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.     

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.     

化工物流铁路运输节能策略研究

铁路运输是化工物流主要的运输方式之一,从能源消耗的绝对量来看,铁路运输的能耗量巨大,是节能的重点行业。以列车在区间运行总能耗最低为优化目标,在考虑线路类型、闭塞方式的基础上,对区间运行时间、车站作业时间、区间速度、车站间隔时间和追踪列车间隔时间加以约束,建立了节能运行图编制优化的模型,并结合算例进行了验证。计算结果显示,当采用此方案优化时,在略微增加列车运行时间的基础上,大大减少了总的运营成本,得到很好的节能减排效果。     

考虑区域协调性的城际列车开行方案优化

针对城际列车开行方案没有有效匹配城市轨道交通运能的问题，提出一种考虑区域协调性的城际列车开行方案优化方法。首先，以旅客出行费用最小和铁路运输效益最大为优化目标，考虑城际列车载客能力、出发地目的地（Original Destination，OD）客流需求和通过能力等约束；然后，在此基础上增加运能匹配度的限制，构建了考虑区域协调性的城际列车开行方案多目标非线性规划模型，并设计改进的模拟退火算法求解模型；最后，以广深城际铁路为例并进行两组对比分析。实验结果表明:考虑区域协调性的列车开行方案可以使旅客出行总广义费用降低约4.06%，铁路部门的效益提高约9.58%，旅客和铁路的系统总成本降低约23.27%；与遗传算法相比，改进的模拟退火算法在求解质量与收敛速度上均有较大提高。所提模型和算法可充分兼顾旅客和铁路双方利益，能够为城际列车开行方案优化问题提供有效解决方法。     

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.     

基于自适应遗传算法的城际列车运行图编制方法

对城际列车运行图编制问题进行研究,确定列车在各区间运行的最优顺序,并建立以列车总运行时间最小为目标的列车运行图优化模型。在此基础上,采用自适应选择机制的变异算子和交叉算子,设计一种自适应遗传算法进行求解。该算法采用“列车-区间运行顺序”的染色体二维编码形式,首先对列车在各区间运行的顺序进行编码;求解过程中,结合广度优先循环布线的原则进行解码,通过“到发时刻-发现冲突-解决冲突”逐区段进行铺画,得到列车在各车站实际的到发时刻;同时,利用自适应遗传算法进行全局优化,得到问题最优解。实验表明,自适应机制能够提高算法性能并较快得到列车最优运行顺序,铺画出更高效准确的列车运行图。     

列车节能操纵中最成优方案的算法

本文给出列车节能操纵关键方程的基础上，对优化型运行方案给出不同的算法，并对不同的算法进行比较。     

列车节能操纵中最优方案的算法

本文在给出列车节能操纵关键方程的基础上，对优化型运行方案给出不同的算法，并对不同的算法进行比较。     

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。     

基于遗传算法的列车优化操纵曲线研究

列车优化操纵是列车节能控制的关键,本文以牵引计算理论为基础,结合列车运行过程中的要求,构建以能耗、时分误差、限速等为目标的列车节能控制模型,采用实数遗传算法,通过Visual Basic编程对此问题进行求解。在已知列车编组的条件下,以DF4(客)型机车的牵引、动力制动时的能耗曲线为基础,得到给定运行时间、距离条件下的优化操纵曲线,从而对司机节能优化操纵给出指导性意见。     

基于遗传算法的高速列车ATO追溯目标曲线优化

对于高速列车在运行过程中因为运行环境造成能耗、舒适、准时和准确停车等指标的不同,运用遗传算法对列车运行的节能性曲线和多目标运行曲线优化,结合列车牵引计算方程和选定的线路约束条件仿真得到列车ATO所要追溯的目标曲线。结果表明：通过遗传算法优化工况转换点使得列车运行中的惰行比例增加,可以实现列车节能运行,与节能性目标相比,多目标可以较好地保证列车运行中的舒适性,准时性和准确停车等关键性指标。     

基于人工蜂群算法的轨道交通列车行车间隔优化

轨道交通运营组织作为轨道交通运营企业管理的核心,在降低企业运营成本、提升服务水平和旅客出行效率方面起着非常重要的作用。提出一种基于人工蜂群（ABC）优化算法的列车行车间隔优化策略,在考虑运营企业和旅客各自利益的基础上,以列车发车间隔为决策变量,建立旅客平均候车时间最小和列车等候时间最大的双目标非线性规划模型。采用ABC算法对模型进行优化求解,结合京津城际铁路某日不同时段客流基础数据进行仿真,实例验证了所提算法和模型的有效性。     

基于动态规划和遗传算法的混合算法研究

动态规划法和遗传算法是目前在水电站厂内经济运行中广泛应用的两种优化算法，文章提出了一种基于动态规划法和遗传算法的混合优化算法来分别解决大规模机组组合问题中空间最优化和时间最优化的计算机求解问题。避免了遗传算法计算速度缓慢的问题，又避免了动态规划法的“维数灾”问题。最后使用清江隔河岩水电站的4台机组的运行数据进行了仿真研究，并和完全使用动态规划法的结果进行了比较，获得了良好的效果，说明该混合优化算法对于厂内经济运行是一种可行的算法。     

Energy-efficient receding horizon trajectory planning of high-speed trains using real-time traffic information

Optimal trajectory planning of high-speed trains (HSTs) aims to obtain such speed curves that guarantee safety, punctuality, comfort and energy-saving of the train. In this paper, a new shrinking horizon model predictive control (MPC) algorithm is proposed to plan the optimal trajectories of HSTs using real-time traffic information. The nonlinear longitudinal dynamics of HSTs are used to predict the future behaviors of the train and describe variable slopes and variable speed limitations based on real-time traffic information. Then optimal trajectory planning of HSTs is formulated as the shrinking horizon optimal control problem with the consideration of safety, punctuality, comfort and energy consumption. According to the real-time position and running time of the train, the shrinking horizon is updated to ensure the recursive feasibility of the optimization problem. The optimal speed curve of the train is computed by online solving the optimization problem with the Radau Pseudo-spectral method (RPM). Simulation results demonstrate that the proposed method can satisfy the requirements of energy efficiency and punctuality of the train.     

基于两阶段算法的列车调度问题

考虑突发铁路损坏对列车运行的影响,在列车运行调度理论的基础上,建立了单线铁路调度模型,设计了一种带有突发事件处理能力的两阶段列车调度算法,第1阶段对列车区间运行速度进行调整,第2阶段对列车的停站时间进行调整.将3种有效的搜索算子、一种自适应更新规则与粒子群算法相结合,以列车延迟率作为优化目标,求解单线铁路列车调度问题.通过将所提算法与其他算法在相同实验条件下进行测试对比,并进行突发事件测试,验证了所提算法的有效性.     

基于约束规划的一类排序问题通用求解方法

多约束排序问题是生产调度中常遇到的问题,传统的优化模型及方法在适应约束改变等方面存在诸多不足。鉴于此,将多约束排序问题定义为约束满足问题,系统设计时将模型定义与求解算法分离,利用约束规划平台的基本约束构建特定领域的抽象约束库,形成可重构的多约束排序问题通用求解框架。应用时,根据问题需求不同可利用抽象约束库快速重构优化模型,针对重构的优化模型配置相应的求解算法即可实现问题求解。应用结果表明,提出的方法通用性强,可满足实际应用的要求。     

Operation Optimal Control of Urban Rail Train Based on Multi-Objective Particle Swarm Optimization

The energy consumption of train operation occupies a large proportion of the total consumption of railway transportation. In order to improve the operating energy utilization rate of trains, a multi-objective particle swarm optimization (MPSO) algorithm with energy consumption, punctuality and parking accuracy as the objective and safety as the constraint is built. To accelerate its the convergence process, the train operation progression is divided into several modes according to the train speed-distance curve. A human-computer interactive particle swarm optimization algorithm is proposed, which presents the optimized results after a certain number of iterations to the decision maker, and the satisfactory outcomes can be obtained after a limited number of adjustments. The multi-objective particle swarm optimization (MPSO) algorithm is used to optimize the train operation process. An algorithm based on the important relationship between the objective and the preference information of the given reference points is suggested to overcome the shortcomings of the existing algorithms. These methods significantly increase the computational complexity and convergence of the algorithm. An adaptive fuzzy logic system that can simultaneously utilize experience information and field data information is proposed to adjust the consequences of off-line optimization in real time, thereby eliminating the influence of uncertainty on train operation. After optimization and adjustment, the whole running time has been increased by 0.5 s, the energy consumption has been reduced by 12%, the parking accuracy has been increased by 8%, and the comprehensive performance has been enhanced.