根据《中长期铁路网规划》方针，预计2020年，中国高速铁路运营总里程将达到3万km。随着运营里程的快速增长，其能耗问题日显突出。据铁路总公司统计，2017年我国铁路消耗总电能达620.33亿kW•h，占全国总用电量的1%~1.5%，是最大的单体负荷。其中，高速铁路牵引能耗为208.84亿kW•h，占比33.67%。

此外，为了实现电力系统经济调度，国家电网公司要求铁路部门对牵引变电站购买的电量进行精确的预测，预测所需的电量将以直购电形式进行交易结算，若预测误差大于10%，国家电网公司将对超过的电量按高于直购电价的价格进行交易结算，使得电费支出增加，运营成本增大。

因此，研究高铁牵引变电站牵引负荷特性，实现其能耗的精确预测，可为节能降耗、牵引供电系统优化调度运行、电能质量评估和牵引变压器容量校核等提供帮助，具有重要的研究意义。

牵引供电系统能耗预测的关键在于建立准确的牵引负荷模型。围绕牵引负荷建模方法，国内外学者主要开展了三个方面的研究：①基于仿真软件的建模方法；②基于牵引计算的动态建模方法；③基于实测数据的数值建模。

其中，通过仿真软件的建模方法基于Simulink 、PSCAD等仿真平台，根据动车组的拓扑结构和电气环节搭建了完整的仿真模型。该模型可有效地刻画牵引负荷在不同工况下的视在功率、谐波输出水平等负荷特性，可用于揭示牵引供电系统诸如能耗影响因素、谐波谐振等规律性特征。然而，在仿真建模过程中往往对系统结构进行了一定的简化，仿真条件比较理想，使得仿真结果很难与实际结果一致。

有学者结合牵引计算基本理论和行车运行图提供的信息，建立了整个系统的动态负荷模型，该模型具有较高的仿真精度。然而，在计算过程中需要大量的动车组和线路等的参数，造成计算量大、仿真时间长。

随着测量技术和数据处理方法的发展，基于实测数据的数值建模方法越来越受到研究者们的青睐。该方法结合大量的实测数据，利用概率统计和拟合等方法建立了牵引负荷概率模型。该模型可有效地表征牵引负荷的概率统计特性，实现整个系统能耗的概率评估。但是不能精确地刻画牵引负荷的实时动态特性。如何结合牵引负荷实测数据，准确地模拟动车组在区间运行过程中的动态负荷过程，有待进一步探讨。

有学者探讨了基于事件窗的非侵入式负荷监测（Non-Intrusive Load Monitoring, NILM）方法，通过提取用电设备的完整工作过程，实现各个用电设备的负荷识别和能耗评估。类比NILM，牵引负荷动态预测的实质就是将不同运行过程的动车组负荷根据运行时间有机地叠加起来。

西南交通大学电气工程学院、中国铁路成都局集团有限公司供电部的研究人员，结合高速动车组在牵引变电站供电区间的运行特性和负荷实测数据，借鉴非侵入式负荷监测研究方法，归纳了动车组在区间的典型运行过程。应用基于滑动窗的事件检测算法，实现了典型负荷过程的自动检测与识别并建立了典型运行过程的动态负荷模型。图1给出了高铁牵引变电站负荷建模的流程。

图1 牵引动态负荷建模流程

图9 测试现场

结合行车运行图提供的信息，提出了基于行车运行图的高铁牵引变电站负荷预测方法，主要得到如下结论：

• 1）所提出的牵引变电站负荷预测方法能准确评估动车组在区间运行时负荷的动态特性和统计特性，单列动车组的负荷动态波动拟合优度高于0.9，能耗统计误差为0.57%。还可实现不同行车运行图下高铁牵引变电站动态负荷及耗电量的预测。
• 2）所提出的牵引变电站负荷预测方法只需要牵引变电站的测试数据和行车运行图，而无需潮流计算等复杂过程，具有运算量小、评估速度快等优势。

在典型负荷过程的提取上，借鉴非侵入式负荷监测的方法，采用了滑动窗的事件检测方法对其进行自动检测，但在如何利用智能算法实现典型工况的自适应提取方面，还有待进一步深入研究。此外，基于实测数据建模方法的局限在于所建立的模型通用性较差，下一步可结合线路条件、运行工况等，同时考虑更多的偶发性因素，建立普适性更强的动车组动态模型。

以上研究成果已发表在2020年第1期《电工技术学报》，论文标题为“基于实测数据和行车运行图的高铁牵引变电站负荷预测方法”，作者为魏波、胡海涛、王科、傅祺、何正友。