中老铁路光伏发电应用与实践研究

Research on Application and Practice of Photovoltaic Power Generation in China-Laos Railway

摘要

中老铁路沿线光伏开发资源禀赋丰富，光伏开发应用对中老铁路沿线电网基础设施联通和能源结构优化有重要意义。以中老铁路光伏发电为研究对象，分析中老铁路沿线车站段所、物流综合园区及周边土地光伏可开发规模，结合老挝既有气候条件数据构建光伏发电功率预测模型，并构建中老铁路综合能源管控系统，选择中老铁路万象南机务段建设光伏电站开展案例分析。研究结果表明，中老铁路光伏发电规划可以分为车站段所光伏系统、货运及物流园区光伏综合开发以及牵引供电系统光伏接入3个部分。光伏发电功率预测随机森林模型短期预测精度和拟合程度更优，可以更好应对突变天气。建设“源-网-荷-储”铁路能源管控体系，实现对铁路光伏发电系统开展全面监测。研究成果为后续在中老铁路沿线开展光伏发电应用提出建议和方向。

Abstract

The photovoltaic (PV) development alongside the China-Laos Railway has an abundant resource endowment, and the PV development and application are of great significance to the connectivity of power grid infrastructure and the optimization of energy structure alongside the China-Laos Railway. This paper took the PV power generation of the China-Laos Railway as the research object and analyzed the available PV development scale alongside the China-Laos Railway in terms of station sections, logistics comprehensive parks, and surrounding lands. Considering the data on Laos' existing climatic conditions, the paper built a prediction model of PV power generation and constructed an integrated energy management and control system for the China-Laos Railway. Besides, the paper chose the PV power station constructed by the Vientiane South Locomotive Depots of the China-Laos Railway for case analysis. The results show that the planning of PV power generation on the China-Laos Railway can be divided into three parts: station section PV systems, comprehensive development of PV in freight and logistics parks, and PV access to traction power supply systems. The Random Forest Model of PV power prediction has better short-term prediction accuracy and fitting degree, and it can better cope with sudden weather changes. The construction of a "Power Supply, Grid, Load, and Storage" railway energy management and control system realizes comprehensive monitoring of the railway PV power generation system. The research results provide suggestions and directions for the subsequent application of PV power generation alongside the China-Laos Railway.

Graphical abstract

关键词

中老铁路 / 光伏发电 / 资源禀赋 / 发电功率预测 / 综合能源管控

Key words

China-Laos Railway / Photovoltaic Power Generation / Resource Endowment / Power Forecasting / Integrated Energy Management and Control

0　引言

中老铁路(昆明—万象)是中国铁路“走出去”兼具“战略型”“示范型”“援助型”等多重属性的标志性项目，对于推动区域合作、助力中国铁路全产业链输出、增进双边友谊将发挥重要的作用^[1-2]。中老铁路为全线电气化铁路，自2021年建成通车以来，国际货物列车开行数量超过10 000列，国际旅客列车开行突破1 000列，列车开行数量不断增加，铁路沿线的生产生活和牵引供电系统电能需求日益增大。中老铁路也是泛亚铁路中线运输通道建设的重要组成部分，是多式联运体系、物流枢纽、货运站场、铁路专用线等重要基础设施建设和联通的关键驱动力^[3-4]。

中老铁路还是跨境电网系统建设和电力贸易合作的重要载体。铁路作为传统电力消耗大户，运输生产过程的能源消耗和碳排放量均在交通行业占比较大。仅2023年，铁路全年用电量达1 041亿kW·h，约占全国总用电量1.2%。构建绿色、清洁、弹性的铁路能源系统，可优化供能结构、推动铁路系统节能减排、推进铁路绿色低碳高质量发展，对促进生态友好型铁路建设和可持续发展具有重要意义^[5]。铁路系统不同于其他电网负荷，具有运营场景多样、站间负荷多变、沿线分布差异大、供电网络复杂特殊、负荷冲击性明显和电能质量问题复杂等特点。同时，铁路沿线新能源自然资源和空间资源禀赋丰富，通过分布式动态能源和多元储能等先进技术的应用，构建铁路能源自洽的友好体系，是推进铁路低碳转型战略和铁路能源结构变革的重要契机^[6]。

然而，老挝电网系统和配套设施较为落后，全国电网布局尚未形成，输配电网络覆盖了95%的家庭，部分农村和偏远山区仍无电力供应，限时限电和输电系统过载等问题严重。从电网输送角度，老挝电网单回路和单环结构较多，电源中心和负荷中心之间送电距离长，导致供电电能损耗大、可靠性低^[7]。从电力能源类型角度，老挝国内85%以上电力来源于水利发电站，雨季出口电力，旱季进口电力，太阳能和生物质能等可再生能源的占比不到1%，整体电力能源类型较为单一。从电力联通角度，老挝与中国、越南、泰国建立了多条跨国电力互联互通线路，电力外送主要方向为泰国，以230 kV及500 kV高压交流等级送电，其余国家主要以230 kV及以下电压等级实现少量电力交换。老挝电力系统整体较为孱弱，无法满足沿线经济发展、电力贸易和跨境电网合作需求，限制老挝当地发展。

因此，根据铁路新能源技术融合发展情况，从中老铁路光伏发电资源禀赋、光伏发电功率预测、综合能源管控和案例分析等维度，分析中老铁路光伏发电应用可行性，为中老铁路新能源发展提供发展方向和经验借鉴。

1　中老铁路光伏发电规划

1.1　沿线资源禀赋

老挝全国太阳能资源较为丰富，年总辐射量范围为1 314~1 899 kW·h/m²，西部和南部太阳能资源最丰富。中老铁路老挝段途经其西北部山地和中南部平原地区，铁路沿线太阳能资源禀赋较好，太阳能资源有利于光伏电站开发。然而，截至2023年底，老挝太阳能和生物质能等可再生能源发电的占比不到1%，光伏开发潜力巨大。老挝为内陆国家，国土面积约23.68万km²，全国50%区域为森林覆盖，80%区域为山地高原。根据估算，老挝全国可开发光伏面积约20 751 km²，占国土面积的9.02%，发电潜力约1 048.7 TW·h。中老铁路老挝境内经过琅南塔省、乌多姆赛省、琅勃拉邦省和万象省，全长1 035 km。老挝政府为中老铁路沿线车站周边提供了约3 000 hm²土地用于综合开发，其中，供孟赛站、万象站周边各不少于1 000 hm²，琅勃拉邦站、万荣站周边各不少于500 hm²土地，中老铁路沿线可开发光伏资源土地充足。中老铁路磨万段全线共计10座车站，分别为磨丁站、纳堆站、纳磨站、孟赛站、孟阿站、琅勃拉邦站、嘎西站、万荣站、蓬洪站、万象站。从沿线车站段所开发角度，万象站、万象南站、万象南机务段、万象客整所、孟赛站、琅勃拉邦站、万荣站的车站站房面积较大，车站段所周边可开发土地资源较丰富。从沿线货运及物流体系开发角度，中老铁路已有货运站8个(含口岸站)，随着中老铁路建成通车，部分厂矿企业在中老铁路货运场站周边建设了铁矿石堆场、仓库及物流园区，分别为塔拉楞陆港、老挝万象赛色塔综合开发区、马哈索物流园、万象中外运物流园、老挝国际集装箱货站有限公司查验货场。未来中老铁路沿线将建成以磨丁为口岸节点、纳堆为北部核心节点、琅勃拉邦为中部核心节点、万象南站为南部核心节点，孟赛站和万荣为区域节点的中老铁路物流通道体系^[8]，可结合沿线货场及物流园厂房开发以“自发自用”为主的分布式光伏发电项目。结合中老铁路沿线车站段所和土地资源情况，预估沿线车站段所可开发光伏的屋顶面积为5.3万m²，屋面光伏安装容量约6.36 MW，车站段所周边可开发土地面积约167万m²，地面光伏装机容量约200.4 MW，总装机容量约206.76 MW，中老铁路沿线车站段所及周边土地可开发光伏资源如表1所示。

1.2　光伏发电规划

从政策层面，老挝颁布的《可再生能源战略发展规划(2011—2025)》制定了发展可再生能源的目标，提出到2025年，可再生能源发电比例提升到11%，能够满足全国用电总需求的30%。中老铁路是老挝境内最大的用电户，而铁路电能消耗的80%为牵引用电。根据中老铁路磨万段2022年全年用电量统计，115 kV牵引变电所和22 kV变配电所年用电量合计约7 700万kW·h，预计扩能改造后将达到1亿kW·h。22 kV配电所分布在万象南站、万荣站、嘎西站、琅勃拉邦站、纳磨站、磨丁站，供应铁路生产生活用电，该6处年用电量合计约1 000万kW·h。其中，万象南站年用电量最大，约550万kW·h。未来，新能源发电配合多端高压直流输电技术、柔性直流输电技术等，创新实现电网互联互通，将是老挝能源结构优化、增强系统绿色能源接纳性的综合能源体系重要发展方向。

结合中老铁路可开发光伏资源禀赋情况，中老铁路光伏发电规划可以分为车站段所光伏系统、货运及物流园区光伏综合开发以及牵引供电系统光伏接入3个部分。

首先，中老铁路沿线可建设“自发自用，余电上网”模式的车站分布式光伏电站。首先，铁路车站段所的办公、空调、生活用电是电能消纳主要负荷，中老铁路沿线车站屋顶和雨棚等建筑顶面资源可开发分布式光伏电站的面积约5.3万m²，装机容量约6.36 MW。为进一步提升车站分布式光伏电站的自消纳能力，同步配置储能设备，配套改造直流空调、直流扶梯、直流照明等直流设施设备，提升直流侧负荷消纳水平，减少能耗损失。同时，构建“光-储-直-柔”自洽微网系统，将光伏与储能经直流变换器共同组成的直流配电网络，经变流器集中逆变至交流配电网络，配备智能化能量管理系统，作为铁路车站段所负荷主用电源或备用电源使用，通过监测网源的多种状态，在线实时调整储能系统的充放电状态^[9]，实现低碳车站建设。

其次，结合中老铁路沿线货运及物流园的综合开发规划布局，可构建“光-储-充-换”一体化的铁路低碳物流园区，结合土地综合开发配套零碳产业园建设。中老铁路沿线北部、中部、南部物流核心节点和区域节点建筑屋面及周边土地，可建设大型光伏系统，配套建设大型新能源工程机械设备的储能、充电、换电一体化系统，满足货运及物流园区新能源机械设备用电需求。通过引入产业链相关企业开展沿线土地综合开发，打造新能源融合背景下的中老铁路沿线零碳产业园区建设。

最后，中老铁路部分区段牵引供电能力相对不足，通过铁路沿线分布式和大型集中式光伏电站建设，配合光伏接入铁路牵引供电技术创新，光伏发电可就近接入铁路牵引供电系统。一方面可减轻老挝电网压力，保障中老铁路系统供电可靠性，另一方面可改善牵引侧电能质量并回收再生制动能量，降低系统运营成本。未来，通过光伏发电及配套新能源系统建设，中老铁路可形成“光-储-直-柔-管”低碳车站园区和“源-网-车-储”一体化供电系统相配套的综合能源应用系统。

2　中老铁路光伏发电功率预测

中老铁路沿线气候多变，功率预测作为光伏电站核心能源管理技术，光伏发电系统波动性、非线性和时变性尤为显著，光伏发电系统输出功率与所在地气候条件密切相关。通过构建中老铁路光伏发电功率预测模型，为中老铁路沿线光伏资源禀赋制定合理的开发时序，促进沿线可再生能源高效利用。同时，为后续中老铁路综合能源管控系统构建、沿线光伏发电系统调度、光伏发电与铁路供电系统稳定运行提供重要数据支撑。

2.1　光伏发电功率预测方法概述

光伏发电功率预测涵盖短期、中期乃至长期等多种预测周期，常用的方法大致可分为3大类，分别为统计预测方法、物理模型预测方法和深度学习方法^[10]。

统计预测方法基于光伏发电功率的时间序列特性，通常采用自回归模型、状态空间模型以及灰色理论模型等进行预测。这类方法易于理解和实现，但可能无法充分捕捉复杂的非线性关系和极端气候事件的影响^[11]。物理模型预测基于光伏组件的物理原理和大气环境参数，如太阳辐射强度、气温、湿度等，建立数学模型进行预测。此类方法能较精确反映光伏系统输出功率的变化趋势，但对气象数据质量要求较高^[12]。机器学习基于非线性映射和自我学习能力，能在大量历史数据基础上，对光伏功率的复杂动态行为进行更精准的刻画和预测^[13]。诸如支持向量机(SVM)、人工神经网络(ANN)、长短时记忆神经网络(LSTM)、深度信念网络(DBN)、卷积神经网络(CNN)、随机森林(RF)等高级预测模型在光伏发电功率预测领域均有一定程度应用^[14]。依托老挝某光伏电站历史运行数据，综合考虑模型预测精度及计算效率，拟选用长短时记忆神经网络及随机森林法开展中老铁路光伏发电功率预测分析。

2.2　基于机器学习的光伏发电功率短期预测流程

基于光伏电站实测气候参数、设备运行状态数据以及详尽的历史发电记录，对历史数据集进行预处理，形成用于模型训练的标准化数据集。此数据集通过数据归一化、缺失值填充、异常值处理以及相关性分析与数据降维等数据预处理步骤得到。将处理后数据形成训练集输入到机器学习模型，经反复迭代学习使模型输出与实际值达到误差精度，再使用现有的近日数据形成预测集输入到机器学习模型中直接得到未来短期光伏发电功率预测结果，基于机器学习的光伏功率直接预测流程如图1所示。

2.3　光伏发电功率预测效果分析

以老挝某光伏电站2023年全年发电数据作为数据集，对数据集进行归一化处理、缺失值填充、异常值识别与剔除、相关性分析与降维处理，基于机器学习分别建立长短时记忆神经网络和随机森林的光伏功率直接预测模型，根据数据得到长短时记忆神经网络与随机森林模型预测效果对比如图2所示。

通过输入光伏电站光伏组件、功率和环境气象数据训练不同模型，并根据数日已知数据对未来光伏电站功率短期预测，2种方法拟合效果都较好，模型精度指标对比如表2所示，其中LSTM模型预测值与实际值的相关系数R²为0.893 1，均方误差MSE为23.443 1；RF模型预测值与实际值的相关系数R²为0.960 5，均方误差MSE为8.664 3。从曲线拟合效果和精度指标可以看出RF模型相较LSTM模型的短期预测精度和拟合程度更优，LSTM模型会出现无法应对阴雨天功率骤降的情况，局部上与实际值差距较大，而RF模型则可以较好应对突变天气。

基于机器学习的回归预测方法很大程度上取决于输入数据的质量和变化特征，不同模型对于不同数据的响应情况和拟合程度差别较大。中老铁路光伏发电功率预测模型仍可进一步从数据处理、参数配置等方面改进精度和效果，结合沿线光伏电站建设，以及后续光伏电站所在区域天气类型、光照平稳或突变、季节划分细化的改进，基于多数据来源的模型组合预测方法，根据不同模型与各类天气契合程度分配权值合并预测结果，进一步提升预测精度和模型普适性。

3　中老铁路综合能源管控系统

铁路行业能源消耗大、使用时间长、管网系统复杂，设备设施能源利用率低、能耗监控不到位等问题突出^[15]。在中老铁路运能运力快速增长，以及中老铁路沿线外电网系统孱弱的大背景下，铁路能源管控面临着更为独特的挑战，对铁路自身综合能源管理提出了更高要求。结合中老铁路沿线光伏资源禀赋和沿线光伏发电功率预测模型，构建中老铁路综合能源管控系统能够为沿线光伏发电系统调度和老挝电网系统优化提供重要支撑。

3.1　铁路能源管控现状分析

铁路电能消耗主要分布在列车牵引供电及车站、场段内各类动力设备用电，包括冷热源空调通风系统、给排水系统、电梯系统、公共照明系统、变配电系统等。目前，铁路节能措施均局限在对照明系统的改造、通风空调系统的变频控制等局部节能，并未从能量管理系统的角度实现以铁路电网运行经济性、分布式电源合理出力等目标的运行策略。同时，整体管网结构单一、设备能效低、能耗监控盲区等问题突出，尚未形成基于全网能效提升和分布式电源优化配置的综合性能源管理体系。从日常运维工作角度分析，大量基础数据存在错抄、漏抄等情况，校对困难；各类表计覆盖地域较广，抄表周期受限，无法及时采集相关信息；各类硬件设备依靠人工检修维护的成本高，且检修周期不合理。

因此，亟需构建能够实现铁路高效用能的能源管理系统，通过构建数字化能源管控平台，应用适配各类用能场景的节能策略，建设“源-网-荷-储”铁路能源管控体系，实现对铁路光伏发电系统全面监测，助力铁路耗能设备的统一管理、统一调控、统一运维。

3.2　综合能源管控系统关键技术

面向中老铁路沿线光伏电站智能化运营维护目标，重点开展铁路沿线车站及货运物流园区综合能源管控系统建设。以光伏发电为基础，结合储能系统、充电桩等，实现多能协同供应和能源综合利用。中老铁路综合能源管控关键技术主要分为5个部分。

（1）供用能方式分析与运行场景构建技术。根据铁路车站供能侧、用能侧的模式、特性等基本要素及要素间关联关系，采用实测数据分析与理论推导相结合的研究方法，建立铁路车站供用能模型，配置能源调配和智能管理策略。基于不同供用能场景下的铁路车站各种电、水、热、气负荷实测数据，提取用电侧建模的关键因素，并与各类负荷物理实体建立映射关系，实现不同典型运行场景下的供用能建模。

（2）多源能源数据资产治理技术。综合考虑用能数据的增长速度、存储维度、响应时间等因素，合理调配硬件资源，制定硬件的接口标准和数据传输标准，同时进行恰当的物联网技术选型；在数据采集、数据处理、数据存储的各个环节利用Flume、Kafka等大数据技术对数据进行处理，在保证数据安全的前提下对数据进行高效存储管理；结合铁路数据资产的管理办法，建立铁路能源数据资产安全保障体系和管理体系。

（3）能源调配技术与智能管理策略。根据用能侧照明系统、空调系统、电梯电机、实时温湿度、能源成本等参数与优化条件构建人工神经网络模型，调整模型参数，确定模型的层数与结构，确定优化目标函数与优化器，得到训练后的控制模型，以便该模型可以根据输入参数实时得到当前的节能策略；根据供能侧参数如发电功率、储能功率、储能容量、外购电成本等，平衡各供能侧电力占比，以达到综合用能成本最优。

（4）建立跨区域能源调度与协调控制技术。结合中老铁路沿线地理区域复杂和气候多变、光伏建设规划分散的特征，开展适应复杂环境变化的多场景、长距离能源调度与协调控制技术应用子系统开发。子系统具备跨区域能源供需匹配能力，实现能源的远程调度与本地化协调控制。通过实时监测沿线各站点的能源供需状况，实现能源的动态调配，确保全线能源供应稳定可靠。

（5）智能化运维与故障诊断技术。中老铁路沿线环境复杂，运维难度及故障处理难度大，针对此情况建立基于大数据分析的智能化运维与故障诊断子系统，系统具备实时监测与预警、故障诊断与预测、智能决策支持、远程运维与自动化修复等功能，提高系统的故障检测及预警能力，减少因运维不及时导致的停运时间。

3.3　综合能源管控平台特点分析

依托综合能源管控技术搭建中老铁路综合能源管控平台，平台可实现光伏电站管控及运行监测、配电系统安全保障及精细化管理、能耗管理、运维管理4项重点功能。

光伏电站管控及运行监测方面，实现光伏电站的在线监控，为光伏电站运行和管理提供支撑平台。综合能源管控系统光伏电站管理子模块架构如图3所示。

配电系统安全保障与精细化管理方面，通过全面监控和数据智能分析，及时发现问题隐患，保障设备运行安全，挖掘发电低效问题单元，优化运行管理。综合能源管控系统配电系统管理子模块架构如图4所示。

能耗管理方面，通过对用能设备的能耗数据进行采集、处理和统计，实现多维度、多层次的能耗数据分析，结合大数据挖掘及AI预测技术，为使用者提供精准的节能优化策略建议，从而有效提升能源利用效率，降低单位产值能耗。综合能源管控系统能耗管理子模块架构如图5所示。

运维管理方面，通过实时监控各类设备运行状态，预设阈值自动识别潜在故障风险，提前发出预警信息并指导运维人员采取应对措施。基于物联网技术，系统可远程操控设备运行参数，灵活调度能源供应，确保能源系统的稳定、高效运行。综合能源管控系统运维管理子模块架构如图6所示。

4　万象南机务段分布式光伏发电案例分析

为充分开发中老铁路沿线新能源资源，通过构建以能源自洽为特征的中老铁路新型铁路能源系统，开展中老铁路“源-网-荷-储”协同供能体系建设。提出面向中老铁路供电系统不同场景下的适配技术方案，构建横向多能源协同互补、纵向“网-储-荷”深度互动的新型供电系统，实现辅助新能源并网协同运行、应急供电支撑运行、辅助服务、电能质量改善等多种运行模式。

结合中老铁路沿线光伏资源禀赋和光伏发电功率预测分析结果，选择中老铁路万象南机务段内低效土地约10 000 m²，建设1.1 MW分布式光伏电站。电站采用“自发自用”模式，年均发电量约140万kW·h。光伏发电系统通过400 V低压并入机务段内10/0.4 kV变电所，所发电量优先在万象南机务段变电所低压侧进行消纳，剩余电量利用机务段变电所降压变上送至万象南22 kV变配电所10 kV站馈线进行二次消纳。光伏电站同步部署综合能源管控系统，未来可实现对沿线光伏电站运行情况的全面信息化管理，以及负荷用能管理、储能系统管理。

中老铁路光伏发电初期以万象南机务段分布式光伏电站为起点，充分利用老挝光照资源和铁路用能特点，持续优化铁路站段能源管控方法，形成可供沿线各站推广的光伏应用模式；中期结合中老铁路货运及物流园区综合开发的用能场景，增设储能设备，应用多时间尺度分层式预测控制策略，构建兼顾多能互补、能效提升特点的绿色低碳铁路货运及物流园区；远期结合沿线光伏系统搭建，基于铁路牵引供电系统“网-源-储-车”协同供能技术，研发功率融通关键装备，探索新能源接入铁路牵引供电系统可行路径，为中老铁路沿线新能源应用提供支撑。中老铁路万象南机务段分布式光伏电站如图7所示。

5　结束语

中老铁路沿线光伏开发资源禀赋丰富，发展光伏发电可依托光伏发电功率预测模型，从车站段所光伏系统建设、货运及物流园区光伏综合开发以及牵引供电系统光伏接入3个场景进行规划，打造“光-储-直-柔-管”低碳车站园区和“源-网-车-储”一体化供电系统相结合的综合能源应用系统。同步建设中老铁路综合能源管控系统，以光伏发电为基础，结合储能系统、充电桩等，实现多能协同供应和能源综合利用。未来，随着铁路与新能源技术的融合发展，中老铁路沿线开展光伏发电整体系统搭建和应用，对老挝电网基础设施联通和能源结构优化有重要作用。

参考文献

[1] 金　晶. “一带一路” 背景下中老铁路“走出去” 模式研究[J]. 铁道运输与经济，2022，44(5)：19-24.

[2] JIN Jing. Research on “Going Global” Mode of China-Laos Railway under the Background of “Belt and Road Initiative”[J]. Railway Transport and Economy，2022，44(5)：19-24.

[3] 张宇翔，赵国堂. 全产业链模式下国际高铁项目联盟绩效影响研究[J]. 宏观经济研究，2020(8)：156-165.

[4] ZHANG Yuxiang， ZHAO Guotang. A Study on the Performance Impact of International High Speed Rail Project Alliance under the Whole Industry Chain Mode[J]. Macroeconomics，2020(8)：156-165.

[5] 刘柏盛. 中老铁路运输通道发展对策研究[J]. 铁道运输与经济，2017，39(8)：20-24，47.

[6] LIU Baisheng. Study on Countermeasures of Developing China-Laos Railway Transport Corridor[J]. Railway Transport and Economy，2017，39(8)：20-24，47.

[7] 李　达，李向蔚，王　静，等. 中老铁路通道跨境货物列车开行方案研究[J]. 铁道运输与经济，2022，44(12)：1-8.

[8] LI Da， LI Xiangwei， WANG Jing，et al. Train Operation Scheme of China-Laos Cross-Border Railway Corridor[J]. Railway Transport and Economy，2022，44(12)：1-8.

[9] 胡田飞，刘济华，李天峰，等. 铁路与新能源融合发展现状及展望[J]. 中国工程科学，2023，25(2)：122-132.

[10] HU Tianfei， LIU Jihua， LI Tianfeng，et al. Current Status and Prospect of the Integration of Railway and New Energy[J]. Strategic Study of CAE，2023，25(2)：122-132.

[11] 邓文丽，戴朝华，陈维荣，等. 双碳目标下铁路友好体系形态、架构与关键技术[J]. 中国电机工程学报，2023，43(20)：7892-7912.

[12] DENG Wenli， DAI Chaohua， CHEN Weirong，et al. Form，Architecture，Key Technology of Railway-Friendly System under Dual Carbon Target[J]. Proceedings of the CSEE，2023，43(20)：7892-7912.

[13] 鄢　健，周德彦，陈玉妍. 老挝电力发展现状及光伏项目发展前景[J]. 国际工程与劳务，2021(8)：42-46.

[14] 许植深，苗　勃，李继业，等. 中老铁路物流园区布局规划研究[J]. 铁道货运，2024，42(4)：26-31.

[15] XU Zhishen， MIAO Bo， LI Jiye，et al. Research on the Layout Planning of China-Laos Railway Logistics Park[J]. Railway Freight Transport，2024，42(4)：26-31.

[16] 吴宗臻，王小锁，张凌云，等. 轨道交通光储直柔技术应用及展望[J]. 现代城市轨道交通，2022(8)：19-22.

[17] WU Zongzhen， WANG Xiaosuo， ZHANG Lingyun，et al. Progress of PDEF Technology and Its Application Prospect in Rail Transit[J]. Modern Urban Transit，2022(8)：19-22.

[18] 贾凌云，云斯宁，赵泽妮，等. 神经网络短期光伏发电预测的应用研究进展[J]. 太阳能学报，2022，43(12)：88-97.

[19] JIA Lingyun， YUN Sining， ZHAO Zeni，et al. Recent Progress of Short-Term Forecasting of Photovoltaic Generation Based on Artificial Neural Networks[J]. Acta Energiae Solaris Sinica，2022，43(12)：88-97.

[20] 李　芬，周尔畅，孙改平，等. 一种新型天气分型方法及其在光伏功率预测中的应用[J]. 上海交通大学学报，2021，55(12)：1510-1519.

[21] LI Fen， ZHOU Erchang， SUN Gaiping，et al. A Novel Weather Classification Method and Its Application in Photovoltaic Power Prediction[J]. Journal of Shanghai Jiao Tong University，2021，55(12)：1510-1519.

[22] 戴　锦，肖文波，胡芳雨，等. 光伏发电性能物理预测模型的研究[J]. 电源技术，2018，42(2)：262-266.

[23] DAI Jin， XIAO Wenbo， HU Fangyu，et al. Research of Photovoltaic Prediction Model[J]. Chinese Journal of Power Sources，2018，42(2)：262-266.

[24] 刘志超，袁三男，唐万成. 基于BLSTM-随机森林的短期光伏发电输出功率预测[J]. 电源技术，2021，45(4)：495-498.

[25] LIU Zhichao， YUAN Sannan， TANG Wancheng. Output Power Prediction of Short-Term Photovoltaic Power Generation Based on BLSTM-Random Forest[J]. Chinese Journal of Power Sources，2021，45(4)：495-498.

[26] 张　倩，马　愿，李国丽，等. 频域分解和深度学习算法在短期负荷及光伏功率预测中的应用[J]. 中国电机工程学报，2019，39(8)：2221-2230，5.

[27] ZHANG Qian， MA Yuan， LI Guoli，et al. Applications of Frequency Domain Decomposition and Deep Learning Algorithms in Short-Term Load and Photovoltaic Power Forecasting[J]. Proceedings of the CSEE，2019，39(8)：2221-2230，5.

[28] 李　晔，张凌云，刘国桐，等. 城市轨道交通能源管理系统的总体设计及其主要功能[J]. 城市轨道交通研究，2023，26(10)：129-132.

[29] LI Ye， ZHANG Lingyun， LIU Guotong，et al. Overall Design and Key Functions of Urban Rail Transit Energy Management System[J]. Urban Mass Transit，2023，26(10)：129-132.

基金资助

北京市自然科学基金项目(L231006)

中国铁道科学研究院集团有限公司科研项目(2023YJ091)

铁科院(北京)工程咨询有限公司基金项目(2023ZX0001)