采用再生制动的地铁时刻表节能优化研究

地铁运行的主要成本是电能消耗,如何降低地铁运行能耗是建设绿色城市的重要课题.本文从列车运行时再生制动产生回馈电网能量出发,建立采用再生制动的地铁列车运行能耗模型.进而,将地铁运行节能问题转化为地铁列车时刻表优化问题,并引入列车运行约束和混合逻辑动态模型约束将该问题建模为一个非线性混合整数规划问题.本文设计了分解协调优化算法,以列车停站时间和发车时间间隔作为优化操作变量进行优化.从仿真结果可知,以不同的操纵变量进行优化均能有效提高再生制动能量利用率,且分解协调算法的求解结果优于传统的模拟退火算法.     

基于闭塞区间的高速列车运行时间与节能协同优化方法

提出了一种高速列车运行时间与节能协同优化方法.针对由动态调度层、优化控制层、跟踪控制层组成的列车运行控制与动态调度一体化结构,设计了面向动态调度层和优化控制层的列车运行时间调整策略和节能速度位置曲线.基于高速铁路闭塞区间,建立了列车区间模型和列车速度曲线节能优化模型.利用模型预测控制方法对列车区间运行时间进行调整,优化列车总延误时间;根据调整后的区间运行时间设计列车运行优化速度位置曲线,减少列车运行能耗.仿真算例验证了设计的运行时间与节能协同优化策略的有效性.     

列车节能运行决策问题的模拟优化研究

轨道交通运输耗能巨大,研究列车节能操作运行具有重要的理论意义和实用价值。从节能角度出发,分析列车运行过程中的能量转换机制,建立单列车耗能最低优化模型、多列车节能优化模型及列车延误多目标优化控制模型,针对模型本身及其约束条件的复杂性,提出基于改进布谷鸟优化算法与动态搜索方法的“模拟优化”求解方法,对列车节能运行决策问题进行求解,并通过与其他同类算法的比较,阐述了所提方法的优越性。得到列车在不同运行工况下的最优节能运行控制策略,确定各情况下列车运行的最优速度距离曲线,结果符合实际情况。改进算法的搜索效率更高,研究思路与模型对于列车节能操作运行具有一定的借鉴意义,所提出的针对复杂优化模型的求解方法合理有效,适用性强,有一定的参考价值。     

考虑节能降耗的轨道牵引供电系统优化仿真模型

考虑到城市轨道牵引供电系统能耗主要受列车运行状态所影响,为降低牵引供电系统能耗,设计一种考虑节能降耗的轨道牵引供电系统优化仿真模型。此模型利用轨道交通列车的实迹运行图,构建基于实迹运行图的牵引供电系统能耗仿真模型,分析当下轨道牵引供电系统实迹运行信息、系统能耗状态后,由基于改进式鸽群算法的牵引供电系统节能优化模型,构建牵引变电系统能耗转化率最大化的,列车时刻表最优设计目标函数,通过改进鸽群算法求解此目标函数,获取牵引供电系统节能降耗优化时,列车时刻表的最优设计方案解。实验结果验证：此模型能将轨道牵引供电系统的能耗转化率提高9.04%,节能降耗效果显著。     

大功率三电平PWM整流器无权值系数预测控制

针对传统预测控制算法中成本函数的权值系数设计复杂的问题,提出了一种大功率三电平PWM整流器无权值系数预测控制算法。在引入目标跟踪误差容许界限区间的基础上,计算电流指令跟踪与中点电位调节多目标满意优化控制的Pareto优解集:当Pareto优解集为空集时,利用基于控制偏差程度衡量函数的电流指令跟踪与中点电位调节目标成本函数,消除了传统预测控制中成本函数的权值系数;当Pareto优解集不为空集时,设计了一种新型开关损耗成本函数,实现了整流器低开关频率控制。仿真结果验证了该算法的有效性及动态性能。     

城市轨道交通线路中列车节能优化研究

针对当前列车节能优化仅考虑个别区间或者各列车之间的协调关系,导致优化结果可应用性和指导性较差的现状,以城市轨道交通整体线路节能优化为研究对象,建立区间列车节能优化模型,运用遗传退火算法进行模型求解,通过设定时间步长实现区间运行列车从省时模式向节能模式的转变。将单条线路列车节能优化问题转化为带时间价值约束的背包问题,并采用改进的贪婪算法分配线路预留时间进行列车节能优化。以不考虑坡度变化的简单线路为例对列车节能优化方法进行实验验证,结果表明,在考虑旅客时间价值的情况下,列车运行能耗相对于省时模式节省了41.54%,具有较好的节能效果。     

基于改进NSGA-Ⅱ的列车运行多目标优化方法

针对目前城市轨道交通列车运行节能控制必须满足工程校验、实时高精度需求以及快速非支配排序遗传算法(NSGA-Ⅱ)在优化列车运行速度曲线时解集分布性差的问题,提出一种基于改进NSGA-Ⅱ的列车运行多目标优化方法.首先建立以站间牵引能耗、到站时间、停车精度为优化目标,以多种规范约束为支配惩罚,以实数编码的位置-工况组合为变量下的列车节能运行数学模型.然后,以限速曲线与坡度变化原则分段离散化站间线路,基于NSGA-Ⅱ加入动态矫正计算适应度值并引进自适应选择与混合交叉算子.最后,采用北京地铁8号线数据进行优化仿真.结果表明,改进NSGA-Ⅱ算法在标准测试函数上解集分布性指标最高提升27％,在列车节能工程优化问题上,运行备选方案数量提升2倍以上,方案分布性提升26％,牵引能耗降低4.8％.本方法为城轨列车节能运行的优化设计及决策者对目标条件的权衡提供了更广泛的选择.     

基于遗传算法和粒子群优化的列车自动驾驶速度曲线优化方法

针对列车自动驾驶(ATO)过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化(GAPSO)算法结合的ATO速度曲线优化方法.首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化(PSO)算法进行改进,采用非线性动态惯性权重和...     

R-dPSO算法及其在ATO控制策略中的应用

城市轨道交通列车自动运行中,通过调整列车的5种工况序列解决含有安全、准点、准时、舒适度和能耗等指标的多目标优化问题。根据轨道交通列车自动运行过程中涉及的动力学公式建立ATO目标速度曲线的数学模型。提出一种随机驱动的全局粒子群优化算法（R-dPSO）,用12个基准函数测试了R-dPSO算法的有效性。进而,利用SPSO算法、XEPSO算法和R-dPSO算法解决上述多目标优化问题。实验表明,只有R-dPSO算法的优化结果满足ATO控制策略的各个指标要求。     

基于鲁棒预测控制的高速列车节能运行研究

针对高速列车在运行过程中的传统控制策略优化精度差、难以达到理想的节能效果的问题,提出了基于安全、准点、节能等多目标要求的高速列车鲁棒预测控制策略。对列车的运行过程进行受力分析,运用聚类和最小二乘法建立了基于多模型的线性预测模型,考虑高速列车惰行运行及道路条件等情况,合理设计出列车的节能目标曲线。将相应的节能曲线作为输入量,采用鲁棒预测控制算法进行优化,有效地提高了模型的适配性和跟踪性。以CRH3型列车作为研究对象进行仿真,结果表明,鲁棒预测控制能够满足跟踪节能曲线精度的要求,验证了该节能运行方式的可行性和优越性。     

制冷站双目标权重自适应非线性预测控制

针对传统制冷站控制系统易产生振荡, 且无法实现系统性能整体优化的问题, 本文提出一种制冷站非线性 预测控制策略, 优化目标函数设计为满足建筑冷量需求的同时, 尽可能提高系统整体能效. 为解决上述两个优化目 标之间的矛盾关系, 本文采用模糊逻辑设计了优化目标权重自适应模块, 实时求取权重因子最优解; 针对非线性系 统在线优化求解困难问题, 本文提出了基于神经网络的非线性滚动优化算法, 采用神经网络作为反馈优化控制器, 并将系统优化目标函数作为在线寻优性能指标, 结合Euler-Lagrange方法和随机梯度下降法对控制器权值和阈值进 行在线寻优, 算法计算量小, 占用存储空间适中, 便于采用低成本的现场控制器实现制冷站预测控制. 仿真实验结果 表明, 本文所提出的预测控制策略与PID控制相比, 在未加入优化目标函数权重自适应模块情况下, 系统平均能效 比提高约32.5%; 进行优化目标函数权重自适应寻优后, 系统平均能效提高约39.43%.     

基于灵活编组的城轨车底运用计划及鲁棒客流控制策略

针对通勤客流需求的动态性、不均衡性和随机性等复杂特征,提出基于灵活编组的城轨车底运用计划及鲁棒客流控制策略两阶段随机规划模型.第1阶段为编组类型指派和车底运用计划优化模型,以极小化系统运营成本为目标;第2阶段为车站协同限流鲁棒优化模型,以极小化乘客等待时间为目标.通过线性化方法将原模型重构为可被CPLEX等优化软件直接求解的混合整数线性规划模型.算例结果表明,灵活编组模式在仅增加0.5%乘客等待时间的基础上,可降低约30.2%的系统运营费用,表明灵活编组方案在满足客流需求的同时可合理地降低运营费用.此外,所提出鲁棒客流控制策略能够避免传统鲁棒优化方法过于保守的问题,对于实际运营过程中随机客流需求具有较好的适应性.     

基于改进遗传算法的列车运行曲线优化

传统遗传算法很早就在列车运行优化研究中得到了应用,但是由于种群中染色体进化方向的不确定性和局部搜索能力不足,导致收敛速度缓慢和求解质量低下。针对以上问题,本文提出一种改进型遗传算法,对列车运行曲线的生成进行研究。以列车运行能耗最小为优化目标,将行车安全、准点和精确停车等约束条件转化为惩罚函数,同时以工况序列为遗传个体进行求解,为加快种群收敛速度和提高解的质量,设计包含准点调整和局部搜索的种群进化方向引导机制。仿真结果表明,改进后的算法适用于多约束的列车运行优化问题,有效提升了收敛速度,优化结果相比于简单遗传算法和自适应遗传算法更加节能。     

Optimal control of rail transportation associated automatic train operation based on fuzzy control algorithm and PID algorithm

Rail transportation develops rapidly in recent years, which has made great contribution to the solution of urban traffic jam and promoted the coordinated development of urban economy and environment. Automatic train operation (ATO) system can transform artificial train work into automatic train work. Therefore, the optimal control of ATO system is of great significance to the improvement of operation efficiency of rail transportation and the reduction of labor strength of train drivers. The regulation of train speed is the key of ATO system operation, and PID control algorithm is a common control algorithm. Train automatic drive can be realized through repeatedly debugging parameters through a large amount of experiments using the traditional PID control algorithm; however, it wastes time and energy and is complicated to operate. This study made optimal control on rail transportation associated ATO using fuzzy control algorithm in combination with PID control algorithm to make up for deficiencies, with the intention of achieving the control on the train start and speed, direction adjustment and accurate control of train parking and cruising.     

列车运行调度的现状及展望

分析列车运行计划制定和速度调整的实际情况,研究列车运行调度的建模及求解技术。针对目前相对静态的列车运行调度模型,建立车站-闭塞分区一体化及考虑列车动态运行状况的优化模型,并提出一种具有预测控制、滚动优化、实时反馈的列车运行调度与控制框架,该框架可以提高行车密度、抵抗随机扰动、优化铁路网络的运营性能。