异改进的多目标优化算法求解最优资源配置方案。
- 光-风-氢-储综合能源系统调度控制：基于源荷预测结果与资源最优配置方案，构建融合SoftActor-Critic与分层课程学习机制的高维连续决策求解框架，在策略空间中嵌入递进式难度约束以实现自适应最优调度。
- 考虑综合能源系统设备的电能质量治理：通过实时采集电气参数评估牵引负荷对电能质量指标的影响，设计基于变流器控制器的优化补偿方案，提出混合储能系统与变流器协同控制策略，实现网压波动、负序和谐波等电能质量的综合治理。
- 系统仿真平台及工程示范：构建牵引变电所、分区所、牵引网及外部电源在内的牵引供电系统数据库，开发适用牵引供电的光-风-氢-储一体化综合能源系统仿真平台，依托中铁上海院提供的示范基地开展示范工程验证。
研究队伍与国际合作
团队人员结构合理、学科交叉，长期与英国铁路微电网EnergyHubs能源枢纽项目（110万英镑）负责人利兹大学LiKang教授以及NetworkRail英国铁路总公司保持技术合作，并在英国利兹大学和NetworkRail进行交流，合作开展铁路微电网项目。
