1.基于迭代学习的城轨混合储能系统功率动态分配控制方法，其特征在于该方法采用基于直流稳压变化的变增益迭代学习控制，并结合滑动平均滤波算法协调控制混合储能系统的功率分配；其中，超级电容主要发挥其快速响应特性，并用于快速完成永磁牵引系统的加速与制动能量交换，电池用于稳定直流牵引电压并辅助供电；

设计基于牵引功率实时前馈的混合储能系统双环级联控制策略；首先，通过速度与位置传感器检测得到的转速ω与转矩Te相乘，从而得到牵引功率需求Pload；由功率修正量△P以及Pload前馈得到混合储能系统功率给定Phess_ref，并将Phess_ref经滑动平均滤波算法分别得到超级电容高频功率指令Psc_ref、牵引网低频功率指令Pdc_ref以及电池低频功率指令Pbat_ref，并分别分配给超级电容、电池；

由于混合储能系统容量有限，在发挥超级电容大功率、电池大能量优势的前提下，为避免储能容量不足而导致过充过放，因此在列车运行过程中以超级电容荷电状态SOCuc与电池的荷电状态SOCbat为参考，通过规则和滤波算法实现启动/制动功率的动态分配；为限制超级电容与电池容量降低过快，分别设计超级电容安全容量区间为[SOCuc_min，SOCuc_max]，电池容量区间为[SOCbat_min，SOCbat_max]；

设计功率切换规则如下：

一.当列车启动时：

1).当SOCbat_min≤SOCbat≤SOCbat_max时，电池处于正常工作状态，且按以下情况进行功率分配：(1)当SOCuc_min≤SOCuc≤SOCuc_max时，启动功率由电池与超级电容、电网一起承担，其中超级电容承担高频启动功率需求，电池与电网承担低频启动功率需求；

(2)当SOCuc_min

2).当SOCbat

(2)当0

二.当列车制动时：

1).当SOCbat＞SOCbat_max时，超级电容和电网承担充电功率，电池不工作；

2).当SOCbat_min≤SOCbat≤SOCbat_max时，电池进入工作状态，且SOCuc_min≤SOCuc≤SOCuc_max时，制动功率由电池与超级电容、电网一起承担，其中超级电容承担高频制动功率需求，电池与电网承担低频制动功率需求；

然后，设计电池最优寿命保护模型，选取某地铁站点线路为仿真模型，该站点工作日运营时间区间为[h1,h2]，早晚高峰时段运营间隔Ma分钟，平峰时段运营间隔Mb分钟，双休日运营时间[h3,h4]，平均运行间隔Mc；假设车站每天运营时间为Ht(小时)，每次发车间隔Min(分钟)，则一天从该站点经过的列车共M辆，即M个周期，计算如下：相当于一天内一辆列车共靠站M次；因此，设计电池寿命优化策略，设置车站运营开始时电池初始容量为SOCbat_max，经过M个周期的充放电工作，电池电量达到低谷SOCbat_min，于列车停止运营后低谷充电；

由于地铁整天运营时段共M个周期，电池容量变化范围为[SOCbat_min，SOCbat_max]，因此每个周期电池充放电容量最大容许值△SOCbat_limit为：考虑实际工况下电池循环M周期充放电后的容量变化“宜少不宜多”的情况，设计每周期充放电安全容许值△SOCbat_ref，相当于当前周期的电池实际荷电状态减去前一周期电池实际荷电状态；并以电池兼顾直流牵引电压稳定与寿命保护为原则，从而根据△SOCbat_ref合理设置电池寿命最优期望轨迹；

最终，设计迭代学习控制器；考虑到控制系统的收敛速度，采用开环迭代PD算法，学习率表示如下：其中，控制器输出uk(t)为第k次控制时的迭代学习控制器在t时刻的输出；uk‑1(t)为第k‑1次控制时迭代学习控制器在t时刻的输出；误差ek‑1(t)为第k‑1次控制时参考输出和实际输出的误差；Kp和Kd分别为误差及误差导数的学习增益，k为迭代次数；

为同时提高启动/制动阶段动态能力，采用以空载母线电压U0为参考的变增益比例控制方式对母线电压进行限制，通过电压外环计算直流电压Udc与空载电压U0的差值以及Udc与电池放电阈值Ubat_dis或者电池充电阈值Ubat_char的误差值，并将误差值进行指数运算，然后进行标幺化，使其作为迭代学习(ILC)学习率比例环节与微分环节的输出，输出结果为：其中，Kp为变学习增益系数，k1，k2为标幺值系数；

设计基于直流稳压变化的迭代学习控制学习率如下：

通过引入电池寿命预测最优参考轨迹，采用迭代学习算法控制每个运行周期内电池充放电电流大小；

系统运行，具体运行步骤如下：

Step1：根据列车实时牵引功率前馈以及滑动平均滤波算法得到分别得到超级电容高频功率指令Psc_ref、牵引网低频功率指令Pdc_ref以及电池低频功率指令Pbat_ref；

Step2：超级电容高频功率指令Psc_ref与反馈的超级电容实时电压Usc相除后得到超级电容电流给定值isc_ref，电池低频功率指令Pbat_ref分配给电池双环级联控制中，得到电池电流给定值ibat_ref；然后电流isc_ref与ibat_ref分别与电流内环超级电容电流isc和电池电流ibat比较差值并经PI控制器后用于调节控制双向DC/DC变换器开关管驱动脉冲信号；

Step3：根据超级电容荷电状态SOCuc与电池的荷电状态SOCbat变化确定混合储能系统功率切换状态；

Step4：计算电池寿命最优期望轨迹，采用基于直流稳压变化的迭代学习算法对期望轨迹实现完全跟踪，从而实时控制每个运行周期内电池充放电电流大小；在有限的时间区间t∈[0,T]内，迭代学习控制算法的实现步骤如下：

1)初始化电池电流的修正量△ibat_0(t)，设置迭代循环次数N，代入被控对象系统模型中，经第k次迭代结束后的可得响应输出信号△SOCbat_k(t),k＝1,2...N；

2)计算第k次迭代时的误差ek(t)及其微分

3)判断经k次迭代后系统响应信号△SOCbat_k(t)与期望信号△SOCbat_ref(t)是否一致，如果结果一致则停止迭代；如果结果不一致，则判断k是否等于N，若k等于N则重新设置学习率重新迭代学习，若不相等则进入下一步；

4)更新下一次迭代的电池电流的修正量△ibat_k(t)，并返回步骤2)；

上述运行步骤能有效确定列车牵引运行功率需求，通过滑动平均滤波算法以及混合储能荷电状态的功率切换规则来协调控制混合储能之间的功率分配，并通过迭代学习控制来实现电池最优寿命保护。