【技术实现步骤摘要】
本专利技术涉及城市轨道交通车辆优化操纵与节能控制的，具体地，涉及一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法及系统。
技术介绍
1、近年来，国内地铁建设速度加快，运营里程迅速提升，地铁运行所消耗的电能和运营成本迅速增加，地铁公司作为一个运输服务提供商，同其他市场运营主体一样，具有不断降低成本、争取最大经济利润的使命和责任。如何保证列车安全、舒适、准点运行的同时，最大限度的减少能源消耗，降低运营成本，不仅符合我国铁路运输发展的实际需要，也是响应国家构建资源节约型、环境友好型社会的必然要求，因此对其进行节能研究具有重要意义。而在一定的牵引机车、车辆、线路等硬件环境下和既定的运行图、列车编组计划等运营管理状况下，探索列车运行能耗计算方法，以寻找机车最优操纵方式，是一条经济有效且直接可行的技术途径。
技术实现思路
1、本专利技术是为了克服现有技术中列车运行过程中无法融合乘客舒适度、乘客等待时间、有效节能的问题，根据本专利技术的一个方面，提出一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法及系统。
2、本专利技术采用的技术方案是：
3、一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，包括：
4、获取线网各车站历年自动售检票系统乘客数据；
5、构建网络化运营线路下乘客车站分布与候车时间大数据模型，所述大数据模型用于实现每个车站乘客数量、候车时间与车站调度信息的智能结合；
6、获取列车运行参数，所述列车运行参数包括：线网路况
7、将列车运行线路隔断并划分一个或多个区段，所述区段至少包括启动加速阶段、匀速阶段、或减速阶段中的至少两个；且各个区段衔接处的速度相同；
8、构建列车不同控制模式的矩阵控制模型，该模型与列车实际运行线路的区段一一对应；
9、根据乘客大数据模型、矩阵控制模型和列车运行参数，计算列车总能耗，确定总能耗最低时的最优控制序列输出给当前受控列车，该序列用于调度列车运行实现最优节能驾驶控制。
10、所述大数据模型中的分析参数包括车站名称、乘客数量、进站时间、出站时间、出行路线、车站等待时间。
11、所述大数据模型表示为：
12、
13、
14、其中，d为整个地铁运行线网的大数据模型，dij为第i条线路第j个车站的大数据模型，·为自由排列组合符号，aij表示线网第i条线路第j个车站的名称，rij表示线网第i条线路第j个车站的乘客数量，tij表示线网第i条线路第j个车站的乘客候车时间，tij+0表示线网第i条线路第j个车站的首发车运营时间，tij+r表示线网第i条线路第j个车站的末班车运营时间，r的时间间隔可根据采样频率调整。
15、所述列车运行参数还包括：弯道长度、弯道距起点距离、坡度、坡道距起点距离、坡道长度。
16、离散化矩阵控制模型中的控制序列参数包括：启动加速度、最佳运行速度和减速后速度；
17、所述离散化矩阵控制模型表示为：
18、
19、其中，m为离散化矩阵控制模型，an为启动加速度，n为可以取值的启动加速度的总数量，且an≤amax；vbm为最佳运行速度，m为可以取值的最佳运行速度的总数量，且vbm≤vbmax；vs为减速后速度，s为可以取值的减速后速度的总数量，且vs≤vmax；
20、其中，amax为最大启动加速度，vbmax为最大最佳运行速度，vmax为最大减速后速度。
21、当列车运行线路被分为多个区段时，根据所述大数据模型、离散化矩阵控制模型和所述列车运行参数，计算列车运行总能耗，确定最优控制序列，具体包括：
22、分别根据各个车站的大数据模型、线网整体的大数据模型、以及与各个区段相对应的离散化矩阵控制模型计算不同控制序列相对应的区段能耗；
23、利用基于粒子群寻优算法获取在列车运行总能耗最低时的各个区段相对应的最优控制序列，且所述最优控制序列满足站间距离约束条件和准点时间约束条件。
24、所述站间距离约束条件和所述约束条件分别为：
25、s(t,a,v)＝s
26、t(t,a,v)≤t
27、u≤umax
28、tx≤tx-max
29、其中，s和t分别为所述列车运行参数中的列车准点时间和站间距离，s(t,a,v)为列车根据某一控制序列行驶时的行驶距离，t(t,a,v)为列车根据某一控制序列行驶时的行驶时间，u为乘客舒适度，umax为乘客舒适度的最大耐受度，tx为乘客候车时间，tx-max为乘客候车最大耐受等待时间。
30、所述减速阶段包括惰行阶段、再生制动阶段和空气制动阶段中的一种或多种；
31、所述列车运行总能耗为：
32、
33、式中，j为列车运行总能耗，ji为列车运行线路中除再生制动阶段后的各个阶段的能耗，n1为除再生制动阶段后的各个阶段的数量；j'j为各个再生制动阶段所产生的能量，m1为再生制动阶段的数量，η为再生制动阶段再生能量利用率。
34、还包括：采用拉格朗日乘数法建立列车能耗模型j(t,a,v)，包括：
35、定义拉格朗日函数为：
36、
37、令j(t,a,v,λ,μ)对t的一阶偏导数为零，并联立附加条件建立方程组，即：
38、
39、根据方程组确定列车能耗模型j(t,a,v)；
40、其中，h为常系数，t,a,v分别为列车运行时间、加速度、速度，函数φ(t,a,v)为站间距离的限制函数，函数ψ(t,a,v)为准点时间的限制函数，λ和μ为两个拉格朗日乘数因子，vt为任意时间t时所对应的速度，函数r(vt)为列车运行单位基本阻力函数，且r(vt)＝a1+b1vt+c1vt2，a1,b1,c1均为常系数。
41、一种基于大数据与矩阵算法的地铁列车节能驾驶控制系统，包括界面前端、后台；后台配置有大数据模型模块、线路区段划分模块、矩阵控制模块、控制序列计算模块；
42、所述大数据模型模块，用于根据线网各车站历年自动售检票系统乘客数据，构建网络化运营线路下乘客车站分布与候车时间大数据模型，实现每个车站乘客数量、候车时间与车站调度信息的智能结合；
43、所述线路区段划分模块，用于将列车运行线路隔断并划分一个或多个区段，所述区段至少包括启动加速阶段、匀速阶段、或减速阶段中的至少两个；且各个区段衔接处的速度相同；
44、所述矩阵控制模块，构建列车不同控制模式的矩阵控制模型，该模型与列车实际运行线路的区段一一对应；
45、所述控制序列计算模块，根据乘客大数据模型、矩阵控制模型和列车运行参数，计算列车总能耗，确定总能耗最低时的最优控制序列输出给当前受控列车，该序列用于调度列车运行实现最优节能驾驶控制；
本文档来自技高网...【技术保护点】
1.一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述大数据模型中的分析参数包括车站名称、乘客数量、进站时间、出站时间、出行路线、车站等待时间。
3.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述大数据模型表示为：
4.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述列车运行参数还包括：弯道长度、弯道距起点距离、坡度、坡道距起点距离、坡道长度。
5.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，离散化矩阵控制模型中的控制序列参数包括：启动加速度、最佳运行速度和减速后速度；
6.根据权利要求1或3或5所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，当列车运行线路被分为多个区段时，根据所述大数据模型、离散化矩阵控制模型和所述列车运行参数，计算列车运行总能耗，确定最优控制序列
7.根据权利要求5所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述站间距离约束条件和所述约束条件分别为：
8.根据权利要求1或3所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述减速阶段包括惰行阶段、再生制动阶段和空气制动阶段中的一种或多种；
9.根据权利要求1或3所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，还包括：采用拉格朗日乘数法建立列车能耗模型J(t,a,v)，包括：
10.一种基于大数据与矩阵算法的地铁列车节能驾驶控制系统，其特征在于，包括界面前端、后台；后台配置有大数据模型模块、线路区段划分模块、矩阵控制模块、控制序列计算模块；
...【技术特征摘要】
1.一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述大数据模型中的分析参数包括车站名称、乘客数量、进站时间、出站时间、出行路线、车站等待时间。
3.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述大数据模型表示为：
4.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，所述列车运行参数还包括：弯道长度、弯道距起点距离、坡度、坡道距起点距离、坡道长度。
5.根据权利要求1所述的一种基于大数据与矩阵算法的地铁列车节能驾驶控制方法，其特征在于，离散化矩阵控制模型中的控制序列参数包括：启动加速度、最佳运行速度和减速后速度；
6.根据权利要求1或3或5所述的一种基于大数据与矩阵算法的地铁列车...
【专利技术属性】
技术研发人员：周继续，刘彩红，郑安平，郭建波，苏同升，宋健，邓举明，
申请(专利权)人：中国科学院海洋研究所，
类型：发明
国别省市：
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。