轨道交通逐渐成为人们出行主流,有轨电车作为城市主要交通工具,推动其发展会提高人们出行效率。其中车载混合储能（Hybrid Energy Storage System,HESS）的供电方式改善了城市景观并兼具高功率密度及高能量密度特性。在储能配置一定的情况下,借助牵引计算仿真手段,对有轨电车的运行过程进行仿真模拟是实现其安全运行的前提。同样,在运行线路确定的情况下,对混合储能系统的容量配置以及能量管理策略进行优化,实现储能系统高效节能运行也十分重要。基于此,本文对有轨电车牵引计算软件开发、车载储能系统容量配置方法及软件开发以及能量管理策略的在线优化运行展开研究。为快速实现有轨电车牵引计算仿真,本文采用Java以及Swing框架开发了一套储能式有轨电车牵引计算软件。首先对混合储能系统以及牵引计算进行数学建模,并在限速条件较为复杂时,针对目前正反推牵引计算方法的不足,开发了一种带有自适应合并区间的牵引计算方法。最后对牵引计算以及能量管理策略进行了并行计算,并对软件计算精度进行了验证。为综合考虑HESS的安装重量、能量损失、寿命损耗及能量管理策略和容量配置间相互耦合问题,提出一种基于模糊控制的容量配置多目标协同优化方法。根据线路条件和HESS特性制定模糊规则,为降低隶属度函数主观性,采用改进的带精英策略非支配排序的遗传算法（Elitist Non-dominated Sorting Genetic Algorithm,NSGA-II）对双源配置和模糊控制参数进行协同优化。经过优化对比,混合储能式电池半主动拓扑更适合有轨电车在该线路的运行需求,并在此基础上对比了不同能量管理策略下的优化效果,仿真结果验证了本文提出方法的有效性和控制效果。最后,采用Java及Swing框架开发了参数匹配与控制策略仿真软件,用于快速计算混合动力系统配置最优值以及模拟系统实际运行工况。为提高有轨电车的运行性能及经济效益,需要对能量管理策略进行优化设计。目前能量管理策略大多为离线优化,为实现在线优化控制且避免驾驶工况变化较大时对策略的影响,本文提出基于工况识别的强化学习能量管理策略。首先通过历史行驶数据和短行程分析法构建有轨电车典型驾驶工况并得到不同工况下的马尔科夫功率状态转移矩阵。然后以HESS能耗最小为目标,构建了能量管理策略优化模型,通过强化学习算法得到不同工况下的功率分配策略。最后,以改进LVQ神经网络对驾驶工况进行在线识别,控制系统通过当前识别的工况以及列车状态做出实时决策。通过仿真对比,对所提策略的最优性和适应性进行了验证。最后,基于混合储能系统试验平台对本文涉及到的能量管理策略进行了实验验证,通过上位机向控制器实时发送功率分配控制指令,验证本文提出的策略的有效性和可行性。