鋼軌電位水平是評估地鐵牽引供電系統性能的一項重要指標,其關系到回流能力和運行安全。在實際運營管理中,需要縮短發車間隔、提高運輸能力時,必須要評估饋線電流大小及鋼軌電位高低,這在當今日益繁重的運力需求下顯得尤為重要。
在地鐵牽引供電系統的仿真研究中,準確地計算和評估鋼軌電位水平一直都非常具有挑戰性。該項工作的主要難點源于以下幾個關鍵因素:鋼軌接地網及雜散電流網在結構上是高度復雜的;鋼軌阻抗參數具有不均勻性和非線性;接地電阻受地下隧道及周圍接地體等諸多情況影響,且很難準確測量。也就是說,即使能為中壓交流網絡、整流機組和接觸網(軌)等元件建立非常成熟準確的電路模型,并考慮變電所儲能裝置工作情況進行仿真計算,對鋼軌電位的仿真計算也可能產生較大誤差。
為了解決上述問題,國內外學者開展了許多研究。這些研究在一定程度上提高了鋼軌電位仿真的精度,在某些情況下具有較好的適應性。然而,就原理上而言,只要仍然采用線性化的參數來描述鋼軌、雜散網的阻值,在多數情況下鋼軌電位的仿真精度是不夠準確的。雖然結果具有一定參考意義,但是網絡中局部的電位水平可能差距太大,而失去應用價值。
隨著大數據分析技術的發展,人們傾向于從大量數據中提煉規律來描述受復雜因素影響的行為,即利用數據挖掘方法描述復雜的輸入輸出系統。雖然影響鋼軌電位的因素多而復雜,但是對于既定供電區間而言,其中絕大多數因素是非常穩定的,如隧道結構、地下管路、土壤情況等。
能顯著影響鋼軌電位的主要是網絡中不斷變化的電流。也就是說,不論地鐵接地網絡的非線性模型有多復雜,其輸入條件是可以測量的,而鋼軌電位作為輸出條件也是非常明確且可以測量的。根據數據挖掘理論,通過采用回歸分析算法可以構建出鋼軌電位的基于實測數據的回歸模型。
北京交通大學科研人員提出用于估算地鐵鋼軌電位的一種非線性描述方法,考慮諸多復雜因素,基于實測數據并通過非線性尋優算法構建鋼軌電位的黑箱模型。相比于現有均勻集中參數模型,所提模型不依賴于一個明確的電路結構,但能夠以更靈活的方式來描述鋼軌電位的復雜變化規律。繼而,探討了回歸法辨識所提模型參數的可行性,采用BP神經網絡算法設計參數架構和辨識步驟。
圖1 簡化直流供電系統結構
案例分析表明,所提的建模思路及參數辨識方法具有較高的靈活性,適用于構建鋼軌電位的實測模型,從而避開描述諸多復雜因素的難題。
研究人員認為將來軌道交通牽引供電系統的仿真分析是進行數字化管理的重要支持手段。基于已經部署的電壓電流計量系統,本研究所提的非線性模型具有更顯著的有效性、適用性和準確性等特點,并能跟隨實測數據進行迭代優化,為數字孿生系統的構建、超實時系統仿真等高級應用提供協助。
以上研究成果發表在2021年《電工技術學報》增刊1,論文標題為“一種用于鋼軌電位評估的回歸建模方法”,作者為張征、楊少兵 等。