一種基於免疫算法的地鐵列車運行參數優化方法與流程

2023-06-25 11:48:11

本發明涉及一種地鐵多列車節能優化方法，具體涉及一種基於免疫算法的地鐵列車再生制動能量利用與時刻表優化方法。
背景技術：
：地鐵以其方便快捷、舒適安全、正點率高等優點，成為人們重要的出行方式，對緩解城市交通壓力發揮著重要作用。與此同時，地鐵是城市公共運輸中最大的耗能單位，研究地鐵列車的節能優化對節約運行成本，促進城市交通的健康綠色發展具有重要意義。地鐵線路站間距離短，列車運行過程中，需要頻繁牽引與制動，當列車再生制動時，若相鄰列車處於牽引加速狀態，則再生制動能量將反饋到接觸網供相鄰列車使用。相鄰兩列車加速與制動的同步時間(重疊時間)受發車間隔、停站時間、站間運行時間等因素影響，若兩車間距過大，同一供電區段內至多只有一輛列車運行，再生制動能量無法被相鄰列車使用，此時為避免牽引網壓過大，該部分能量被車載電阻吸收。目前，針對地鐵多列車節能優化操縱方法的研究主要集中在列車節能控制與再生制動領域，而綜合考慮列車再生制動能量利用與時刻表設計的方法較少。技術實現要素：本發明針對現有技術的不足，提供一種基於免疫算法的地鐵列車運行參數優化方法。本發明為解決地鐵多列車節能優化問題採用以下技術方案：一種基於免疫算法的地鐵列車運行參數優化方法，包括以下步驟：步驟1：將地鐵線路上運行的列車相鄰的兩輛列車劃為一個單元，包括先行列車與追蹤列車，將列車的站間運行過程劃分為牽引加速階段、勻速階段、惰行階段和再生制動階段四個階段，根據實際線路條件以及列車運行過程中的牽引力與阻力情況，建立總能耗方程及其約束條件；步驟2：根據濃度免疫算法調整單元中兩輛列車的運行參數，以使得總能耗最小，具體步驟如下：(1)將總能耗方程及其約束條件作為濃度免疫算法的抗原，並設置抗體規模P、最大迭代次數N、交叉概率PC和變異概率Pm；(2)隨機產生初始抗體群A；(3)計算抗體群A中各個抗體的親和度，(4)保留抗體群A中親和度較大的抗體，構成抗體群B，(5)引入基於濃度的抗體繁殖策略，計算抗體群B中各個抗體的濃度Nk與期望繁殖率Ek，其中α為常數，選擇期望繁殖率高的抗體進行複製操作，產生抗體群C；(6)對抗體群C的個體進行交叉和變異操作，產生抗體群D；(7)計算抗體群D中各個抗體的親和度，選取n個親和度高的抗體代替C中親和度低的抗體，形成抗體群E；(8)判斷是否滿足終止條件，若滿足終止條件，輸出當前抗體，即為能耗函數的最優解，否則重複步驟(3)～(7)；所述終止條件為達到最大迭代次數或抗體群E中抗體的最大親和度趨於恆定。所述總能耗方程及其約束條件建立方法如下：①列車牽引加速階段能耗Qq：Qq=Σi=12Σj=1m-10ti,jqMiai,jq12ai,jqtdt=12Σi=12Σj=1m-10ti,jqMi(ai,jq)2tdt]]>ai,jq=Fi,jq-fa-fbMi]]>fa＝2.43+0.0275v+0.0078v2fb=Mig(θ+0.6R)]]>式中，為列車i在j至(j+1)站間的牽引加速度，為列車i在j至(j+1)站間的牽引加速時間，Mi列車i的質量，為列車加速運行牽引力，fa為列車基本阻力，v為列車速度，fb為列車附加阻力，g為重力加速度，θ為坡道坡度，R為彎道半徑，②列車勻速運行階段能耗Qy：Qy=Σi=12Σj=1m-10ti,jyFi,jyvi,jdt]]>式中，vi，j為列車i在j至(j+1)站間的勻速運行速度，為列車i在j至(j+1)站間的勻速運行牽引力，為列車i在j至(j+1)站間勻速運行時間；③惰行階段列車憑慣性前行，僅受阻力影響，僅有車載輔助設備用電，列車能耗忽略不計，設列車i在j至(j+1)站間惰行時間為④列車再生制動階段回收的能量Qz：Qz=0TcMiaz(vz-12azt)dt]]>式中，vz為加速與制動重疊時的制動初速度，az為加速與制動重疊時的制動加速度，根據計劃時刻表並結合列車站間運行的操縱工況，求出同一供電區段內的相鄰兩列車再生制動與啟動加速的重疊總時間Tc，相鄰兩列車牽引加速與再生制動同步發生的情況為：先行列車制動-追蹤列車牽引，追蹤列車制動-先行列車牽引，重疊時間分別為Tc1與Tc2，則兩列車在整條線路中加速與再生制動重疊總時間Tc：m為車站總數，ρ(j，j+1)為j與(j+1)站是否位於同一供電區間的判定係數，⑤總能耗Q方程：minQ=f(ti,jq,ti,jy,ti,jd,ti,jz,Tp,Tf,ai,jq,ai,jz,vi,j,az,vz,Fi,jq,Fi,jy)=Qq+Qy-Qz]]>約束條件：式中，Tp為停站時間，Tpmin為最小停站時間，Tpmax為最大停站時間，T為列車i在j到(j+1)站間的運行時間，β為時間裕度，Tf為發車間隔時間，Tzmin為最小追蹤間隔。根據親和度函數Fk＝-Q+c計算抗體的親和度，式中，Q為總能耗方程，c為常數。所述抗體群中任一抗體與現有技術相比較，本發明具備的有益效果：已有的研究成果在制定列車時刻表時未能全面考慮發車間隔、停站時間與站間運行時間等因素，或者未將時刻表設計與站間操縱策略的優化相結合，導致列車再生制動能量利用不高，列車能耗較大。本發明通過親和度與濃度雙重機制精準識別可行解，與傳統群集智能算法相比，計算速度快，求解精度高，在滿足列車安全性、舒適性、正點運行以及列車限速的前提下，有效降低了列車總能耗。從多車節能角度，分析再生制動能量利用情況，建立多車能耗模型，以最大限度降低列車運行能耗以及提高再生制動能量利用率為目標，通過引入濃度免疫算法，並結合時間裕度思想，調整列車運行時間、停站時間以及發車間隔等時間要素，適度優化列車操縱工況，設計出具有魯棒性的節能時刻表，從而增加相鄰列車加速與制動的重疊時間，充分利用再生制動能量，有效降低了列車運行總能耗，為列車的行車調度與節能駕駛提供理論指導。附圖說明圖1為免疫算法求解列車能耗流程圖。圖2為優化前列車運行圖。圖3為優化後列車運行圖。具體實施方式下面結合具體實施方式對本發明進行詳細說明。實施例1(一)工況參數本實施例採用南寧地鐵一號線運行數據，模擬上行線路中火車站至民族廣場站4站3區間內實際線路的兩列車運行情況。針對客流高峰期，火車站-朝陽廣場站、朝陽廣場站-新民路站、新民路站-民族廣場站分別以AW3、AW3、AW2工況進行模擬，AW3工況對應列車質量M1＝344380kg，AW2工況對應列車質量M2＝307300kg。AW3與AW2工況下，列車分別以恆定的最大牽引力386kN、346kN啟動加速，再生制動過程中最大電制動力均恆定為335kN，列車限速為80km/h。優化前，發車間隔時間Tf為150s，兩列車按照表1所述工況參數和表2所示計劃時刻表運行，先行列車與追蹤列車速度-時間曲線如圖2所示。表1表2(二)優化方法一種基於免疫算法的地鐵列車運行參數優化方法，包括以下步驟：步驟1：將地鐵線路上運行的列車相鄰的兩輛列車劃為一個單元，包括先行列車與追蹤列車，將列車的站間運行過程劃分為牽引加速階段、勻速階段、惰行階段和再生制動階段四個階段，根據實際線路條件以及列車運行過程中的牽引力與阻力情況，建立總能耗方程及其約束條件；所述總能耗方程及其約束條件建立方法如下：①列車牽引加速階段能耗Qq：Qq=Σi=12Σj=1m-10ti,jqMiai,jq12ai,jqtdt=12Σi=12Σj=1m-10ti,jqMi(ai,jq)2tdt]]>ai,jq=Fi,jq-fa-fbMi]]>fa＝2.43+0.0275v+0.0078v2fb=Mig(θ+0.6R)]]>式中，為列車i在j至(j+1)站間的牽引加速度，為列車i在j至(j+1)站間的牽引加速時間，Mi列車i的質量，為列車加速運行牽引力，fa為列車基本阻力，v為列車速度，fb為列車附加阻力，g為重力加速度，θ為坡道坡度，R為彎道半徑，②列車勻速運行階段能耗Qy：Qy=Σi=12Σj=1m-10ti,jyFi,jyvi,jdt]]>式中，vi，j為列車i在j至(j+1)站間的勻速運行速度，為列車i在j至(j+1)站間的勻速運行牽引力，為列車i在j至(j+1)站間勻速運行時間；③惰行階段列車憑慣性前行，僅受阻力影響，僅有車載輔助設備用電，列車能耗忽略不計，設列車i在j至(j+1)站間惰行時間為④列車再生制動階段回收的能量Qz：Qz=0TcMiaz(vz-12azt)dt]]>式中，vz為加速與制動重疊時的制動初速度，az為加速與制動重疊時的制動加速度，根據計劃時刻表並結合列車站間運行的操縱工況，求出同一供電區段內的相鄰兩列車再生制動與啟動加速的重疊總時間Tc，相鄰兩列車牽引加速與再生制動同步發生的情況為：先行列車制動-追蹤列車牽引，追蹤列車制動-先行列車牽引，重疊時間分別為Tc1與Tc2，則兩列車在整條線路中加速與再生制動重疊總時間Tc：m為車站總數，ρ(j，j+1)為j與(j+1)站是否位於同一供電區間的判定係數，⑤總能耗Q方程：minQ=f(ti,jq,ti,jy,ti,jd,ti,jz,Tp,Tf,ai,jq,ai,jz,vi,j,az,vz,Fi,jq,Fi,jy)=Qq+Qy-Qz]]>約束條件：式中，Tp為停站時間，Tpmin為最小停站時間，Tpmax為最大停站時間，客流高峰期Tp經驗值為[20，50]s，T為列車i在j到(j+1)站間的運行時間，β為時間裕度(取5％)，Tf為發車間隔時間，Tzmin為最小追蹤間隔。步驟2：將重疊時間達到最大值時對應的時間參數與速度參數以及列車最大牽引力、最大制動力、列車質量等參數代入能耗方程，求得兩列車在同一供電區間內運行的最低能耗。根據濃度免疫算法調整單元中兩輛列車的運行參數，調整列車時刻表中發車間隔Tf、停站時間Tp，使重疊時間取得最大值，以使得總能耗最小，具體步驟如下：(1)將總能耗方程及其約束條件作為濃度免疫算法的抗原，並設置抗體規模P＝50，最大迭代次數N＝200，交叉概率PC＝0.8，變異概率Pm＝0.2；(2)隨機產生初始抗體群A；(3)計算抗體群A中各個抗體的親和度，(4)保留抗體群A中親和度較大的抗體，構成抗體群B，(5)引入基於濃度的抗體繁殖策略，計算抗體群B中各個抗體的濃度Nk與期望繁殖率Ek，其中α為常數，選擇期望繁殖率高的抗體進行複製操作，產生抗體群C；(6)對抗體群C的個體進行交叉和變異操作，產生抗體群D；(7)計算抗體群D中各個抗體的親和度，選取n個親和度高的抗體代替C中親和度低的抗體，形成抗體群E；(8)判斷是否滿足終止條件，若滿足終止條件，輸出當前抗體，即為能耗函數的最優解，否則重複步驟(3)～(7)；所述終止條件為達到最大迭代次數或抗體群E中抗體的最大親和度趨於恆定。抗體即能耗方程的可行解，抗體親和度即待優化的能耗方程函數值，抗體濃度Nk即與抗體相似的抗體數量。(三)優化結果採用濃度免疫算法，在約束條件限制範圍內搜索多車能耗模型的可行解，最終尋找出再生制動能量利用最大化的節能時刻表，如表2所示，與站間操縱策略，並繪製先行列車與追蹤列車節能運行曲線，如圖3所示。優化後，發車間隔時間Tf調整為143s。表3表4對比表3與表4數據，火車站、朝陽廣場站、新民路站與民族廣場站在滿足列車作業時間的基礎上停站時間取整後調整為35s、27s、26s、28s。列車實際到站時間符合設定的時間裕度範圍，滿足正點率要求。由表4數據可知，再生制動能量利用率提高11.4％，站間運行總能耗降低16.9％。針對其他具體案例，若調整發車間隔Tf、停站時間Tp不能使重疊時間達到最大值，則進一步調整列車牽引加速時間、勻速時間、惰行時間與再生制動時間等時間參數，並相應調整列車勻速速度等速度參數，使重疊時間的目標函數取得最大值。當前第1頁1&nbsp2&nbsp3&nbsp