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。     

一种结合时刻表调整的列车节能驾驶优化方法

为了降低高速列车在连续站间运行的能耗,以区间运行能耗和运行时间为目标建立列车驾驶策略优化模型,采用基于模拟退火的粒子群算法PSO-SA进行求解,得到每个运行区间的能耗-时间Pareto解集,并通过最小二乘法拟合得到每个区间相应的Pareto曲线。在此基础上,提出一种时刻表优化调整方法,在始发站至终点站总运行时分确定的前提下,基于KKT(Karush-Kuhn-Tucker)条件调整每个站间运行时分,给出最优的站间运行时分组合和最佳的区间运行策略。以CRH2A高速列车在镇江南—昆山南区间实际运行数据为基础进行仿真验证,结果表明:通过区间最优工况求解和多站间运行时分调整优化,列车在多站间的总运行能耗降低了17.6%,验证了模型和算法的有效性。     

基于免疫退火遗传算法的城市轨道交通列车节能运行策略

为降低城市轨道交通列车站间运行能耗,提出了一种基于免疫退火遗传算法(IAGA)的列车节能运行策略.在区间运行时间固定的情况下,该策略能实现列车能耗的最小化.IAGA算法通过免疫补充和建立疫苗库缩短算法收敛时间,并借助退火机制避免算法提前进入早熟状态.求解模型以寻找列车站间运行工况转换点为约束,牵引能耗最小为目标,建立列车节能运行策略.以实际线路数据和车辆参数为基础,对单区间及三站两区间的节能策略进行仿真验证.结果表明,在保证站间列车定时运行的情况下,与传统遗传算法相比,IAGA算法具有更快的收敛速度,其计算的策略可使单区间列车运行能耗降低10.2％,三站两区间列车运行总能耗降低16.0％.     

中低速磁浮交通多车协同利用制动能量的研究

首先分析了中低速磁浮交通单列车运行能耗和供电系统,在此基础上建立多列车运行能耗模型。为了充分利用再生制动能量,提出了可对运行间隔、停站时间和区间运行时分微调的列车运行时刻表制定方法。设计了多种群遗传算法,以多列车运行能耗最低和最大程度利用再生制动能量为目标,优化列车运行时刻表。通过采用精英保留策略和移民策略算法,提高了寻优过程的稳定性和速度。仿真结果表明,本文方法可将再生制动能量的利用率由传统14.8%提高到80.9%,将被利用的再生制动能量与运行能耗比值由传统0.74%提高到4.2%。     

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。     

基于Q学习算法的城轨列车智能控制策略

牵引能耗是列车能耗的主要组成部分,针对城轨列车节能运行的问题,将列车运行状态离散化,以列车对速度控制作为动作空间,时间和能耗作为奖励函数,提出一种基于Q学习算法的城轨列车智能控制策略.在不使用离线优化速度曲线的情况下,根据列车当前位置和速度实时计算最优控制策略;同时,在传统Q学习基础上,将∈-greedy策略与司机驾驶...     

基于目标速度追踪的城轨列车节能优化算法

为了实现城市轨道交通的节能运行,提出基于目标速度追踪的城轨列车节能优化算法。首先构建列车均质棒动力学模型和节能优化目标函数,利用极大值原理推导出列车节能运行工况。然后重点分析列车运行时间和运行方式对能耗的影响。在对典型方案仿真分析的基础上,提出通过陡坡时的基于等效平均速度法的运行策略,以及目标速度改变时合理利用惰行的运行策略。最后通过目标速度追踪的方法得到速度曲线,实现城轨列车的节能运行。利用上海地铁3号线的数据对本文提出的算法进行验证,结果表明相较实际运行情况,本文提出的算法可以降低25.39%的运行能耗,同时求解得到的速度曲线更加平缓,更适合城市轨道交通的实际运行情况。     

城市轨道交通列车区间节能运行优化方法

提出了城市轨道交通列车区间运行的节能驾驶策略,分析了能耗节约量与区间运行时分增加量的关系。通过解析方程,分析了列车区间运行的节能效果。通过实例验证了惰行进站策略的节能效果优于降速行驶策略。利用动态规划的方法,在城市轨道交通服务水平的约束下,求解了全线路能耗节约量与列车旅行时间的关系,便于运营管理部门制定更节能的列车运行计划。     

隔离小生境粒子群算法在地铁列车运行曲线优化中的应用

针对地铁列车运行优化指标过于单一的问题,提出了牵引-巡航-惰行-制动模式运行曲线的计算流程,综合考虑能耗、乘客舒适度、运行时间、停车精度等指标,用Fi(综合优化目标函数)值度量综合运行质量(其值越小表示越接近理想状态),并建立列车运行曲线的优化模型。结合粒子群算法和小生境技术,设计了应用于列车运行曲线优化的隔离小生境粒子群算法(INPSO)。结合实例仿真,利用INPSO优化模型,确定最优惰行末端速度,实现了高质量列车运行曲线的计算。其中INPSO优化后的Fi值实际只是基本粒子群算法优化结果的58.96%,效果显著,证明了INPSO寻优的有效性以及可靠性。     

基于混合整数规划的高速列车多区间节能优化研究

当今巨大的能源消耗成为高速铁路发展不可忽视的问题,节能优化显得格外重要。从列车优化操纵与区间运行时分分配两方面出发,在总运行时分约束下,探讨全程最节能的运行时分分配方案及所对应的列车操纵策略。在列车运动方程基础上,引入经停站约束,建立列车运行能耗和区间运行时分分配同步优化的非线性连续节能优化模型。通过离散化与线性变换,将节能优化模型重构为混合整数规划模型,并利用Cplex求解。以高速铁路线路为背景设计算例,验证模型的有效性。仿真结果证明在列车优化操纵策略的基础上,优化区间运行时分分配方案可以进一步降低列车总运行能耗。在不改变总运行时间的情况下,运行总能耗可降低1.03%。