城市轨道交通线路中列车节能优化研究

针对当前列车节能优化仅考虑个别区间或者各列车之间的协调关系,导致优化结果可应用性和指导性较差的现状,以城市轨道交通整体线路节能优化为研究对象,建立区间列车节能优化模型,运用遗传退火算法进行模型求解,通过设定时间步长实现区间运行列车从省时模式向节能模式的转变。将单条线路列车节能优化问题转化为带时间价值约束的背包问题,并采用改进的贪婪算法分配线路预留时间进行列车节能优化。以不考虑坡度变化的简单线路为例对列车节能优化方法进行实验验证,结果表明,在考虑旅客时间价值的情况下,列车运行能耗相对于省时模式节省了41.54%,具有较好的节能效果。     

单线列车调度问题的双向阻塞车间调度模型及其粒子群求解算法

针对单线列车调度问题的特点,以线路中列车的总运行时间最小为目标,建立了可以直观描述问题解空间的双向阻塞车间调度模型,并提出了一种有效的离散粒子群优化算法进行求解。该算法基于双向阻塞车间调度模型设计了排列编码形式,从而可确定列车的运行顺序,同时利用随机策略和运行时间最短优先策略选择列车运行轨道;算法在求解过程中,提出了列车冲突的检测和化解方法,并按照“调度-检测冲突-化解冲突”的步骤逐区段调度列车运行;最后,利用离散粒子群优化算法进行全局优化,得到问题的最优解。仿真实例表明,所得模型和算法能够高效地求解单线列车调度问题。     

采用再生制动的地铁时刻表节能优化研究

地铁运行的主要成本是电能消耗,如何降低地铁运行能耗是建设绿色城市的重要课题.本文从列车运行时再生制动产生回馈电网能量出发,建立采用再生制动的地铁列车运行能耗模型.进而,将地铁运行节能问题转化为地铁列车时刻表优化问题,并引入列车运行约束和混合逻辑动态模型约束将该问题建模为一个非线性混合整数规划问题.本文设计了分解协调优化算法,以列车停站时间和发车时间间隔作为优化操作变量进行优化.从仿真结果可知,以不同的操纵变量进行优化均能有效提高再生制动能量利用率,且分解协调算法的求解结果优于传统的模拟退火算法.     

基于MGASA的城市轨道交通列车节能优化控制研究

针对当前列车节能优化控制研究中对匀速状态考虑不足的情况,对包括匀速状态的列车运行状态组合及其能耗算法进行了研究.通过对列车运行过程作动力学分析,在深入研究列车能耗计算的基础上,基于MAT-LAB数值计算优势,设计了列车能耗计算的仿真程序.以确保列车运行准时为原则,提出考虑匀速状态的列车控制策略,以区间限速以及列车工况转换为约束进行建模,并采用改进的遗传退火算法(MGASA)对模型求解.从优化结果可知,与以往优化策略相比,在列车运行时分压缩5.66％的情形下,列车能耗仅增加了1.89％.结果分析表明,其优化效果较好,包括匀速状态的列车运行状态组合具有较强的实用价值,可为司机驾驶以及ATO系统设计提供理论指导.     

一种新型非线性收敛因子的灰狼优化算法*

针对标准灰狼优化算法在求解复杂工程优化问题时存在求解精度不高和易陷入局部最优的缺点,提出一种新型灰狼优化算法用于求解无约束连续函数优化问题。该算法首先利用反向学习策略产生初始种群个体,为算法全局搜索奠定基础;受粒子群优化算法的启发,提出一种非线性递减收敛因子更新公式,其动态调整以平衡算法的全局搜索能力和局部搜索能力;为避免算法陷入局部最优,对当前最优灰狼个体进行变异操作。对10个测试函数进行仿真实验,结果表明,与标准灰狼优化算法相比,改进灰狼优化算法具有更好的求解精度和更快的收敛速度。     

混合自适应粒子群算法在电力经济调度中的应用

以电力系统中发电成本最低为目标,结合实际发电运行中系统平衡约束和机组操作约束条件,建立电力经济调度(ED)模型。由于标准粒子群算法存在易陷入局部最优的问题,用这种方法求解ED模型得到的最终结果会不太理想。为此,本文提出一种非线性自适应权重调整策略来增强算法全局搜索和局部搜索能力,首先引入小生境优化种群策略使算法跳出局部最优,然后将这种改进后的混合自适应粒子群算法（HAPSO）应用于求解ED模型。最后,算例分析结果表明本文所改进算法的有效性,提高了求解精度。     

基于再生制动能的列车发车间隔优化模型

随着低碳环保的生活理念越来越深入人心,节能已成为城市轨道交通运行的目标。着眼于再生制动能技术在列车运行过程中日益突出的效用,笔者利用再生制动能,以求得所有列车运行总能耗最低的时间间隔为目标,建立了优化多列车发车间隔的模型。该模型采用微元法将位移、速度与时间的关系表示出来,并算出列车牵引能耗,再结合再生制动能创建模型,通过改进的遗传算法求解,得到列车最优的发车间隔和运行图。     

城际列车多区间节能运行优化方法研究

为了提高城际列车运行的节能性与准点性,研究了一种城际列车多区间节能优化方法。将中间停车站点作为关键点约束,同时以总运行时间约束为边界条件,将列车多区间节能运行优化问题转换为广义上的单区间节能运行优化问题。设计了一种基于极大值原理分析结论的动态规划算法,在保证列车总运行时间不变情况下,实现了全线的最优节能运行操纵策略与时刻表的同步优化。与传统动态规划算法相比,上述算法无需对位置和速度进行双重离散化,只对速度进行离散,有效避免了速度轨迹波动。算法对电分相区内无牵引工况的操纵约束具有很好的兼容性。最后以CRH6A型动车组运行于莞惠线为例进行仿真验证,结果表明,与实车运行数据相比,提出的优化方法节能率可达19.92%。     

基于数据解析的连退生产过程多因子操作优化

针对连退生产过程中带钢质量波动大和生产能耗过大的问题,基于数据解析方法构建带钢质量的预测模型,进而建立连退生产过程多因子操作优化模型.该模型的任务是求得一个最优工艺参数设定方案,使得模型中所包含的两个相互影响但并不冲突的目标能够实现同时最优化.针对该问题,提出一种改进的自适应多因子进化算法(AdaMFEA),将不同优化目标作为不同类别因子,通过父代解在不同因子上的性能评价指标决定子代解的搜索方向.为了改进算法的鲁棒性和搜索效率,算法使用多种交叉算子,并基于各算子的搜索性能分析提出多种交叉算子的自适应选择机制;同时提出基于回溯直线搜索和拟牛顿法的个体学习策略,对个体进行局部搜索.基于Benchmark问题的实验结果表明,AdaMFEA能够有效提升传统多因子进化算法(MFEA)的求解效率;基于实际工业问题的实验结果表明,AdaMFEA可有效求解连退生产过程多因子操作优化问题,实现多个非冲突目标在一个种群的进化过程中同时达到最优.     

基于改进回溯搜索优化算法的应急资源调度

以连续性消耗应急系统为背景,建立以时间成本和运输成本最小化为目标的多资源多供应点调度模型。针对该模型的特点,对一种具有强全局搜索性的新智能算法——回溯搜索优化算法进行改进,设计变异操作中的变异尺度系数和交叉操作中的交叉概率策略,提高算法的收敛速度和求解精度。运用改进回溯搜索算法进行模型求解,仿真实例表明,改进回溯搜索优化算法在解决应急资源调度问题时拥有良好的性能,全局收敛性与求解精度均优于比较的回溯搜索优化算法、差分进化算法和粒子群算法,能够有效且合理地进行应急资源调度。     

基于闭塞区间的高速列车运行时间与节能协同优化方法

提出了一种高速列车运行时间与节能协同优化方法.针对由动态调度层、优化控制层、跟踪控制层组成的列车运行控制与动态调度一体化结构,设计了面向动态调度层和优化控制层的列车运行时间调整策略和节能速度位置曲线.基于高速铁路闭塞区间,建立了列车区间模型和列车速度曲线节能优化模型.利用模型预测控制方法对列车区间运行时间进行调整,优化列车总延误时间;根据调整后的区间运行时间设计列车运行优化速度位置曲线,减少列车运行能耗.仿真算例验证了设计的运行时间与节能协同优化策略的有效性.     

基于改进遗传算法的列车运行曲线优化

传统遗传算法很早就在列车运行优化研究中得到了应用,但是由于种群中染色体进化方向的不确定性和局部搜索能力不足,导致收敛速度缓慢和求解质量低下。针对以上问题,本文提出一种改进型遗传算法,对列车运行曲线的生成进行研究。以列车运行能耗最小为优化目标,将行车安全、准点和精确停车等约束条件转化为惩罚函数,同时以工况序列为遗传个体进行求解,为加快种群收敛速度和提高解的质量,设计包含准点调整和局部搜索的种群进化方向引导机制。仿真结果表明,改进后的算法适用于多约束的列车运行优化问题,有效提升了收敛速度,优化结果相比于简单遗传算法和自适应遗传算法更加节能。     

基于免疫粒子群算法的水轮机机组供水系统节能控制方法

传统供水系统节能控制方法忽略了对水轮机状态的监控,导致在降低系统能耗的同时,供水过程出现机组运行不稳定问题,为此,设计基于免疫粒子群算法的水轮机机组供水系统节能控制方法。利用T-S模糊模型构建供水系统数学模型。采用模糊神经网络结构作为新型节能控制的设计原理,设计新的节能控制器。通过免疫粒子群算法实现供水系统的整体控制,降低供水系统能源消耗,完成基于免疫粒子群算法的水轮机机组供水系统节能控制方法的设计。仿真实验结果表明：所提控制方法应用后,供水系统的能源消耗明显降低,且水轮机机组供水运行稳定性得到了提升,应用效果较为理想。     

采用预测控制的地铁节能优化控制算法

本文针对地铁列车自动运行系统(automatic train operation,ATO)一般运行情况以及晚点延迟发车情况下的节能问题,基于预测控制算法设计了地铁节能优化控制算法.利用预测控制算法的在线滚动优化特性,通过设计含有能量消耗趋势优化项的控制目标函数,控制算法能够针对节能目标实现快速动态调整.通过调节目标函数中各优化项权重的相对大小,节能算法可以在满足列车时间与路程运行指标的同时,达到降低能耗的目的.在MATLAB平台上利用真实车辆模型对提出的节能优化控制算法进行了仿真,在列车不延迟与延迟的情况下,算法都很好地平衡了跟踪目标与节能目标,为地铁能耗动态优化控制提供了可行方案.     

基于遗传算法的高速列车ATO追溯目标曲线优化

对于高速列车在运行过程中因为运行环境造成能耗、舒适、准时和准确停车等指标的不同,运用遗传算法对列车运行的节能性曲线和多目标运行曲线优化,结合列车牵引计算方程和选定的线路约束条件仿真得到列车ATO所要追溯的目标曲线。结果表明：通过遗传算法优化工况转换点使得列车运行中的惰行比例增加,可以实现列车节能运行,与节能性目标相比,多目标可以较好地保证列车运行中的舒适性,准时性和准确停车等关键性指标。     

Operation Optimal Control of Urban Rail Train Based on Multi-Objective Particle Swarm Optimization

The energy consumption of train operation occupies a large proportion of the total consumption of railway transportation. In order to improve the operating energy utilization rate of trains, a multi-objective particle swarm optimization (MPSO) algorithm with energy consumption, punctuality and parking accuracy as the objective and safety as the constraint is built. To accelerate its the convergence process, the train operation progression is divided into several modes according to the train speed-distance curve. A human-computer interactive particle swarm optimization algorithm is proposed, which presents the optimized results after a certain number of iterations to the decision maker, and the satisfactory outcomes can be obtained after a limited number of adjustments. The multi-objective particle swarm optimization (MPSO) algorithm is used to optimize the train operation process. An algorithm based on the important relationship between the objective and the preference information of the given reference points is suggested to overcome the shortcomings of the existing algorithms. These methods significantly increase the computational complexity and convergence of the algorithm. An adaptive fuzzy logic system that can simultaneously utilize experience information and field data information is proposed to adjust the consequences of off-line optimization in real time, thereby eliminating the influence of uncertainty on train operation. After optimization and adjustment, the whole running time has been increased by 0.5 s, the energy consumption has been reduced by 12%, the parking accuracy has been increased by 8%, and the comprehensive performance has been enhanced.     

R-dPSO算法及其在ATO控制策略中的应用

城市轨道交通列车自动运行中,通过调整列车的5种工况序列解决含有安全、准点、准时、舒适度和能耗等指标的多目标优化问题。根据轨道交通列车自动运行过程中涉及的动力学公式建立ATO目标速度曲线的数学模型。提出一种随机驱动的全局粒子群优化算法（R-dPSO）,用12个基准函数测试了R-dPSO算法的有效性。进而,利用SPSO算法、XEPSO算法和R-dPSO算法解决上述多目标优化问题。实验表明,只有R-dPSO算法的优化结果满足ATO控制策略的各个指标要求。     

Energy-efficient receding horizon trajectory planning of high-speed trains using real-time traffic information

Optimal trajectory planning of high-speed trains (HSTs) aims to obtain such speed curves that guarantee safety, punctuality, comfort and energy-saving of the train. In this paper, a new shrinking horizon model predictive control (MPC) algorithm is proposed to plan the optimal trajectories of HSTs using real-time traffic information. The nonlinear longitudinal dynamics of HSTs are used to predict the future behaviors of the train and describe variable slopes and variable speed limitations based on real-time traffic information. Then optimal trajectory planning of HSTs is formulated as the shrinking horizon optimal control problem with the consideration of safety, punctuality, comfort and energy consumption. According to the real-time position and running time of the train, the shrinking horizon is updated to ensure the recursive feasibility of the optimization problem. The optimal speed curve of the train is computed by online solving the optimization problem with the Radau Pseudo-spectral method (RPM). Simulation results demonstrate that the proposed method can satisfy the requirements of energy efficiency and punctuality of the train.     

基于链式智能体遗传算法的动态能耗优化算法

能耗优化是一个动态优化问题,在能耗规模较大的情况下,能耗设备间与总能耗间存在一定的非线性关系,即并非每个能耗最优化能使得总的能耗最优化,因此能耗优化是一个动态非线性优化问题。对于能耗优化问题,传统的节能方法难以奏效。基于此,本文在分析目前节能方法的特点后,设计一种高效的全局优化算法——链式智能体遗传算法,可解决上述的动态非线性优化问题。为了验证本文提出的算法的优越性,将该算法用于某钢厂的电能节耗中,节耗效果明显且较稳定。实践表明,该算法具有较好的灵活性,当能耗环境和节能要求发生变化时,该算法能在不变动当前设备的前提下,动态获得较优的节能效率。     

基于遗传算法和粒子群优化的列车自动驾驶速度曲线优化方法

针对列车自动驾驶(ATO)过程中的精准停车、准时性、舒适性以及能耗问题,提出一种基于遗传算法与粒子群优化(GAPSO)算法结合的ATO速度曲线优化方法.首先,建立列车ATO运行多目标优化模型,将列车过分相区断电惰行纳入控制策略,并对运行控制策略进行分析;其次,对粒子群优化(PSO)算法进行改进,采用非线性动态惯性权重和...