城市轨道交通列车速度曲线与时刻表综合节能优化方法技术

本发明专利技术公开了一种城市轨道交通列车速度曲线与时刻表综合节能优化方法，该方法包括：基于列车运行过程受力分析，建立列车区间运行牵引能耗计算模型；以区间运行牵引能耗和区间运行时间为优化目标，建立基于Pareto多目标粒子群算法的单列车速度曲线优化模型；建立可供节能时刻表分析计算的数据模块；以全线路列车牵引总能耗最小化为目标，建立基于粒子群算法的时刻表优化模型，获取节能区间运行时间及停站时间分配方案；输出节能优化结果，确定全线列车节能最优调整策略。本发明专利技术方法能在满足乘客舒适度、列车安全运行与正常运营调度的条件下，最大化降低全线列车的总牵引能耗，具有较高的使用价值与应用前景。

【技术实现步骤摘要】
城市轨道交通列车速度曲线与时刻表综合节能优化方法
本专利技术涉及城市轨道交通
，特别是一种城市轨道交通列车速度曲线与时刻表综合节能优化方法。
技术介绍
随着我国经济的迅速发展和城市人口规模的持续扩张，城市轨道交通需求量迅猛增长。城市轨道交通具有安全、高效、便捷等优点，大力发展轨道交通可以有效缓解道路交通负担、节约社会资源及减少交通拥堵问题。然而，城市轨道交通由于运量庞大，其能源消耗总量居高不下，运营成本很高。其中，列车牵引能耗约占总能耗的50％，占据较大比重，因此，如何有效降低列车牵引能耗成为了当下的重点研究问题。降低列车牵引能耗主要从以下三个方面考虑：1)从线路角度优化：尽量考虑设计节能坡，使势能和动能相互转换。2)从改进设备角度优化：优化车身材料以减少列车重量、减少线网能量传递损耗、安装储能装置将再生制动能量存储利用等。3)从运营角度优化：在保证运行安全和服务水平的条件下优化列车速度曲线、调整时刻表，降低列车牵引能耗，提高再生制动能量利用效率。上述三个方面中，1)对已建成并运营的城市轨道交通系统本文档来自技高网...

【技术保护点】
1.一种城市轨道交通列车速度曲线与时刻表综合节能优化方法，其特征在于，包括以下步骤：/n步骤1，基于列车运行过程受力分析，建立列车区间运行牵引能耗计算模型；/n步骤2，以区间运行牵引能耗和区间运行时间为优化目标，建立基于Pareto多目标粒子群算法的单列车速度曲线优化模型；/n步骤3，建立可供节能时刻表分析计算的数据模块；/n步骤4，以全线路列车牵引总能耗最小化为目标，建立基于粒子群算法的时刻表优化模型，获取节能区间运行时间及停站时间分配方案；/n步骤5，输出节能优化结果，确定全线列车节能最优调整策略。/n

【技术特征摘要】
1.一种城市轨道交通列车速度曲线与时刻表综合节能优化方法，其特征在于，包括以下步骤：
步骤1，基于列车运行过程受力分析，建立列车区间运行牵引能耗计算模型；
步骤2，以区间运行牵引能耗和区间运行时间为优化目标，建立基于Pareto多目标粒子群算法的单列车速度曲线优化模型；
步骤3，建立可供节能时刻表分析计算的数据模块；
步骤4，以全线路列车牵引总能耗最小化为目标，建立基于粒子群算法的时刻表优化模型，获取节能区间运行时间及停站时间分配方案；
步骤5，输出节能优化结果，确定全线列车节能最优调整策略。


2.根据权利要求1所述的城市轨道交通列车速度曲线与时刻表综合节能优化方法，其特征在于，步骤1所述的列车运行过程受力包括列车所受的合力、牵引力及运行阻力。


3.根据权利要求1所述的城市轨道交通列车速度曲线与时刻表综合节能优化方法，其特征在于，步骤1所述的列车区间运行牵引能耗计算模型为：其中，Et_pre表示前一仿真时刻列车牵引能耗，Et为当前仿真时刻列车牵引能耗，Δt表示仿真步长，Pmotor表示电机牵引功率。


4.根据权利要求1所述的城市轨道交通列车速度曲线与时刻表综合节能优化方法，其特征在于，所述步骤2具体如下：
(1)输入仿真数据，仿真数据包括线路站点位置数据、坡道弯道数据、区间最短运行时间数据、列车属性数据及Pareto多目标粒子群算法相关参数，其中，列车属性数据包含列车编组、载客量、基本阻力参数、逆变器效率和牵引制动特性；
(2)粒子编码，采用实数编码，编码对象为列车对应运行区间的运行工况转换点；
(3)确定优化目标函数及约束条件，其中，具体目标函数如下：
minf(x)＝min{fE(x)，fT(x)}
式中，fE(x)为能耗指标函数，fT(x)为时间指标函数，x＝[x1，x2，…，xl]为l个决策控制变量，对应于列车的l个运行工况转换点；
所述目标函数以安全指标、精准停车指标、舒适度指标的规定值或规定变化范围为约束条件；
(4)种群初始化：将进化代数t赋值为1；将粒子的初始速度、位置、个体非支配等级和个体被支配数目均设为0；将所有粒子的个体最优值和全局最优值初始化为0；初始种群中所有粒子对应运行区间按运行工况不同进行离散，得到对应的列车运行工况转换点矩阵X＝[x1，x2，…xi…，xN]，其中N为种群大小，种群中每个粒子个体xi对应一个列车运行工况转换点矩阵；
(5)初始化种群中所有粒子的位置参数：通过随机函数生成随机数，将第一代种群中所有粒子的位置初值设为生成的随机数；
(6)求解当前种群中所有粒子的能耗指标函数fE(x)和时间指标函数fT(x)适应度值：对种群中每个粒子个体对应的列车运行工况转换点矩阵xi建立步骤1所述的区间运行牵引能耗计算模型，计算出每个粒子对应的能耗指标fE(x)和时间指标fT(x)；对于安全指标和精准停车指标不满足的粒子xi，将其能耗指标和时间指标极大化，使之成为劣解，进而得到种群的能耗指标适应度值矩阵fE(x1，x2，…xi…，xN)和时间指标适应度值矩阵fT(x1，x2，…xi…，xN)；
(7)计算当前种群中粒子的非支配等级，将非支配等级为0的粒子全部存入局部最优容器，并保存为当代最优解；
(8)根据Pareto支配关系选择个体最优值作为个体最优粒子；
(9)更新外部存储库中的解：将局部最优容器中的解并入外部存储库中；进行非支配等级排序和拥挤距离计算，计算外部存储库中粒子的非支配等级和拥挤距离；按照计算结果更新粒子的非支配等级和拥挤距离；其中，外部存储库存储最终的寻优结果；
(10)将外部存储库中计算得出的拥挤距离最大的粒子设为全局最优粒子；
(11)判断迭代是否满足跳出循环的条件：判断是否达到设置的最大迭代代数，若到达则结束并进入(13)，若未到达则进入(12)；
(12)更新所有粒子的速度和位置参数，继续产生下一代子种群，并进入(6)；






其中，表示第i代中第d个粒子的位置，Vid表示第i代中第d个粒子的速度，表示第d个粒子在前i代中的最优适应度值，gbesti表示当前迭代次数下的全局最优适应度值，ω是惯性权重，c1和c2为学习因子，分别表示对个体最优和全局最优的学习程度，一般为常数，rand1和rand2是在[0,1]之间产生的随机数；
(13)输出优化计算结果，包括每一代粒子所对应的运行工况转换点矩阵、牵引能耗值与区间运行时间，并根据最终优化得到的Pareto前沿非支配最优解集中每一组解所对应的列车运行工况点转换矩阵，求得列车在不同区间运行时间下的节能速度曲线。...

【专利技术属性】
技术研发人员：柏亚东，胡文斌，余轩，宫明利，曹鑫，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32