【技术实现步骤摘要】
地铁列车速度曲线和区间运行时间的一体化优化方法
本专利技术涉及城市轨道交通
,特别是一种地铁列车速度曲线和区间运行时间的一体化优化方法。
技术介绍
随着城市轨道交通的快速发展,地铁列车已经成为人们主要的出行交通工具。虽然按同等运能比较,轨道交通能耗比其他形式交通方式小,但由于其大运量的特点,使得总耗电量相当大,是耗能大户,具有较大的节能潜力。通过调整单区间的速度曲线、调整各个区间的运行时间以达到降低地铁列车能耗的效果,已经成为轨道交通领域研究的热点。现有的地铁列车的节能策略的研究仍存在一定的问题,存在以下不足:(1)现有的地铁列车节能策略大多只考虑单区间的速度的优化,或者是多区间的运行时间的调整,并未将两者进行一体化的调整;(2)现有多区间的运行时间的调整多采用遍历或者动态规划等算法,当站点较多或者调整精度要求较高时,容易出现维度灾难的问题;(3)现有的多区间运行时间的调整大多只考虑能耗的降低,而很少考虑地铁公司的运营管理要求以及服务水平,导致得出的优化方案缺乏实用价值。
技术实现思路
本专利技术的目的在于提供一种地铁列车速度曲线和区间运行时间的一体化优化方法,在不影响服务水平、满足运营管理要求的前提下降低全线的运行能耗。实现本专利技术目的的技术解决方案为:一种地铁列车速度曲线和区间运行时间的一体化优化方法,包括以下步骤:步骤1,建立数据模块,包括线路数据模块、列车参数模块、ATO参数模块、地铁运营数据模块、优化参数模块;步骤2,基于数据模块,建立列车运行仿真 ...
【技术保护点】
1.一种地铁列车速度曲线和区间运行时间的一体化优化方法,其特征在于,包括以下步骤:/n步骤1,建立数据模块,包括线路数据模块、列车参数模块、ATO参数模块、地铁运营数据模块、优化参数模块;/n步骤2,基于数据模块,建立列车运行仿真模块,包括车载ATO模型、地铁列车力学模型、列车状态更新计算模型和列车运行能耗计算模型;/n步骤3,基于数据模块,建立基于遗传算法NSGA-II的单区间速度曲线优化模块,确定最优的列车ATO的速度命令以及最优速度命令下的区间运行能耗与运行时间的关系曲线;/n步骤4,基于步骤1的数据模块以及步骤3确定的最优速度命令下的区间运行能耗与运行时间的关系曲线,采用深度强化学习算法确定最优各区间运行时间。/n
【技术特征摘要】
1.一种地铁列车速度曲线和区间运行时间的一体化优化方法,其特征在于,包括以下步骤:
步骤1,建立数据模块,包括线路数据模块、列车参数模块、ATO参数模块、地铁运营数据模块、优化参数模块;
步骤2,基于数据模块,建立列车运行仿真模块,包括车载ATO模型、地铁列车力学模型、列车状态更新计算模型和列车运行能耗计算模型;
步骤3,基于数据模块,建立基于遗传算法NSGA-II的单区间速度曲线优化模块,确定最优的列车ATO的速度命令以及最优速度命令下的区间运行能耗与运行时间的关系曲线;
步骤4,基于步骤1的数据模块以及步骤3确定的最优速度命令下的区间运行能耗与运行时间的关系曲线,采用深度强化学习算法确定最优各区间运行时间。
2.根据权利要求1所述的地铁列车速度曲线和区间运行时间的一体化优化方法,其特征在于,所述步骤1中:
线路数据模块包括车站数据、坡道数据、弯道数据和限速数据;
列车参数模块,包括列车编组、列车车重、基本阻力参数、逆变器效率和牵引制动特性;
ATO参数模块,配置ATO系统的基本特征量,包括最大牵引加速度、最大制动加速度、最大冲击极限和最大运行速度;
地铁运营数据模块,包括列车每个运行区间的车载乘客数量、列车原始的时刻表和中转站数据;
优化参数模块,提供遗传算法NSGA-II的优化参数设置,包括种群数、进化代数、实数编码变量个数、随机因子、交叉因子、变异因子、交叉概率和实数变异概率;提供深度强化学习算法的参数设置,包括神经网络层数、每层神经元个数和奖励函数各个组成部分的比重。
3.根据权利要求2所述的地铁列车速度曲线和区间运行时间的一体化优化方法,其特征在于,所述步骤3具体如下:
(1)采用实数编码对列车ATO的速度命令编码;
(2)根据区间长度确定种群大小和迭代代数;
(3)设置种群适应度方程:min{FE(X),FT(X)},其中FE(X)为列车区间运行能耗、FT(X)为列车区间运行时间,X为列车ATO速度命令对应的个体的染色体,FE(X)、FE(X)由列车运行仿真模块计算所得;
(4)由步骤2所述的列车运行仿真模块计算父种群个体适应度值;
(5)遗传操作产生子种群:遗传操作包括选择操作、交叉操作和变异操作,选择操作采用锦标赛选择算子,交叉操作采用模拟二进制交叉,变异操作采用多项式变异,产生子种群;
(6)由步骤2所述的列车运行仿真模块计算子种群个体适应度值;
(7)产父种群与子种群共同参与竞争,采用精英和适应度值共享策略,得到下一代父种群;
(8)判断迭代代数是否达到设置的最大迭代代数,若达到则结束并进入(9),若未到达则返回(5);
(9)输出最优的列车ATO速度命令集以及最优速度命令下的区间运行能耗与运行时间的关系曲线,采用非支配标准、能耗灵敏度标准和时间均匀分布标准,选择最优的列车ATO速度命令。
4.根据权利要求3所述的地铁列车速度曲线和区间运行时间的一体化优化方法,其特征在于,所述步骤(1)中列车ATO的速度命令包括:ATO控制模式Mode、牵引加速度ap、制动减速度ab、惰行起始速度vcs、惰行终止速度即巡航速度vce和惰行点位置sc;
所述步骤(2)中根据区间长度确定种群大小和迭代代数,具体为:当区间长度小于600m,种群大小设置为60;当区间长度大于600m且小于1000m,种群大小设置为80;当区间长度大于1000m,种群大小设置为100;迭代代数均设为100。
5.根据权利要求3所述的地铁列车速度曲线和区间运行时间的一体化优化方法,其特征在于,所述步骤(4)和步骤(6)中个体适应度值的计算步骤包括:
(a)取种群中第i个个体并解码该个体对应的列车ATO速度命令,i初始值为0;
(b)将第i个个体染色体解码的列车ATO速度命令传递给列车运行仿真模块;
(c)列车运行仿真模块进行仿真,依据列车运行状态信息计算当前个体适应度值;
(d)保存个体适应度值:个体适应度1为列车区间运行时间优化评价函数值,个体适应度2为列车区间运行能耗优化评价函数值;
(e)判读当前个体是否是种群中的最后一个个体:若是最后一个个体,则计算结束;否则,i=i+1,跳转至(a)。
6.根据权利要求3所述的地铁列车速度曲线和区间运行时间的一体化优化方法,其特征在于,所述步骤(7)中采用精英和适应度值共享策略,得到下一代父种群,具体为:将父种群与该父种群产生的子种群组合,共同竞争产生下一代父种群...
【专利技术属性】
技术研发人员:周巡,胡文斌,张雨,吴承泽,孙泽洲,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。