CN111523235A - 一种快慢车组合条件下节能坡优化方法 - Google Patents
一种快慢车组合条件下节能坡优化方法 Download PDFInfo
- Publication number
- CN111523235A CN111523235A CN202010328953.6A CN202010328953A CN111523235A CN 111523235 A CN111523235 A CN 111523235A CN 202010328953 A CN202010328953 A CN 202010328953A CN 111523235 A CN111523235 A CN 111523235A
- Authority
- CN
- China
- Prior art keywords
- train
- running
- energy
- slope
- fast
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Abstract
本发明公开了一种快慢车组合运行条件下节能坡优化方法。该方法包括:根据列车运行速度将列车在区间运行过程划分为多个子过程,并确定列车在线路区间运行时每个子过程的受力情况;根据列车在线路区间运行时各子过程的受力情况、速度和线路条件信息确定各子过程的能耗;以不同操纵模式下快慢车全线运行的总能耗和运行时间与目标运行时间偏差最小化作为目标函数,求解节能坡优化模型。本发明求解的节能坡设计模型适用于快慢车运行条件下的市域快线和普通地铁线路,既能够节约城市轨道交通列车牵引能耗,同时保证列车区间运行时间与时刻表时间的偏差最小化。
Description
技术领域
本发明涉及交通运输技术领域,更具体地,涉及一种快慢车组合运行条件下节能坡优化方法。
背景技术
随着中国城市化脚步日益加快,我国正处于快速城市化与高能耗问题并存的阶段,城市交通环境污染问题突出。城市轨道交通属节能型交通工具,但城市轨道交通是以电力为能源的交通运输系统,庞大的轨道交通网络总耗电量相当大,列车牵引用电支出在运营成本中占很大比重,尽快找到降低城市轨道交通运营能耗的方法,已成为保持城市轨道交通高速可持续发展必须解决的问题。国内外对于城市轨道交通线路节能坡优化设计研究主要集中在单一列车停站方案下线路的节能坡优化设计,而结合列车区间运行节能操纵策略的快慢车组合运行线路节能坡优化设计较少,因此对快慢车运行情况下结合列车操纵策略对线路节能坡组合优化设计更具有创新和实际意义。
目前针对列车操纵策略优化和节能坡优化设计的研究主要包括以下技术方案:1)建立列车区间运行速度曲线优化模型,将列车区间运行速度曲线节能优化问题转化为最优控制问题。2)利用动态规划法建立基于列车的城市轨道交通线路纵断面设计的数学模型。3)将铁路线路纵断面优化和列车区间运行操纵策略应用于快慢车组合运行模式的城市轨道交通牵引节能研究中,在对线路纵断面进行设计时利用启发式算法来确定线路变坡点位置,再利用计算机仿真的方法计算列车在线路区间运行的牵引能耗,得出线路各区间纵断面设计方案和列车运行操纵策略。4)提出以变坡点设计高程为优化变量,构建以最小化列车运行能耗和运行时间偏差为目标函数的优化模型,利用遗传算法在可行域中搜寻较优解。
经分析,目前大部分已有研究主要集中在单一停站方案列车运行情况下的城市轨道交通线路节能坡优化设计,方案普适性差,在节能坡优化中并未与列车运行操纵策略结合进行组合优化,并且缺少快慢车组合运行条件下节能坡设计方案的研究。
发明内容
本发明的目的是克服上述现有技术的缺陷,提供一种快慢车组合条件下节能坡优化方法,在快慢车组合运行条件下,通过结合列车运行操纵策略进行组合优化来提高节能坡的计算效率和优化效果。
根据本发明的第一方面,提供一种快慢车组合运行条件下节能坡优化方法。该方法包括以下步骤:
根据列车运行速度将列车在区间运行过程划分为多个子过程,并确定列车在线路区间运行时每个子过程的受力情况;
根据列车在线路区间运行时各子过程的受力情况和速度、线路条件信息确定各子过程的运行能耗;
以不同操纵模式下快慢车全线运行的总能耗和运行时间与目标运行时间偏差最小化作为目标函数,求解节能坡优化模型,其中慢车是站站停列车,快车是在大站停车、在小站跨站不停的列车。
在一个实施例中,将列车在区间运行过程分为牵引加速出站、区间运行和制动减速进站三个子过程。
在一个实施例中,所述区间运行子过程对列车的操纵模式包括牵引—惰行模式和巡航—惰行模式,当列车以牵引—惰行模式运行时,列车牵引至区间运行上限速vmax时,转换成惰行工况,列车惰行至区间运行下限速vmin时,转换成牵引工况,列车在区间运行一直保持牵引工况与惰行工况交替转换的操纵模式;当列车以巡航—惰行模式运行时,列车在区间维持巡航速度运行,在将进站时先转为惰行工况,然后制动减速进站。
在一个实施例中,在求解所述节能坡优化模型过程中,建立站坪长、坡长、坡度、运行速度四类约束条件。
在一个实施例中,所述目标函数设置为:
minZ=γ1EZ+γ2|tn′-tn|
γ1是能耗满意度权重,γ2是运行时间满意度权重,Ez是全部列车全线总能耗,tn′是实际运行时间,tn是目标运行时间。
在一个实施例中,采用遗传算法求解所述节能坡优化模型。
在一个实施例中,采用遗传算法求解所述节能坡优化模型包括:
随机生成满足约束的坡长与高程差,构建出一个基因片段,区间剩余长度与高程差减去该基因片段的坡长与高程差,直至区间剩余长度与高程差为0时停止,产生一组变坡点、坡长、坡度的初始解;
确定适应度函数,计算各染色体的适应度,并计算运行时间与目标运行时间的偏差,判断该染色体的运行时间结果与上一代染色体的运行时间结果是否有优化;
根据染色体适应度,按照选择算子进行染色体的选择;
根据交叉概率对被选择的染色体进行交叉操作,形成下一代种群;
根据突变概率对下一代种群中的个体进行突变操作。
在一个实施例中,所述适应度函数设置为快车牵引能耗与慢车牵引能耗的权重和的倒数。
与现有技术相比,本发明的优点在于,所提供的节能坡设计方案适用于快慢车运行条件下的市域快线和普通地铁线路,既能够节约城市轨道交通列车牵引能耗,同时能保证列车区间运行时间与时刻表时间的偏差最小化。
附图说明
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
图1是根据本发明一个实施例的快慢车组合运行条件下节能坡优化方案的整体框图;
图2是根据本发明一个实施例的快慢车组合运行调价下节能坡优化方法的流程图;
图3是根据本发明一个实施例的列车出站受力分析示意;
图4是根据本发明一个实施例的列车进站受力分析示意;
图5根据本发明一个实施例的种群初始化流程图;
图6根据本发明一个实施例的利用遗传算法求解节能坡优化模型的流程示意。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
结合图1所示,本发明提供的快慢车组合运行条件节能坡优化方法的技术方案主要包括:分析列车在线路区间运行时的受力情况,将列车区间运行过程分为牵引加速出站、区间运行、制动减速进站三个过程,分别分析计算出列车在该三个过程中所受合力,并根据牵引力做功计算公式W=F·S(S表示行进的路程,F表示牵引力)分别推导出快车和慢车在节能和巡航操纵模式下牵引能耗表达公式;为了保证列车运行效率且满足时刻表要求,设计方案中列车的区间运行时间与时刻表对应的区间运行时间偏差应尽可能最小;在考虑快慢车开行比例的情况下,以快慢车全线运行牵引能耗和运行时间偏差综合最小化为目标,分别建立节能和巡航操纵模式下的综合优化目标函数,并从站坪长、坡长、坡度、区间运行速度等四个方面建立约束条件,模型采用遗传算法求解。
为进一步理解本发明,在下文中,以广州地铁18号线节能坡优化为例介绍具体本发明的实施过程。
广州地铁18号线定位为南北快线,实现广州市中心城区与南沙新区的快速轨道交通联系,支持南沙新区、南沙自贸区发展,同时连接市中心城区线网,补充南北轴向客流发展走廊,并增强广州东站的综合交通枢纽功能,是完善轨道交通网络、改善居住环境、促进社会经济一体发展的需要。
广州地铁18号线也是广州地铁3号线的加密线,缓解广州地铁3号线的交通压力,是国内首批可以实现地铁服务水平的全地下市域快线之一。广州地铁18号线大致呈南北走向,线路起于南沙区万顷沙枢纽,经明珠湾区、番禺广场、琶洲、珠江新城,止于广州东站枢纽。线路快速连接南沙新区及广州东站,沿线串联南沙区、番禺区、海珠区及天河区,线路全长60.6km。全线设广州东站、冼村、琶洲西区、石榴岗、沙溪、鹤庄、番禺广场、横沥、万顷沙站。其中,广州东站、冼村、番禺广场、横沥、万顷沙站为大站,所有列车均需停车。琶洲西区、石榴岗、沙溪、南村万博为小站,只有慢车停站。线路计划采用最高运营时速达160km/h的八节编组的市域快线列车,定员可达1750人。全线设一座车辆段和一座停车场,分别是万顷沙车辆段和陇枕停车场。
简言之,本发明提供的快慢车组合条件下节能坡优化方法,首先对列车不同操纵工况下进行列车运行动力学分析,构建牵引能耗表达函数;然后,建立节能坡优化模型(或称为节能坡设计优化模型);最后设计节能坡优化模型的求解算法。
具体地,参见图2所示,该实施例提供的快慢车组合条件下节能坡优化方法包括以下步骤:
步骤S210,将列车在区间运行过程划分为多个子过程,并确定每个子过程的受力情况和运行能耗。
本发明以减少列车运行牵引能耗为目的进行节能坡设计,与线路节能坡相关联的能耗表达函数的构建是关键。在本发明实施例中,通过对列车的动力学分析和运行过程操纵工况选择,建立列车牵引能耗函数。为便于理解下表1-2首先列出了本文涉及的各变量和参数对应的含义。
表1变量及含义
表2参数及含义
关于列车受力分析
列车的牵引能耗与列车运行过程密切相关。在一个实施例中,列车运行过程可以分为牵引加速出站、区间运行、撤除牵引制动减速进站三个子过程,对应地可以分别分析列车出站、区间运行和列车进站对能耗的影响。其中,车站节能坡设计主要对出站和进站两部分牵引能耗有影响,区间坡设计主要对区间运行能耗产生影响。除了坡度外,车站道岔区、曲线、隧道等都对牵引能耗也会产生附加影响。这些影响在进行能耗分析时均应当予以考虑。
列车运行过程中所有可能的受力分析如下。
1)牵引力
列车速度为v时的牵引力,在牵引曲线上可由插值法获得。已知(F1,V1),(F2,V2)是牵引特性曲线上已知的两点,则:
2)基本运行阻力
基本运行阻力指某一速度下,列车在空旷地段沿平直轨道运行时所遇到的阻力。
单位基本阻力公式通常由戴维斯公式获得:
ω0=a+b·v+c·v2 (2)
其中,a b c取值由牵引曲线阻力公式可知,速度v运行下的列车基本运行阻力表示为:
W0(v)=(M+T)g(2.34+0.0408v+0.00142v2)(KN) (3)
其中M为动车组总计算质量,T为拖车总计算质量。
3)坡道附加阻力
在坡长L,坡高H的坡道上,坡道千分数i表示如下:
i=H/L×1000=sinθ×1000 (4)
重力沿坡道方向的分力表示为:
Wi=(M+T)g·sinθ=(M+T)g·i/1000(KN) (5)
4)曲线附加阻力:
根据《牵规》,列车经过半径为R的曲线时,单位曲线附加阻力:wr=600/R,
根据上述公式,可分别对出站过程、列车运行过程、列车进站过程等进行受力分析。
对于列车出站受力分析,参见图3所示。列车牵引出站过程中,由站台中心以最大牵引力F0加速出站,列车从站台中心牵引启动至节能坡变坡点,列车所受合力为:
Fc=F0-W0 (7)
列车在出站节能坡牵引加速所受合力为:
Fc=F(v)+Wi-W0 (8)
对于列车运行过程的受力分析具体是:列车在区间运行时的节能操纵策略主要包括牵引—惰行模式和巡航—惰行模式。当列车以牵引—惰行模式运行时,列车牵引至区间运行上限速vmax,转换成惰行工况,列车一旦惰行至区间运行下限速vmin,即转换成牵引工况,列车在区间运行一直保持牵引工况与惰行工况交替转换的操纵模式。当列车以巡航—惰行模式运行时,列车在区间维持巡航速度运行,在即将进站时先转为惰行工况,之后制动减速进站。
列车在区间采用牵引(巡航)工况时,列车所受合力为:
Fc=F(v)-(W0+Wr+Wi) (9)
列车在区间采用惰行工况时,列车所受合力为:
Fc=W0+Wi+Wr (10)
由于区间运行线路比进出站线路更为复杂,考虑线路坡道以及曲线对附加阻力的影响关系到列车运行过程能耗,附加阻力表示如下:
对于列车进站过程受力分析参见图4所示。列车由区间运行至进站区域时撤除牵引力,惰行上坡达到制动速度vB,施加最大制动力FB制动进站,列车所受合力为:
惰行上坡过程:
Fc=-W0-Wi (11)
制动减速过程:
Fc=-W0-Wi-FB (12)
关于构建列车运行能耗表达函数
各运行工况下的列车牵引(制动)能耗计算如下。
1)列车启动能耗
已知列车启动瞬时最大牵引力F0,启动牵引力做功表示为:
E1=F0·Δs (13)
2)列车牵引加速工况下的牵引能耗计算
已知列车瞬时启动后速度为v1,v1的计算可以由下式表示:
v1=(2F0·Δs/M)1/2 (14)
对于第m+1个Δs起始位置的瞬时速度vm(m=2…x-1),可由第m个Δs的工况即受力情况和起始位置瞬时速度vm-1(m=2…x-1)表示,根据动能定理:
可计算得出第m+1个Δs起始位置的瞬时速度vm:
牵引能耗表示为:
3)列车定速巡航工况下的牵引能耗计算
列车以匀速vC(或vs)运行时,动力等于阻力,因此牵引力的做功可以用阻力做功之和的形式来表示,以建立与线路条件之间的关系:
4)列车制动工况下的牵引能耗计算
根据列车运行过程的判断与划分,列车已到达减速进站区起点时,列车开始制动减速,并且维持制动工况直至列车进站,由当前速度和列车制动曲线可知:
FB(vm)=M·am (19)
此里程间隔内的制动能耗表示为:
由于列车维持制动减速运行,下一个里程间隔(m+2)Δs起始处的速度vm+1可通过动能定理计算获得:
得出:
依次计算可以得出制动过程各个里程间隔的制动能耗。
当列车达到最后一个里程间隔xΔs时,列车的制动能耗为:
5)列车惰行工况下的能耗计算
进一步地,可确定列车运行能耗表达函数,具体如下。
1)牵引—惰行模式下列车区间运行能耗表示为:
2)巡航—惰行模式下,列车区间运行能耗表示为:
3)快慢车全线运行总能耗表示为:
4)工况系数判定范围的说明
无论在牵引—惰行模式还是巡航—惰行模式下,列车一旦到达制动位置或达到制动速度即开始制动减速直至速度为0进站。当第m个Δs选择制动工况时,列车制动能耗即可通过动能定理计算获得,而后续剩余x-m个Δs的工况全部为制动并且不需要再逐个计算能耗。即,若则巡航—惰行模式下亦如此,即,若则
步骤S220,构建节能坡优化模型,根据不同操纵模式下快慢车全线运行的总能耗和运行时间建立节能坡优化模型的目标函数。
节能坡优化设计的首要目的是线路投入运营后实现长期的节能效果,而在列车运行过程与节能坡动态优化的过程中,列车在区间的运行时间会发生改变,为了保证乘客服务效率,满足时刻表要求,在本发明实施例中,设置列车的实际运行时间与时刻表时间的偏差不应超过一定范围,否则会影响乘客服务水平降低乘客满意度与客流吸引力,因此,本发明实施例建立的优化目标函数优选包含双目标,即牵引能耗最小化以及与原始方案的运行时间偏差最小化。
由列车运行过程速度—工况的动态判定过程可以计算出列车在区间的运行时间,两种节能操纵模式下的列车运行时间(单位s)根据动量守恒推导表示如下:
在一个实施例中,引入能耗满意度权重γ1和运行时间满意度权重γ2,综合考虑节能效果和运行时间两个层面的需求,目标函数表示为:
minZ=γ1EZ+γ2|tn′-tn| (29)
其中,能耗满意度权重和运行时间满意度权重可通过仿真确定或根据经验确定。
对于节能坡优化模型的约束条件可设置为多种形式,例如包括以下项中的一项或多项。
1)站坪长度约束
根据线路及列车基本数据,设置站坪长度为2Sp=300m,因此区间n上的第一个坡段(车站n的出站坡)的起始位置与最后一个坡段(车站n+1的进站坡)的终止位置,分别固定在了Kn+150和Kn+1-150处。
2)坡长约束
坡段长度不应小于远期列车计算长度Lt,使得列车运行范围内只有一个变坡点,避免变坡点附加力叠加影响和附加力频繁变化,使列车平稳运行;为减小工程,坡段长度不应大于坡段最大值LM;综合以上区间线路坡长约束:
结合仿真试验分析、节能坡设计原则及规范,对快慢车组合运行的车站进、出站节能坡坡长设计长度范围为500~2000m,将站坪长度考虑在内,坡长约束如下:
3)坡度约束
根据设计规范,2≤i≤iA,其中,正线iA=30,正线困难地段iA=35,辅助线iA=35,辅助线困难地段iA=40。
2≤i≤30 (32)
4)运行速度约束
列车运行速度应满足区间运行时间的要求,列车最高运行速度受技术速度vmax限制,同时在牵引—惰行模式和巡航—惰行模式下分别受区间最低运行速度和巡航速度的限制,运行速度满足约束如下:
步骤230,利用遗传算法求解节能坡优化模型。
由于本发明实施例提供的上述节能坡优化模型是非线性混合整数规划问题,精确求解算法只能求得局部最优解。因此,优选地,采用启发式算法进行全局性的寻优求解。启发式算法应用灵活,适应性强。结合图6所示,利用遗传算法求解节能坡优化模型具体步骤如下:
1)编码设计
选择便于大空间搜索且精度高的实数编码方式对问题进行编码操作。实数编码分别对变坡点、坡长和坡度进行表示。参见下表3,其中染色体编码第一行为坡长编码,第二行为高程差编码,则在接下来的运算中,坡度可以用高程差除以坡长表示。
表3:染色体编码
坡长1 | 坡长2 | 坡长3 | … | 坡长n-1 | 坡长n |
高程差1 | 高程差2 | 高程差3 | … | 高程差n-1 | 高程差n |
2)种群初始化
种群初始化过程随机产生初始纵断面设计方案。为了减少局部最优解,提升求解全局最优解的效率,初始解不规定变坡点的数量,使用坡长的约束来规定变坡点数量的范围,以10公里的区间为例,坡长的约束为500米至2000米,则变坡点数量的范围区间为4至19个。初始解生成思路为,随机生成满足约束的坡长与高程差,构建出一个基因片段,区间剩余长度与高程差减去该基因片段的坡长与高程差,直至区间剩余长度与高程差为0时停止。经过这种处理,产生了一组变坡点、坡长、坡度具有很强随机性的初始解,可以有效提升算法求解效率。种群初始化流程图参见图5所示。
3)适应度函数
适应度函数值是种群进化过程中的选择依据,是对每个可行解质量的一种度量,通常根据优化模型的目标函数计算可行解的适应度值。在本发明实施例中,适应度函数为快车能耗与慢车能耗的权重和的倒数。在此基础上,对运行时间的偏差进行计算,判断该染色体的运行时间结果与上一代染色体的运行时间结果是否有优化,若本代比上一代运行时间增加一定比例(例如5%),则该染色体返回上一代状态。根据快慢车不同的比例进行权重的调整,探寻快慢车比例对节能坡设计的影响规律。
4)选择
选择的目的是为了从后代中选出优良的个体,使它们有机会作为父代为下一代繁殖子孙。遗传算法通过选择过程体现这一思想,进行选择的原则是适应性强的个体为下一代的贡献概率大,选择实现了达尔文的适者生存原则。使用基于适应度排名的轮盘赌法设计选择算子,在保持种群多样性的前提下使得算法加快收敛速度。基本设计思想是使得每个个体的选择概率正比于它的适应度值,且适应度值大的个体被选择的机会较大。
5)交叉
交叉操作是遗传算法中最主要的遗传操作。由交换概率挑选的每两个父代通过将相异的部分基因进行交换,从而产生新的个体。可以得到新一代个体,新个体组合了其父辈个体的特性,交换体现了信息交换的思想。交叉算子采用三维空间算术交叉,将两条染色体进行空间上的交叉,若符合要求,则交叉成功,若染色体中变异后的基因不符合要求,则进行混合交叉。交叉示意如下表4所示。
表4:交叉示意
6)变异
变异首先在群体中随机选择一定数量的个体,对于选中的个体以一定的概率随机地改变染色体中某个基因的值。变异为新个体的产生提供了机会。变异算子采用多点变异方法,即染色体上任意片段都可以变异,增强变异能力,提升求解全局最优解能力。为了提升搜索有效解的效率,变异调整使用正态分布处理,即变异幅度越大,可能性越小。若不变异后的基因片段符合约束,则变异继续,若不符合约束,则变异停止。下表5是变异的示意。
表5:变异示意
7)中止
当问题收敛于最优解时,算法自动停止。在本发明实施例中,设定两种进化终止条件,当进化达到最大进化代数或连续几代综合满意度的差值小于预先设定的值时,进化终止。
进一步地,以广州地铁18号线基础数据作为实证,利用本发明所提出的改进的遗传算法,分别对不同操纵模式即惰行和巡航模式下,同时区分快车跨站时的限速情况(跨站限速和跨站不限速),进行节能坡优化方案的求解。得到跨站限速区间惰行、跨站不限速区间惰行、跨站限速区间、跨站不限速区间巡航四种模式下快慢车不同比例情况下(全慢车、快慢车比例为1:2、1:1、2:1、全快车)的节能坡方案及相应的仿真结果。经对比分析得知,本发明提出的优化方法求解结果与没有节能坡优化设计的原始方案相比,节能坡的优化设计能带来12%至47%的牵引节能效果。
应理解的是,在不违背本发明精神和范围的情况下,本领域技术人员可对上述实施例作适当的变型或修改。例如,根据列车运行线路特点和速度划分为更多或少的子过程,采用的目标函数也可考虑目标速度等因素。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种快慢车组合运行条件下节能坡优化方法,包括以下步骤:
根据列车运行速度将列车在区间运行过程划分为多个子过程,并确定列车在线路区间运行时每个子过程的受力情况;
根据列车在线路区间运行时各子过程的受力情况、速度和线路条件信息确定各子过程的运行能耗;
以不同操纵模式下快慢车全线运行的总能耗和运行时间与目标运行时间偏差最小化作为目标函数,求解节能坡优化模型,其中慢车是站站停列车,快车是在大站停车、在小站跨站不停的列车。
2.根据权利要求1所述的快慢车组合运行条件下节能坡优化方法,其中,将列车在区间运行过程分为牵引加速出站、区间运行和制动减速进站三个子过程。
3.根据权利要求2所述的快慢车组合运行条件下节能坡优化方法,其中,所述区间运行子过程对列车的操纵模式包括牵引—惰行模式和巡航—惰行模式,当列车以牵引—惰行模式运行时,列车牵引至区间运行上限速vmax时,转换成惰行工况,列车惰行至区间运行下限速vmin时,转换成牵引工况,列车在区间运行一直保持牵引工况与惰行工况交替转换的操纵模式;当列车以巡航—惰行模式运行时,列车在区间维持巡航速度运行,在将进站时先转为惰行工况,然后制动减速进站。
4.根据权利要求1所述的快慢车组合运行条件下节能坡优化方法,其中,在求解所述节能坡优化模型过程中,建立站坪长、坡长、坡度、运行速度四类约束条件。
5.根据权利要求1所述的快慢车组合运行条件下节能坡优化方法,其中,所述目标函数设置为:
min Z=γ1EZ+γ2|tn′-tn|
γ1是能耗满意度权重,γ2是运行时间满意度权重,Ez是全部列车全线总能耗,tn′是实际运行时间,tn是目标运行时间。
6.根据权利要求1所述的快慢车组合运行条件下节能坡优化方法,其中,采用遗传算法求解所述节能坡优化模型。
7.根据权利要求6所述的快慢车组合运行条件下节能坡优化方法,其中,采用遗传算法求解所述节能坡优化模型包括:
随机生成满足约束的坡长与高程差,构建出一个基因片段,区间剩余长度与高程差减去该基因片段的坡长与高程差,直至区间剩余长度与高程差为0时停止,产生一组变坡点、坡长、坡度的初始解;
确定适应度函数,计算各染色体的适应度,并计算运行时间与目标运行时间的偏差,判断该染色体的运行时间结果与上一代染色体的运行时间结果是否有优化;
根据染色体适应度,按照选择算子进行染色体的选择;
根据交叉概率对被选择的染色体进行交叉操作,形成下一代种群;
根据突变概率对下一代种群中的个体进行突变操作。
8.根据权利要求7所述的快慢车组合运行条件下节能坡优化方法,其中,所述适应度函数设置为快车牵引能耗与慢车牵引能耗的权重和的倒数。
9.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现根据权利要求1至8中任一项所述的快慢车组合运行条件下节能坡优化方法的步骤。
10.一种计算机设备,包括存储器和处理器,在所述存储器上存储有能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至8中任一项所述的所述快慢车组合运行条件下节能坡优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010328953.6A CN111523235A (zh) | 2020-04-23 | 2020-04-23 | 一种快慢车组合条件下节能坡优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010328953.6A CN111523235A (zh) | 2020-04-23 | 2020-04-23 | 一种快慢车组合条件下节能坡优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111523235A true CN111523235A (zh) | 2020-08-11 |
Family
ID=71904587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010328953.6A Pending CN111523235A (zh) | 2020-04-23 | 2020-04-23 | 一种快慢车组合条件下节能坡优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523235A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592419A (zh) * | 2021-05-31 | 2021-11-02 | 南京理工大学 | 考虑客流和节能的轨道交通快慢车时刻表优化方法 |
CN114692266A (zh) * | 2022-03-03 | 2022-07-01 | 北京市市政工程设计研究总院有限公司 | 一种基于高斯伪谱法的节能坡优化方法 |
CN115848418A (zh) * | 2022-12-26 | 2023-03-28 | 广州地铁设计研究院股份有限公司 | 一种基于节能虚拟编队的列车动态解耦和耦合控制方法及装置 |
CN113592419B (zh) * | 2021-05-31 | 2024-05-14 | 南京理工大学 | 考虑客流和节能的轨道交通快慢车时刻表优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977553A (zh) * | 2019-03-28 | 2019-07-05 | 广西大学 | 一种基于改进遗传算法的地铁列车节能优化方法 |
-
2020
- 2020-04-23 CN CN202010328953.6A patent/CN111523235A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977553A (zh) * | 2019-03-28 | 2019-07-05 | 广西大学 | 一种基于改进遗传算法的地铁列车节能优化方法 |
Non-Patent Citations (1)
Title |
---|
曹金铭: "快慢车组合运行条件下市域快线节能坡优化模型与算法研究" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592419A (zh) * | 2021-05-31 | 2021-11-02 | 南京理工大学 | 考虑客流和节能的轨道交通快慢车时刻表优化方法 |
CN113592419B (zh) * | 2021-05-31 | 2024-05-14 | 南京理工大学 | 考虑客流和节能的轨道交通快慢车时刻表优化方法 |
CN114692266A (zh) * | 2022-03-03 | 2022-07-01 | 北京市市政工程设计研究总院有限公司 | 一种基于高斯伪谱法的节能坡优化方法 |
CN114692266B (zh) * | 2022-03-03 | 2024-05-07 | 北京市市政工程设计研究总院有限公司 | 一种基于高斯伪谱法的节能坡优化方法 |
CN115848418A (zh) * | 2022-12-26 | 2023-03-28 | 广州地铁设计研究院股份有限公司 | 一种基于节能虚拟编队的列车动态解耦和耦合控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110450825B (zh) | 城市轨道交通列车运行控制方法 | |
ShangGuan et al. | Multiobjective optimization for train speed trajectory in CTCS high-speed railway with hybrid evolutionary algorithm | |
Zhou et al. | Integrated optimization on train control and timetable to minimize net energy consumption of metro lines | |
Keskin et al. | Energy-efficient train operation using nature-inspired algorithms | |
Wang et al. | A survey on optimal trajectory planning for train operations | |
Brenna et al. | Application of genetic algorithms for driverless subway train energy optimization | |
Sicre et al. | Modeling and optimizing energy‐efficient manual driving on high‐speed lines | |
Xing et al. | Energy consumption optimization of tramway operation based on improved PSO algorithm | |
Feng et al. | A review study on traction energy saving of rail transport | |
CN110239600B (zh) | 面向再生制动能量利用的列车运行控制方法及系统 | |
Li et al. | Dynamic trajectory optimization design for railway driver advisory system | |
CN104401370A (zh) | 多列车协同控制的节能优化方法 | |
CN111523235A (zh) | 一种快慢车组合条件下节能坡优化方法 | |
CN108725519A (zh) | 一种降低运行能耗的列车运行图优化方法 | |
Bin et al. | Energy-efficient speed profile optimization for high-speed railway considering neutral sections | |
CN113753100B (zh) | 一种轨道交通车辆运营仿真方法及系统 | |
Wang et al. | Optimization of metro vertical alignment for minimized construction costs and traction energy: A dynamic programming approach | |
Yildiz et al. | Traction energy optimization considering comfort parameter: A case study in Istanbul metro line | |
Caramia et al. | Automatic train operation systems: A survey on algorithm and performance index | |
Ahmadi et al. | Energy saving in urban railway using speed profile optimization | |
Dunbar et al. | A tool for the rapid selection of a railway signalling strategy to implement train control optimisation for energy saving | |
Allen et al. | Application of regenerative braking with optimized speed profiles for sustainable train operation | |
Pickering et al. | An investigation into the closer running of autonomous trains | |
Li et al. | Joint operating revenue and passenger travel cost optimization in urban rail transit | |
Hasegawa et al. | Standardised approach to energy consumption calculations for high‐speed rail |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |