随着国内智能配电网的大规模建设和推广, 以及云计算、大数据、物联网和人工智能等技术的飞速发展^[1-2], 国内城市轨道运营公司如上海地铁都在积极探索和推动“智慧地铁”的建设^[3-4], 通过一系列数字化工程, 在高质量缓解城市居民出行交通拥堵压力的同时, 也在努力提升运营管理、维护管理的质量与效率。其中, 轨道交通牵引供电系统是轨道交通运行的关键基础设施。其最大承载能力和健康水平制约着城市轨道交通运能。由于城市土地成本高昂, 在市区对其进行大规模改造和重建往往不具备可行性^[5]。因此, 研究如何在现有城市轨道交通牵引供电设施的基础上, 充分挖掘运能潜力, 保障轨道交通安全高效运营和合理的能耗管理, 是实现“智慧地铁”的重要步骤^[6]。

国内外已有大量学者对智慧地铁进行了研究。文献[7-9]运用物联网、大数据和云计算等信息技术对轨道交通系统的状态进行监控和智能诊断。文献[10]分析了列车的牵引特性与载客率等因素对能耗的影响。文献[11]对列车单元的牵引阻力及牵引效率进行了灵敏度分析。文献[12]分析了设备能耗与运行状态、环境和客流等影响因素之间的模型关系, 提出了一种基于综合监控的全线能源管理系统建设模式。文献[13]借助计算机模拟, 量化了能耗与车站间距、速度的关系。文献[14]以北京市轨道交通部分车站为例, 分析了不同类型车站的设备能耗构成、特点、建筑面积、日客流量、敷设方式、出入口数量等因素对能耗的影响。国外轨道交通公司通过长期工程实践, 也研发出了很多优秀的专业软件, 如西门子公司所拥有的轨道交通牵引供电系统专业设计软件SIDYTRAC。该软件通常用于轨道交通线路的初期规划和设计, 但使用、结果分析和解读都需要较强的专业知识。如何将初期的专业设计软件功能拓展到城市轨道交通运维服务中, 让城市轨道交通运营方有效挖掘供电系统的潜力, 是提升轨道交通供电系统数字化水平的关键^[15-16]。

在充分挖掘现有轨道交通运行数据基础上, 本文集成现有专业仿真软件, 建立牵引供电系统数字化模型, 设计一个含仿真、分析、评价和优化的综合运维平台, 能有效实现运能、安全和能耗成本的综合优化。

城市轨道交通牵引供电系统是实现机车安全、可靠运行的电力系统, 包括牵引变电站、接触线系统、回流线、运行轨及线路保护装置等。轨道交通牵引供电系统如图 1所示。

图 1 轨道交通牵引供电系统

由图 1(a)可知, 轨道交通牵引供电系统基本结构包括与主电网连接的主变电站、牵引变电站及直流牵引系统(接触线和回流线)等。

由图 1(b)可知, 为实现轨道交通安全、可靠运行, 牵引供电系统需要从各个层面满足相关需求, 包括轨道交通自动化、电气安全、电力需求和标准等11个方面。这些因数往往相互耦合、制约, 故需要从系统角度进行整体分析、设计和优化。因此, 针对牵引供电系统, 建立一个综合平台, 可以有效解决系统复杂性带来的问题。

综合平台设计的核心在于其功能设计和平台软件架构设计。功能上, 建立牵引供电系统的数字模型, 设计一个集仿真、分析、评价和优化为一体的运维平台以实现牵引供电系统的智能运维。针对轨道交通牵引供电系统的复杂性和数据的多样性, 通过引入西门子轨道交通牵引供电系统专业设计软件构建数字孪生系统, 建立一个包含数据收集模块、数据接口、仿真、分析和评价等功能的综合平台。该平台通过精确车-电网耦合数字模型仿真(包括交直流牵引系统设计分析、多车运行和电力潮流计算、短路和电磁场仿真等多项功能), 能有效地实现运能、安全和能耗成本的综合优化。综合平台设计如图 2所示。

图 2 综合平台设计

由图 2(a)可知, 平台具有数据收集、数据接口、仿真、分析和评价等功能。由图 2(b)可知, 平台架构包括微服务层、服务基础设施和平台基础设施。微服务层主要实现人机交互功能, 能够分析轨道交通运行时的能量特性。综合平台设计功能如仿真、分析和评价等模块均以微服务的形式进行开发和调用, 从而实现功能模块间的低耦合、系统扩展的灵活性和操作系统平台的无关性。

在西门子公司牵引供电系统设计软件SIDYTRAC中, 对牵引供电系统中多个基本元件的定义和参数进行设定, 包括电气元件、地理信息、供电网络、车辆信息、排班信息等, 建立不同场景下的系统供电模型。通过该软件的计算引擎进行潮流计算求解, 可以得出牵引变电站、接触线、回流线等器件的电压、电流和系统的总体能耗情况。同时, 通过自定义场景, 评估系统的可靠性。整个建模及仿真流程如图 3所示。

图 3 牵引供电系统建模及仿真流程

该流程表明, 整个系统模型的求解是动态的。基于已有的供电网信息, 将牵引供电网划分为多个节点, 根据节点的电力信息(电压、电流和功率约束), 结合车辆状态(位置、速度和加速度), 更新电路拓扑结构, 通过动态求解非线性方程组, 不断更新系统的潮流计算, 从而确定整个牵引供电系统的能耗情况。非线性方程组为

式中: n——该节点的分支总数;

i, u, p——该节点支路电流、电压和功率。

本文以上海地铁某号线为研究对象, 收集整理了该号线供电牵引系统和列车的相关数据。具体包括: 通过其系统监控截屏和锚段关节情况, 获取一次接线图和分段绝缘点信息; 通过其综合CAD图纸, 获取轨道梯度数据、地形数据、曲率数据、乘客站和变电站位置信息; 通过系统单面综合设备图, 获取隧道因子和运行轨相关信息; 通过列车数据手册和试验信息, 获取列车相关信息; 通过列车运营系统, 获取列车排班和限速表等信息; 通过系统整流变铭牌统计、断路器装置和线路电缆统计, 获取系统各站整流变、保护设备和电缆信息。在专业软件SIDYTRAC中, 将相关信息设置在对应属性中, 即完成对整个系统的仿真建模。对用户来说, “数据”即模型, 因此在SIDYTRAC软件中, 对列车牵引特性建模, 具体设置如表 1所示。其中, 不同区间采用不同经验曲线(如指数曲线)进行插值拟合, 拟合曲线如图 4所示。

表 1 列车牵引特性建模设置

下载CSV

速度/(km·h-1)	力/kN	插值	指数
0	600	1	-
40	600	×	1
65	*	×	2
100	*	-	-

图 4 列车牵引特性建模拟合曲线

对本文收集的上海轨道交通现有设计和运营数据, 在此平台上以微服务的方式启动建模和仿真功能。该线长度约62 km, 沿线具有30个乘客站和23个牵引站, 其接触网(上行、下行)含有刚性悬挂和柔性悬挂2类, 上下行轨道间隔约1 300 m, 通过电缆连接。

结合“工作日列车运行图”和“节假日列车运行图”, 定义和实现如表 2所示的10种基础场景仿真(其中场景5为该线早高峰场景)。通过平台的分析和评价功能, 直观地对仿真结果(包括单场景和多场景)从运能、能耗成本和安全等3方面进行定量的综合分析和评估。

表 2 仿真场景

下载CSV

场景	载客水平/%	平均运行间隔/s		场景	载客水平/%	平均运行间隔/s
1	0	160		6	120	160
2	20	160		7	100	90
3	50	160		8	100	120
4	80	160		9	100	240
5	100	160		10	100	300

轨道交通作为城市交通的重要工具, 担负着解决居民出行和缓解城市交通压力的重要职能。城市轨道交通的载客运输能力, 需要通过调整列车运行间隔进行优化。优化必须考虑其牵引供电系统基础设施的承载能力。具体地讲, 在进行系统调试时, 运营方需要回答以下问题: 在不同的列车调度下, 各个牵引变电站的负荷水平是多少？是否还有余量？如何考虑有整流变退出情况？(在牵引变电站中, 考虑系统可靠性, 通常有2台整流变同时工作, 因此, 将所有整流变均正常工作定义为base_peak)。

假定每个牵引变电站有一个整流变退出场景, 定义为out_ TPSn(TPSn为退出整流变编号)。按现有早高峰排班运营情况(平均列车运营间隔为160 s)进行仿真。早高峰仿真结果如图 5所示。

图 5 早高峰仿真结果

由图 5(a)可以看出, 目前该线所有站点整流变的负荷水平均有余量, 最大值出现在TPS 12牵引变电站。正常情况下负载水平为50.8%。该负荷水平与上海轨道交通对该线路监控数据相近, 表明仿真接近真实情况, 系统模型仿真结果可靠。考虑到在一个整流变退出的情况下负荷水平会升至84.3%, 因此即便保留目前牵引系统整流变设施, 整个系统运能仍有一定的提升空间, 系统可靠性仍有一定保障。由图 5(b)可以看出, 列车辅助能耗占比达46.9%, 因此如何优化列车的辅助能耗是降低整体运营成本的一个重要方向。

系统安全通常包含2个方面, 一是人员安全, 二是设备健康状况。根据EN 50122-1以及IEC 62128-1的要求, 钢轨电位不能高于120 V。基于建立的系统模型, 对运营间隔为90 s、模拟运行1 h的电位进行仿真, 具体如图 6所示。

图 6 间隔90 s电位仿真结果

由图 6(a)可知, 通过计算全线钢轨最大和最小电位发现钢轨电位偶尔会高于120 V。因此, 在每一个牵引站必须安装钢轨电位限制装置来确保人身安全。由图 6(b)可知, 有多处网压会低于1 350 V, 列车合理的工作电压区间为1 350~1 800 V。因此, 需要采取合理措施, 实时监控列车工作安全性。

通过对不同条件参数的变更, 得到大量不同场景的仿真结果, 深度挖掘数据之间的内在关系, 可以为轨道交通运营者提供可靠的定量分析。

以系统能耗分析为例, 最直观的影响因素有载客量和运行排班。为此, 可通过设置不同荷载水平模拟客流量情况, 进行多次仿真, 对所得不同场景下的总能耗进行数学回归分析。能耗影响因素分析如图 7所示。

由图 7(a)可以看出, 在其他因素不变的情况下, 系统能耗与载客水平(满载百分比)呈线性关系。由图 7(b)可以看出, 在其他因素不变的情况下, 系统能耗与列车时间间隔呈指数关系, 运行时间间隔越短, 功耗上升越快, 呈反指数关系。

图 7 能耗影响因数分析

结合上述分析, 通过关键场景定义(如影响变量x₁, x₂, x₃, …和关键评价指标y₁, y₂, y₃, …), 针对已有的相关场景仿真结果, 运用多维数学回归拟合可得运营间隔s函数为

式中: x₁, x₂, x₃——影响变量;

y₁, y₂, y₃——待评估指标。

根据其相关变量的使用区间, 直接将该函数用于系统的连续变量分析和评估, 运营方就可以针对真实变量因子如动态客流量分布提供定量的列车调度优化, 帮助运维人员进行优化操作, 满足长耗时和强专业性的软件仿真需求。

本文在充分考虑轨道交通牵引供电系统复杂性和重要性的基础上, 设计了多功能的综合平台架构。通过集成现有专业软件的建模功能, 有效地对整个牵引供电系统进行了建模和仿真, 形成了仿真结果数据库。通过对仿真结果数据进行挖掘发现, 该平台能有效地对安全、运能和能耗成本等维度相应关键性指标进行预防性分析和评估, 有助于轨道交通牵引电网的智能运维。