我国城市轨道交通事业蓬勃发展,以地铁为代表的城市轨道交通(以下简称“城轨交通”)系统具有运量大、安全性高、速度快、准时高效、低污染等优点。城轨交通系统列车运行耗电量非常大,再生制动能量的吸收和利用是降低列车运行能耗的有效措施之一。近年,地面式超级电容储能系统作为再生能量吸收和利用的重要方式得到广泛应用,它能够有效地回收利用再生制动能量,降低列车运行能耗,减少或消除再生失效。本文在传统电压电流双环控制策略的基础上考虑列车运行状态和超级电容所需吸收再生能量的大小,对超级电容储能系统的能量管理策略进行优化研究。首先,为了实现城轨交通供电系统的同步潮流仿真,本文搭建了牵引变电所、超级电容储能系统、城轨列车、牵引网等城轨交通系统供电仿真所需的各部分数学模型,在此基础上建立了城轨交通供电系统仿真平台,并对北京地铁八通线进行了算例的仿真分析。其次,本文提出了基于BP神经网络模型的再生能量预测方法,实现了对超级电容储能系统需要吸收的再生能量的实时预测。BP神经网络预测模型通过获取线路各列车位置和功率的实时信息,对储能系统需要吸收的再生能量进行预测,并以此判断储能系统在此充电过程中是否会被充满。在储能系统无法完全吸收再生能量的情况下,适当提高充电阈值,在某些情况下可以延缓制动电阻的开启时间,减少变电所的输出能量,从而达到一定的节能效果。本文选取了单储能装置和多储能装置模型的典型情形进行分析,也根据八通线实际线路数据进行了仿真验证。以变电所输出能量最小为优化目标,利用自适应权重的粒子群算法对所提出策略中的多个控制参数进行离线优化,实现了最佳的节能效果。最后,本文利用功率硬件在环实验平台对基于BP神经网络能量预测的能量管理策略进行了实验验证。该平台借助RT-LAB实时仿真器实现了对多牵引变电所多列车复杂系统的半实物实验模拟。将本文提出的改进型策略与传统双环能量管理策略进行对比,证明了改进型策略的可行性与有效性。