基于大数据分析的电气化铁路牵引供变电系统设计

葛骏翔

（中铁第一勘察设计院集团有限公司电气化设计院，陕西西安 710043）

由于强电流集束效应的存在，使得电气化铁路牵引供电变电系统中的牵引供电网结构较大，负荷也不同于一般负荷[1]。不能计算系统的电流分布、牵引网的阻抗、短路电流等，计算过程复杂且结果不准确[2]。电力铁路的重点是改造铁路供电系统，三相工频交流电压通过电力系统与单相工频交流电压相连，三相工频交流通过牵引变压器转换成单相工频交流，然后由机车供电[3]。电力牵引供电、电气化铁路变电系统发生故障的概率大，牵引车和变电所三相交流电转换成单相交流电，这必然会造成三相电力系统的非对称运行[4]。

负序电流将干扰小容量三相电源，系统的负序电压可使该线路上其他负载的电源中断而不发生故障，并干扰该线路第二侧的保护装置。采用遗传算法确定牵引变电所的最佳位置和分区，确定牵引供电臂的合理长度，从而达到牵引网电能损耗最小的目的[5]。虽然该算法能获得牵引变压器的容量，但由于牵引供电和转换系统中数据量大，计算复杂度高。在牵引供电变电系统中，采用多导线电气化铁路牵引供电，可获得瞬时电流，但是，由于运行位置和速度的差异，还不能充分反映列车运行过程对结果的影响。基于大数据分析，提出了电气化铁路牵引供变电系统的设计方法，借助大数据分析技术，充分发挥高效搜索特性。

1 系统设计

主从机系统中，在主从式系统中如何实现通讯连接是一个关键问题[6-7]。现有的串行和并行总线连接方式存在接口复杂、接线多的问题，导致数据传输速度较慢[8-9]。

该系统采用开放式模块结构，构成主从多机系统。主从机为串行总线，它的方案设计灵活、紧凑、易于扩展，具有高可靠性、实时性，易于维护[10-11]。为了提高整个系统的性价比，采用了板级设计和部件设计相结合的原则。图1 为系统硬件配置框图。

图1 系统硬件配置框图

该系统从机数量较少，各从机具有独立的数据处理能力，减少了主从机之间的通信信息量，大大缓解了低通信率情况下的矛盾[12-13]。长距离串行总线连接，适合多位数据传输。其结构简单可靠，配置灵活方便，更适合于主从式多机系统的分布式功能[14]。这样既保证了系统的实时性，又节约了接口设备和线缆的成本，同时也在位置分布效果良好的前提下，降低了布线难度，提高了系统的可靠性和干扰能力。

1.1 单片机

以8031 单片机为硬件控制核心，由A/D 转换器、内存、解码和逻辑控制等部分组成。利用MCU的RD 和PSEN 信号作为两个输入端，与非门芯片enable CE 端和AD574A 相连的是AND 门的输出端和WR 信号，与解码器直接相连的是芯片选择信号的CS 端。其中，为了保证转换的正确性和结果的平滑输出，门的另一输出通过逆变器与AD574A 读写转换信号的R/C 端相连[15-16]。

1.2 供电线路

电力电缆主要采用110 kV，沿路牵引变电所使用的单相接线变压器，其主要作用是把110 kV 电力转换成27.5 kV 电力供机车牵引使用，钢索悬链线分布；与电缆平行架设接触网，电力机车运行于接触网与轨道之间。中央变电所将电力从一般三相500 kV 和220 kV 的公共电网中转移到单相110 kV 的电网中，由电力电缆沿线路牵引变电所将单相110 kV 电能转换为27.5 kV 电能，供机车牵引使用。

1.3 中心变电所结构

中心变电所结构由中转站、主牵引变压器和同相补偿装置等构成。中转站是由主变和配变两部分组成的专用变电站，其变压器是一种特殊的平衡变压器，具有供电容量大、电压幅度大和垂直相位大等特点。主牵引变压器和同相补偿装置为中心变电站的电缆负荷供电，主要的牵引变压器承担着主要的供电任务，同相补偿装置承担着次要的供电任务，电缆负荷计算容量等于牵引变压器同相补偿装置计算容量之和。

2 软件部分设计

2.1 主机系统软件部分

对于变电所的牵引系统，主机主要实现以下功能：

1）从远程调度器或本地接收并执行各种控制命令，同时从远程调度器收集并发送响应信息。

2）发送相关控制命令信息，并将接收后的信息发送给主机，生成各种响应信息。

3）设计变电所各个连接线的连接方案，以及各种运行结果。

4）画出电流、电压及功率曲线，显示运行过程，打印表格。

为确保系统的实时性，终端需要进行串口1 通讯、串口2 通讯以及键盘操作等实时性要求较高的任务。主机系统的软件部分设计如图2 所示。

图2 主机系统的软件部分

基于内容、任务控制块优先级和启动条件，任务管理程序决定任务状态。当任务开始条件满足时，每个任务按照优先级进入就绪队列。

2.2 基于大数据牵引供电方案设计

利用基于大数据分析的微粒群算法设计牵引供电方案，引入了“群体”和“进化”的概念。此操作需要分析数据的适配值大小，和其他算法不同的是，该数据需要传输到多维空间。数据初始化完毕后，给出一个随机增量，以及每代个体的增量，包括最佳方向组数据的位置和社区位置数据的位置，演化方程式如下：

式（1）、（2）中：wij(n)表示粒子当前位置；xij(n)表示粒子当前运行速度；vij(t+1)表示粒子所经历过的最好适应值位置；a1、a2分别表示加速度常数；g1、g2分别表示两个独立随机函数；i、j分别表示第i个微粒的第j维。

基于大数据分析粒子群优化算法设计牵引供电系统优化方案详细步骤如图3 所示。

步骤1：通过计算运行图确定列车的分布位置和速度，设置牵引变电所和分站场的初值，将分站场的牵引供电网络划分为N个分站场，构成一个链网结构。

图3 基于大数据分析优化方案设计

步骤2：在整个牵引供电系统中，由电网结构组成导纳矩阵，列出由牵引网络计算的结点电压方程，求解牵引网潮流。

步骤3：根据邻近两个节点间的电网潮流电压差，计算出牵引网的电流-距离曲线，确定牵引网在某一时刻的损耗。

步骤4：在此基础上，结合发车间隔时间和步长计算牵引网发车时的总能量损失。

步骤5：应用微粒群优化算法调节牵引变电所，在迭代计算中重复步骤1～4。若计算值小于给定值，停止迭代。

步骤6：在确定牵引变电所的位置和线路之后，根据牵引变压器的电流计算出各接线方式下牵引变压器的额定容量，选择合适的牵引变压器。

3 仿真实验

对基于大数据分析的电气化铁路牵引供变电系统设计进行仿真实验分析。模拟设置如下：列车限速为350 km/h，列车从0 开始加速，运行时间间隔为2 s，列车跟踪间隔为3 min，模拟时间为30 min，每站列车进入车站并运行遵循最快速度牵引策略。

3.1 数据统计

假定电力系统有2个牵引变电站，1个分区变电站和4个自动变电站。表1显示了初始位置的分布情况。表2 列出了电力系统母线的供电范围和短路能力。

表1 牵引变电所/分区所初始位置分布

表2 母线供电范围及短路容量

3.2 铁路列车牵引负荷数值特征

铁路列车速度距离曲线如图4 所示。

图4 铁路列车速度距离曲线

依据图4 所示曲线，可得到铁路列车运行全过程牵引负荷分布情况。列车跑完全程，获取的牵引负荷数值特征如表3 所示。

表3 牵引负荷数值特征

由表3 可知，铁路列车将全部能量回收利用，有助于降低牵引负荷所获取全部能量。

3.3 实验结果与分析

分别使用遗传算法设计的系统、使用基于多导线设计的系统和基于大数据分析的系统对变电所负荷功率进行对比分析，结果如图5 所示。

由图5 可知，在相同供电参数下，相比遗传算法设计的系统、基于多导线设计的系统，基于大数据分析的系统容量分布更加均匀，有效验证了基于大数据分析系统容量共享原则。

4 结束语

图5 3种系统对比分析变电所负荷功率

在大数据分析中，采用微粒群算法对牵引变电站和变电站位置进行优化。合理地确定牵引供电臂的长度，可使牵引网的功率损失最小。适用于牵引变压器接线方式及安装容量。实验证明，该法收敛性好，能有效降低牵引网的损耗，达到节能减排、减少投资、提高公用接入点电能质量的目的，可供牵引供电系统设计时参考。