Determining the optimum installation of energy storage systems in railway electrical infrastructures by means of swarm and evolutionary optimization algorithms

Abstract

La instalación de sistemas de almacenamiento de energía en las vías (ESS) en sistemas ferroviarios electrificados en CC es una de las principales medidas para mejorar su eficiencia energética. Almacenan el exceso de energía regenerada que producen los trenes durante las fases de frenado y lo devuelven al sistema cuando es necesario. Sin embargo, el elevado coste de la instalación asociada puede hacer que los operadores ferroviarios duden sobre la conveniencia de la inversión. Además, las decisiones sobre la configuración de la instalación (ubicaciones y tamaños de los ESS) suelen basarse en la experiencia previa de los operadores ferroviarios o, en el mejor de los casos, en valoraciones realizadas con herramientas de simulación de baja precisión. Este trabajo propone un modelo para optimizar la rentabilidad de la inversión. Los algoritmos de optimización inspirados en la naturaleza se aplican en combinación con un simulador ferroviario muy realista. La flexibilidad de los algoritmos de optimización basados en la naturaleza, junto con su capacidad para lidiar con éxito con el problema computacionalmente intensivo y altamente no lineal y no convexo que plantea el simulador de ferrocarril realista, los convierte en la elección perfecta. Se han seleccionado y comparado tres algoritmos de optimización basados en la naturaleza diferentes: el algoritmo genético (GA) como principal exponente de los algoritmos evolutivos, el algoritmo de optimización de enjambre de partículas (PSO) como principal exponente de los algoritmos de enjambre y el algoritmo de fuegos artificiales (FA ) como otra variante de los algoritmos de enjambre. Los algoritmos han mostrado un excelente comportamiento, aportando soluciones que combinan el incremento de la eficiencia energética con una muy buena rentabilidad de la instalación necesaria para obtener ese incremento.

The installation of wayside Energy Storage Systems (ESSs) in DC-electrified railway systems is one of the main measures to improve their energy efficiency. They store the excess of regenerated energy produced by the trains during the braking phases and give it back to the system when necessary. Nevertheless, the big cost of the associated installation can make railway operators hesitate about the convenience of the investment. Additionally, the decisions about the configuration of the installation (locations and sizes for the ESSs) are usually based on the previous experience of the railway operators or, at best, in assessments made with simulation tools with low accuracy. This paper proposes a model to optimize the profitability of the investment. Nature-inspired optimization algorithms are applied in combination with a very realistic railway simulator. The flexibility of the nature-inspired optimization algorithms, together with their ability to successfully deal with the computationally-intensive and highly non-linear and non-convex problem posed by the realistic railway simulator, makes them the perfect choice. Three different nature-inspired optimization algorithms have been selected and compared: the Genetic Algorithm (GA) as the main exponent of the evolutionary algorithms, the Particle Swarm Optimization algorithm (PSO) as the main exponent of the swarm algorithms and the Fireworks Algorithm (FA) as another variant of the swarm algorithms. The algorithms have shown an excellent behavior, providing solutions that combine the increase of energy efficiency with a very good profitability of the installation required to obtain that increase.