Optimized energy management systems for smart electric railway networks integrated with distributed energy resources : a new design approach considering synergistic metaheuristic methods

Global concern about the energy crisis and its environmental impact has focused on sustainable alternatives. The electric railway system (ERS) is a major electrical energy consumer, contributing to greenhouse gas emissions and CO2 pollution. This study introduces Railway Energy Management Systems (REMS) as a green solution to address these challenges. REMS not only mitigate environmental risks but also enables surplus electricity sales to the grid market. This research formulates an AC optimal power flow (AC-OPF) problem using Mixed Integer Linear Programming (MILP) to optimize the railway station electrical system operation cost. In this paper, Renewable Energy Resources (RERs), Energy Storage Systems (ESSs), and Regenerative Braking Energy (RBE) are taken into account, as well as the electrical grid. Additionally, by considering the probabilistic and stochastic behaviours of RERs, ESSs, and RBE, using real-time data, significant cost reductions in the daily operations of smart railway stations are achieved. With the aid of MATLAB, the model is effectively solved, and the results provide compelling evidence of the suitability and remarkable effectiveness of the proposed model.

La preoccupazione globale per la crisi energetica e il suo impatto ambientale si è concentrata su alternative sostenibili. Il sistema ferroviario elettrico (ERS) è un grande consumatore di energia elettrica, contribuendo alle emissioni di gas serra e all'inquinamento da CO2. Questo studio introduce i sistemi di gestione dell'energia ferroviaria (REMS) come una soluzione verde per affrontare queste sfide. REMS non solo mitiga i rischi ambientali, ma consente anche la vendita di elettricità in eccedenza al mercato della rete. Questa ricerca formula un problema di flusso di potenza ottimale CA (AC-OPF) utilizzando la programmazione lineare intera mista (MILP) per ottimizzare il costo di funzionamento del sistema elettrico della stazione ferroviaria. In questo documento vengono prese in considerazione le risorse energetiche rinnovabili (RER), i sistemi di accumulo dell'energia (ESS) e l'energia di frenatura rigenerativa (RBE), oltre alla rete elettrica. Inoltre, considerando i comportamenti probabilistici e stocastici di RER, ESS e RBE, utilizzando dati in tempo reale, si ottengono significative riduzioni dei costi nelle operazioni quotidiane delle stazioni ferroviarie intelligenti. Con l'aiuto di MATLAB, il modello è risolto efficacemente ei risultati forniscono una prova convincente dell'idoneità e della notevole efficacia del modello proposto.