本发明涉及储能技术领域，尤其涉及一种城市轨道交通车载储能系统优化设计方法。
背景技术：
随着能源资源的不断紧张，快速发展的轨道交通对电能的需求越来越大，同时顺应节能减排的趋势，将储能技术应用于轨道交通领域成为近年来研究的热点。目前，我国大城市普遍出现中心城区人口过度饱和的状况，城市空间结构普遍由单中心向多中心发展，中心城区与外围新城间交通需求迅猛增长，因此，为人们提供快速、便捷的市郊客运就显得十分重要。城市轨道交通凭借其运能大、速度快、安全可靠、准点舒适、能耗低、用地省和污染少等显著优势，势必成为下一步交通发展的重点方向。
现阶段储能技术在城市轨道交通中的应用主要有辅助电源、动力电源和再生制动回收系统。地铁等车辆中常用蓄电池作为辅助电源或应急电源，有轨电车等车辆中利用储能系统作为动力电源的应用越来越多，而地铁中也常见储能系统应用于平复网压波动的装置中。储能系统的应用又可分为车载储能系统和地面储能系统，车载储能系统多用于其作为车上的能量来源，地面储能系统多用于回收再生制动能量和平复网压波动。
应用于城市轨道交通中的储能器件主要有电池、超级电容和飞轮储能系统。飞轮储能在国内外有所应用，但由于其设备笨重、灵活性差，现阶段效率较低以及环境要求严格等问题未得到广泛推广，应用较多的仍为电池和超级电容。
电池以其高能量密度、可模组化、可靠性高等优点成为目前最常用的储能元件，但是其温度特性差、循环寿命短、功率密度低等缺点限制了电池储能的应用。对于轨道交通车辆而言，在列车牵引加速、爬坡、制动工况下，需要储能系统具有高效率和高倍率的充电和放电能力。在轨道交通中采用单一电池储能的方案将导致电池经常工作在大电流和高功率的工况，这将大大减少电池的循环寿命和可靠性。为了匹配轨道交通车辆的功率需求，只能提高电池储能的容量，这将使系统的成本、体积、重量增加。
超级电容具有高功率密度、长循环寿命、温度特性好但是低能量密度的特点，对于高能量的轨道交通动力系统而言也不能满足需求。对于特定的储能元件，其功率特性和能量特性与储能元件本身电压、内阻、容量等性能参量联系在一起，是由其物理、化学特性决定的。在制造工艺受限情况下，元件性能无法兼顾功率性和能量性，单一的储能元件为解决这一问题，只能提高配比容量，这将导致储能元件成本、体积的增加。
电池与超级电容均有其优点和缺点，根据城市轨道交通的不同需求选择不同的储能器件。电池适用于功率需求不高的持续供电设备中，而超级电容适用于功率需求大但能量需求较少的设备中。对于功率和能量需求均较高的设备，越来越多的研究人员选用电池和超级电容混合的方法，使设备同时具有较高的能量密度和功率密度。常用混合储能系统的拓扑结构如图2所示，(a)、(b)、(c)分别为电池半主动式拓扑、超级电容半主动式拓扑、主动式拓扑。
由于城市轨道交通车辆大功率、高能量的需求及车载储能系统重量、体积及其他优化目标的限制，为车载储能系统配置提出了严格的要求。系统配置优化成为城轨交通车辆储能系统设计的关键一环，本专利根据厂家对储能系统储能形式、单体性能、系统拓扑、ems等方面的要求，通过系统优化设计出性能优越的储能系统。
现有的系统配置方案为根据储能系统的边界条件，把配置限制在一定范围内，求得在该范围内的目标最优配置。边界条件常设置如下：
ps(t)≥preq(t)+plos(t)
es+echar≥ereq+elos
ms≤mmax
socsmin≤socs(t)≤socsmax
udmin≤ud(t)≤udmax
其中，p代表功率，e代表能量，m代表重量，u代表电压。下角标s代表储能系统，req代表城轨车辆需求值，los代表损失，max代表最大限制值，min代表最小限制值，d代表直流母线。若该储能系统为混合储能系统，则储能系统的功率、能量、重量等均为多种单储能系统的参数相加。
通过上述分析可知，该方案能获得符合条件的车载储能系统配置结果，但该配置不是最优配置，作为单电池系统，其寿命问题无法得到优化，从而造成周期成本的提高；对于混合储能系统而言，多种储能系统之间的配合策略更是影响配置结果的重要因素，该方案中均未加以考虑，造成储能系统的配置不合理。同时，由于系统配置多使用枚举法寻优，导致寻优过程运算时间长，运算量巨大。
技术实现要素：
有鉴于此，本发明的目的是提供一种城市轨道交通车载储能系统优化设计方法，其解决了现有技术中储能系统配置问题，通过使用粒子群算法，对单储能系统及混合储能系统的容量进行快速优化配置。
本发明提供的一种城市轨道交通车载储能系统优化设计方法，包括如下步骤：
s1.采用程序嵌套的方法进行系统配置优化；
s2.在主程序中，根据城轨列车对车载储能系统的要求对配置数量进行初步限制；
s3.然后通过粒子群算法对配对数量进行筛选与寻优，并把候选配置输入至子程序进行能量管理策略仿真，进行实时的储能系统功率分配，判断每个粒子所对应的配置下，储能系统是否能够满足要求；
s4.如果所述储能系统的配置满足实时运行的需求，则根据优化目标要求计算该配置下的重量、成本和体积参数。
s5.然后返回主程序中与其他配置的目标函数进行对比，满足迭代次数后输出目标函数最优的配置结果即为所求的优化配置。
进一步的，所述粒子群算法中，粒子都在一个d维空间进行搜索，在所述d维空间中，有m个粒子，其中粒子i的位置为xi，速度为vi，粒子i经历过的历史最好位置为pi，领域内所有粒子经历过的最好位置为pg，则下一次迭代后所得粒子的飞行位置和速度分别为：
进一步的，通过设置目标函数对系统配置进行寻优；
所述目标函数包括储能系统重量目标函数m(n)、成本目标函数c(n)、寿命目标函数lb(n)和加权多目标函数；其公式分别为：
m(n)＝mb·nb+msc·nsc；
c(n)＝cb·nb+csc·nsc；
本发明的有益效果：本发明中使用算法对储能系统的重量、成本、寿命等因素进行单目标或多目标寻优，利用储能系统在牵引曲线下的实时仿真对ems进行验证并计算性能参数，通过算法比较寻优后得到目标函数最优的系统配置结果，可以实现在重量最轻、寿命最长、成本最低等单目标下或加权多目标下的系统配置最优结果。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的优化设计方法的流程图。
图2为现有技术中混合储能系统常用拓扑。
具体实施方式
图1为本发明的优化设计方法的流程图，如图所示，采用城市轨道交通车载储能系统优化设计方法，进行系统配置优化时，使用程序嵌套的方式进行。在主程序中，根据城轨列车对车载储能系统的要求对配置数量进行初步限制，然后通过粒子群算法对配对数量进行筛选与寻优，并把候选配置输入至子程序进行能量管理策略仿真，进行实时的储能系统功率分配，判断每个粒子所对应的配置下，储能系统是否能够满足要求。最后，如果该系统的配置满足实时运行的需求，则根据优化目标要求计算该配置下的重量、成本、体积等参数。然后返回主程序中与其他配置的目标函数进行对比，满足迭代次数后输出目标函数最优的配置结果即为所求的优化配置。
其中，粒子群算法为一种常见的寻优方法，该方法把寻优问题等效成粒子找寻位置的问题，所有粒子都在一个d维空间进行搜索。所有的粒子都由一个fitness-function确定适应值以判断目前的位置好坏。每一个粒子必须赋予记忆功能，能记住所搜寻到的最佳位置。每一个粒子还有一个速度以决定飞行的距离和方向。这个速度根据它本身的飞行经验以及同伴的飞行经验进行动态调整。
在d维空间中，有m个粒子，其中粒子i的位置为xi，速度为vi，粒子i经历过的历史最好位置为pi(局部最优)，领域内所有粒子经历过的最好位置为pg(全局最优)，则下一次迭代后所得粒子的飞行位置和速度分别为：
对于系统配置的寻优，需设置目标函数，常见目标函数有储能系统重量、成本、寿命、及加权多目标，运算公式分别如下：
m(n)＝mb·nb+msc·nsc；
c(n)＝cb·nb+csc·nsc；
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。