新一代人工智能技術是以高性能計算、大數據以及機器學習、深度學習三大技術為支撐的綜合性技術, 高性能計算為人工智能提供了強大的計算能力,大數據為人工智能提供了豐富的訓練樣本, 機器學習和深度學習等為人工智能提供了更好的學習模型及算法,三者合力推動了人工智能技術的重大進步。本期將介紹人工智能在儲能系統方面的應用。

在電網的發展中，儲能系統在降低成本，確?？煽啃院吞岣哌\行能力方面發揮著重要的作用。并且儲能系統還能與蓬勃發展的可再生能源結合在一起，可以彌補可再生能源間歇性發電與供應不穩定的缺點。本期將以西班牙高速ERS的實例研究為基礎，探討可再生能源與儲存系統的配合。

自20 世紀初以來，電力鐵路系統（ERS）得到了充分的發展，為現在的高速列車和地鐵的能源設施打下基礎。為了迎合減少未來碳足跡的目標，北美和歐洲的鐵路運營商將可再生能源（風能與太陽能）引入這些基礎設施，利用可再生制動能力將多余的能量儲存在儲能系統（Energy Storage Systems，Ess）中。在電力鐵路系統ERS中，主要的儲存技術是超級電容、電池和飛輪，目標是捕獲再生制動的能量從而減少能耗。

對于電力與鐵路線路，將ERS分為如下四組部分：

1）外部高壓網絡、光伏版和風力渦輪機的發電源；

2）通過運行（消耗和再生制動）配置文件建模的列車;

3）由超級電容器和電池組成的混合儲能系統（HESS）

4）懸鏈線配置和網絡拓撲

模型示意圖（來源：Optimal Operation of Electric Railways With Renewable Energy and Electric Storage Systems）

假設風力渦輪機與光伏電池板集成在ERS的變電站里，給定風速，風力發電的功率即取決于風力渦輪機的特性。太陽能發電是根據光伏板的數量、環境和工作溫度以及平均日照幅度計算的，這里提出了四種太陽情景，具有相應的概率：夏季/陽光（37.5%）、夏季/多云（12.5%）、冬季/多云（25%）和冬季/陽光（25%）。系統的場景利用每個太陽和風場景的組合來獲得。

為了確認列車的電力需求、能耗和運行時間（或位置），有以下兩種方法：

1）最簡單的，傳統的方法，就是從安裝在車廂內的測量設備來獲取歷史數據，并且經過數學處理這些數據。

2）模擬與列車動力學相關的所有相關參數，這種方法意味著提前了解大量數據，如列車的質量、機械阻力，包括曲線阻力、空氣動力學阻力和軌道斜坡）。這些參數會影響列車的最高速度和加速/減速能力，人工智能也體現在了這種方法中。

混合儲能系統包含超級電容和電池，它負責從可再生能源和再生制動捕獲多余的能量。超級電容器和電池在能量和功率密度方面差異更為明顯?；旌洗鎯υO備使得系統更加靈活。與電池相比，超級電容器的主要優點是，超級電容器的循環壽命更高，周期數十萬次;另一個相關優勢是，由于響應速度快，它們能夠捕捉能量峰值。因此，使用超級電容器對于捕獲與再生制動相關的高功率密度和高頻操作至關重要，而電池更適合高能量密度周期和低頻率操作。如果只使用電池，它可能需要一個超大的系統并且電池壽命將非常有限。另一方面，超電容器的高價格使得一個僅基于超級電容器的系統極其昂貴。因此混合解決方案應運而生。

模型網絡由給定節點之間的各種線路組成，這些節點為變電站、自動轉換器或乘客站的建模。在模型中，自動轉換器對裝備點進行符號化。

在西班牙南部的一條高速電力鐵路系統上進行了數據分析，并且提出了4種不同案例進行對比。案例一的系統正常運行，不考慮可再生能源發電。案例二與一類似但是包括混合儲能系統（HESS）。案例三模擬了可再生能源的引入。案例四包含了HESS與可再生能源。

四組案例的數據對比（來源：Optimal Operation of Electric Railways With Renewable Energy and Electric Storage Systems）

案例1（基本案例）：此基本案例用于比較不同案例結果。總成本為766.68 歐元;總發電量為32.09MWh，系統中的超額能量為6.19MWh。所有這些值的時間單位都是一整天。

案例2（混合儲能系統HESS 集成）：關于HESS 集成，說明了超電容器和電池系統對全球能源和經濟的改進。表中指出，成本和能源節約率分別為16.37%和3.37%。

案例3（可再生能源一體化）：分析考慮了集成可再生能源發電的基本情況，但沒有 HESS。成本和能源節約得到改善，分別實現了9.00%和4.61%的節約。由于額外的可再生能源發電，系統中的超額功率增加了高達 55.25%。當然，這一結果表明，從電力鐵路系統的角度來看，可再生能源的運行是有利可圖的，而且，隨著可再生能源的加入，HESS的安裝更加合理。

案例4（HESS 和可再生能源集成）：該案例包括HESS 和可再生能源集成。通過此設置，成本和能源節約得到改善，分別實現了 33.22% 和 9.63% 的節約。

結論

這是一個用于ERS運營規劃的模型，包括可再生能源RES和混合儲能（超級電容器和電池）HESS集成，其中包含了大數據和基于列車再生制動能力的模型與算法。西班牙高速ERS的實實案例研究結果表明，RES與 HESS 的集成可分別實現 33.22% 和 9.63% 的成本和節能。還表明，HESS對列車再生制動和可再生能源的間歇性生產都有適當的補充和好處。