基于回归模型的城市轨道交通能耗预测

以上海轨道交通运营统计数据为基础,分析城市轨道交通能耗结构。用相关性分析方法研究影响轨道交通能耗的重要因素。建立了城市轨道交通能耗系统的回归模型,并利用该模型对上海轨道交通5号线的能耗进行了预测。结果表明,该模型可以较准确地预测轨道交通的运营能耗,全年能耗预测误差在5%以内,为城市轨道交通能耗系统的建模与预测提供了一种新的方法。     

地铁环控大系统基于已知负荷模型的前馈控制策略讨论

对采用屏蔽门制式的厦门地铁1号线地下车站通风空调大系统负荷进行监测,通过试点车站客流量负荷、新风负荷、设备负荷变化等的综合分析,对车站通风空调大系统的运行模式、能耗水平、室内环境控制效果进行梳理总结。在与传统运行模式对比后,提出基于已知负荷模型的前馈控制策略,并进行试点研究。研究表明,基于已知负荷的前馈控制策略可以有效克服传统运行模式中存在的响应滞后问题,同时进一步降低环控系统能耗。     

新广州火车站节能设计与建筑室内环境研究

针对我国铁路旅客车站建设持续高速发展,对新广州火车站进行了节能优化设计和室内环境研究,包括围护结构优化设计、空调系统负荷预测与优化设计、大空间流场分析、自然通风分析、新风系统和室内空气品质等进行研究,使该建筑的综合能耗得到降低,室内环境得到改善,并为其旅客车站建设提供了参考。     

地铁车站空调系统模式及能耗分析

提出了一种地铁车站温湿度独立控制空调系统方案,分析了车站应用全空气空调系统、空气-水空调系统与温湿度独立控制空调系统等三种模式的热工性能。以广州地铁某车站工程为例,模拟计算了三种空调系统的全年能耗。结果表明,温湿度独立控制空调系统相比常规空调系统的节能率达24.37%,是值得推广的一种车站空调系统模式。     

基于TRNSYS的地铁车站公共区冷负荷预测模型

以地铁车站公共区负荷为研究对象,在前人研究基础上继续完善地铁车站公共区负荷计算方法,用该负荷计算方法得到的数据作为输入参数,应用TRNSYS软件建立地铁车站公共区逐时负荷计算模型。以南方某屏蔽门地铁车站为例,用该站夏季某时间段的实测负荷数据对TRNSYS模型进行验证;并用该模型对负荷影响较大的因素做详细分析,挖掘该站的节能潜力,得到在关闭新风阀和提高车站控制温度时,该站公共区负荷可分别降低68%和42%。希望可以应用该方法为地铁车站公共区空调设计、运行和能耗管理提供一定指导。     

地铁车站通风空调节能技术应用优化设计

研究目的:地铁车站通风空调系统是地铁车站的能耗大户,有效降低车站通风空调设备能耗已成为车站通风空调专业设计的重点和难点.本文通过分析一个典型车站的空调负荷变化情况,来寻求一个降低车站通风空调设备能耗的有效途径.研究结论:根据车站通风空调系统能耗情况,采用节能优化设计流程,对车站逐时客流和空调负荷进行统计分析后,决定采用变频调节技术对通风空调设备进行调节,大大降低了能源消耗,节约了运营成本.相应的也可以减少变配电设备的装机容量,减少变配电所的机房面积,压缩车站的土建规模等.并为以后类似工程的节能设计提供借鉴作用.     

基于数据驱动的地下车站 能耗预测模型对比研究

对比了最小二乘多元线性回归、岭回归、Lasso 回归、随机森林、XGBoost 在地下车站通风空调、垂直 交通能耗预测领域的应用效果。研究发现,对于地下车站通风空调和垂直交通能耗预测,各算法的均方根误差 的变异系数(CV-RMSE)均在 10%以下,可达到工程应用要求的精度。其中,XGBoost 算法在通风空调能耗预测 中的 CV-RMSE 为 5.1%,在垂直交通能耗预测中的 CV-RMSE 为 5.4%,预测效果明显优于其他算法。从计算 成本来看,最小二乘回归、岭回归、Lasso 回归算法计算成本较低,随机森林和 XGBoost 模型调参复杂、计算 成本较高。对比常用的数据驱动算法在地下车站能耗预测中的预测精度和计算成本,为地下车站模型的搭建提 供算法参考。     

上海轨道交通12号线通风空调系统设计

通风空调系统运行能耗巨大,其设计是城市轨道交通系统总体设计中的重中之重。基于相关标准和节能减排要求,确定了上海轨道交通12号线工程通风空调系统的运行模式,并对区间隧道(含辅助线)通风系统兼排烟系统、车站车轨区排热兼排烟系统、车站公共区通风空调系统、设备管理用房通风空调系统、空调冷源及水系统的设计进行了详细阐述。     

基于广义动态模糊神经网络的短时车站进站客流量预测

针对轨道交通车站短时进站客流的不均衡性、高度非线性和时变性特点,结合逻辑推理能力强的模糊技术与自学习能力强的神经网络,提出一种基于广义动态模糊神经网络(GD-FNN)的短时进站客流量预测方法。以北京轨道交通各车站的进站客流量数据为例,分析轨道交通车站的进站客流特征,确定影响短时客流分布的主要因素;然后采用GD-FNN方法构建车站短时进站量的预测模型,实现对北京轨道交通系统若干车站进站量的预测。预测结果表明:该方法与传统的神经网络相比,预测效果更准确(最大相对误差小于8%),稳定性好。     

苏州市轨道交通典型站点客流离散特性对比分析

为准确把握苏州市轨道交通站点客流的离散特性,利用SARIMA模型和GARCH模型,对苏州市轨道交通车站的客流进行离散特性建模,并使用宽度流量比指标对6座典型车站的客流离散特性进行了分析和评价,为城市轨道交通车站客流特性的预测方法及车站设计和客流的疏导与管理提供了参考,具有一定借鉴意义。     

城轨列车运行时分节能优化方法

基于传统的城轨列车站间运行曲线优化模型,研究列车运行图中的运行时分优化模型和方法。同时在满足运营需求的前提下,以降低城轨列车运行能耗为目标利用遗传算法对列车全周转内各个站间的运行时分进行优化。根据北京地铁亦庄线的实际数据,对以上方法的节能效果进行实际验证和比较。结果表明,基于遗传算法的城轨列车运行时分优化方法相比城轨列车实际运行与仅优化站间驾驶策略方法分别可以获得17.3%与4.1%的节能效果。     

基于滚动优化的地铁列车节能运行协同控制方法

针对地铁列车节能运行问题,提出基于滚动优化的列车协同控制方法,将系统整体最优问题分解为基于时间推进的局部优化问题。考虑列车每次停站时同一供电分区内其它列车的操纵方案,实时计算下一站间运行净能耗最小的操纵方案。在计算操纵方案时,对传统的列车4阶段操纵策略进行改进,允许列车在运行途中进行2次牵引,减小列车牵引能耗并提高再生能的利用率。结果表明:相比列车基于传统4阶段的个体最优控制策略,采用本文提出的列车协同控制方法在不同发车间隔下均可提高再生能利用率并节约列车运行净能耗,平均节能率达8.37%。     

基于人工蜂群算法的高速列车运行节能优化研究

合理的列车操纵方式能在很大程度上降低列车运行过程中的能耗,为了有效降低高速列车运行能耗,从研究高速列车的操纵方式入手,首先建立列车牵引计算模型和列车运行能耗计算模型,其次通过对比人工蜂群算法(ABC算法)和粒子群算法(PSO算法)的优化性能证明ABC算法优于PSO算法,提出了在满足运行速度、运行时间以及运行区间等约束条件下,采用ABC算法与操纵工况序列相结合的方法来优化计算确定高速列车操纵工况关键转换点最优位置和速度。最后通过对选取线路的MATLAB仿真模拟,验算了ABC算法在降低列车运行能耗方面的有效性。研究表明,经过ABC算法优化后的结果均能满足优化操纵方式的基本操纵策略且达到了良好的优化效果,能较好地解决列车节能操纵优化问题。     

基于黄金比例遗传算法的动车组列车节能优化研究

为研究注重最小化能耗的动车组列车运行控制,针对列车单质点模型受力分析不准确问题,提出一种对附加阻力进行处理的多质点方法,进而以多质点模型为基础进行2次优化。为解决遗传算法寻优时容易陷入局部最优的问题,提出一种基于黄金比例遗传算法的优化方法,1次优化通过该算法为列车运行寻求一组满足约束条件的目标速度集合,获得列车节能运行速度曲线。考虑过电分相对列车运行的影响,进行2次优化,将运行区间划分为操纵固定段和操纵可优化段,并通过黄金比例遗传算法搜索出一组操纵可优化段内满意的工况转换点,结合1次优化得到列车最终运行曲线。以兰考南-开封北线路CRH3型动车组为仿真实例,列车运行能耗降低了10.83%,表明所提方法是可行的。     

一种城轨列车的混合动力能量优化控制

近年来,基于质子交换膜燃料电池的混合动力机车越来越受到机车业界的重视。在能量系统中燃料电池充当主要动力源,锂电池和超级电容充当能量支持和存储系统。将系统瞬时氢耗分为燃料电池瞬时氢耗、蓄电池和超级电容等效瞬时氢耗两个部分,建立数学模型,并提出系统瞬时氢耗最小时的能量管理策略,控制着重于计算最佳的燃料电池功率,最大限度地减少混合动力车的氢气消耗。通过仿真测试该能量管理策略对系统能量的优化程度,并与基于经典的比例积分控制策略进行比较。仿真结果表明,在整个驾驶循环期间,节省约5%的氢气消耗。     

基于综合监控的城市轨道交通全线能源管理系统研究

根据城市轨道交通线路能源管理的现状,提出了一种基于综合监控的全线能源管理系统建设模式。为了实现系统性的节能管理,建立了设备能耗与运行状态、环境和客流等影响因素之间的优化模型,并对能耗状态分析、设备状态管理、设备运行优化、节能控制、评估考核等关键技术进行了探讨。该系统能够实现节能增效,减少投资成本,推动轨道交通能源管理的标准化、数字化和智能化发展。     

基于改进遗传算法的高速列车节能优化研究

为有效降低列车运行能耗,针对高速列车行进过程中的能耗优化问题,讨论了列车运行阻力的计算及列车停车点的设置,以此建立以列车能耗最小为优化目标的列车运行优化模型,提出3代逼近搜索的引导机制,改进了传统遗传算法中的算子,同时引入逆转算子提高算法求解能力。以CRH380B型高速列车和合福高铁(合肥—福州)数据为基础进行仿真,列车运行能耗降低了10.7%。仿真结果表明,提出的改进遗传优化算法在高速列车行进过程中,满足列车运行准时性和安全性,且能够有效降低运行能耗。     

基于地铁编组列车运行数据拟合的牵引能耗模型研究

城市轨道交通进入网络化运营阶段后,其运输需求呈现快速增长、结构复杂等特征,运输组织优化需求不断增加,根据客流规律合理组织运力显得十分必要。在行车密度、大小交路调整手段的基础上,为了提升高峰期列车载客能力,降低平峰期列车空载数量,实现节能与便捷的统一,提出灵活编组手段对运输组织进行优化。在节能方面,列车牵引能耗占有较大比重,为了在运能优化及节能之间找到平衡点,需对灵活编组列车牵引能耗进行分析,作为协调便捷性及经济性的参考依据。本研究通过分析历史运营数据,形成一定的能耗规律,采用多因子拟合的方法建立灵活编组列车能耗模型,并通过迭代法逐渐逼近不同编组列车实际能耗情况。     

基于 Dueling DQN 算法的列车运行图节能优化研究

通过优化地铁时刻表可有效降低地铁牵引能耗。为解决客流波动和车辆延误对实际节能率影响的问题,提出列车牵引和供电系统实时潮流计算分析模型和基于 Dueling Deep Q Network(Dueling DQN)深度强化学习算法相结合的运行图节能优化方法,建立基于区间动态客流概率统计的时刻表迭代优化模型,降低动态客流变化对节能率的影响。对预测 Q 网络和目标 Q 网络分别选取自适应时刻估计和均方根反向传播方法,提高模型收敛快速性,同时以时刻表优化前、后总运行时间不变、乘客换乘时间和等待时间最小为优化目标,实现节能时刻表无感切换。以苏州轨道交通 4 号线为例验证方法的有效性,节能对比试验结果表明：在到达换乘站时刻偏差不超过 2 s和列车全周转运行时间不变的前提下,列车牵引节能率达 5.27%,车公里能耗下降 4.99%。     

城市轨道交通新能源技术应用研究

为了支撑轨道交通系统绿色环保的可持续发展需求,在光伏发电及储能方面展开研究。设计城轨交通系 统用分布式光伏-储能供电系统方案,研究多系统、高可靠度的供电模式和源储荷多能源耦合下的能量管理策略。 面向光伏储能接入单个牵引变电所,提出一种基于深度强化学习的能量管理与优化方法。该方法使用深度 Q 网络 对列车负荷、光伏单元和储能单元功率输出等状态信息进行训练学习,通过训练好的代理对直流牵引网进行能量 管理,解决光伏发电系统难以适应城轨列车启停频繁、工况多变,以及多能源系统引入后带来的供电稳定性、容 量配置和能量管理等问题,有效提升城市轨道交通系统的绿色能源利用率,降低变电所输出能耗。