地铁列车节能运行惰行控制研究

1、地铁列车节能运行惰行控制研究地铁列车节能运行惰行控制研究马超云毛保华梁肖,等37地铁列车节能运行惰行控制研究*马超云毛保华梁肖.丁勇(北京交通大学城市交通复杂系统理论与技术教育部重点实验室北京100044)(北京交通大学交通运输学院.北京100044)摘要惰行可以有效降低地铁列车能耗,通过选择合适的惰行点可以实现列车的节能运行.建立了定时约束条件下列车节能运行惰行控制优化模型,将模型求解的遗传算法嵌入到城市列车运行计算系统中,实现了给定线路条件下站间最佳惰行点的自动计算.结合具体算例对不同站间距离,线路条件,区间限速,运行时间,惰行次数等条件下的惰行控制进行了仿真研究,给出了各影响因素与惰行控

2、制的关系.仿真结果表明,该方法能较好地解决惰行控制优化问题,地铁列车合理的站间运行时间取值,一般在最小运行时间的基础上增加815比较合适.关键词惰行控制;节能;地铁;列车运行计算中图分类号:u231.6文献标志码:adoi:10.3963/j.issn16744861.2010.02.009地铁是城市公用设施中的高耗能系统,实现列车节能运行是降低地铁能耗的重要途径.惰行是列车在运行过程中停止牵引或制动,只在阻力作用下运行的状态,是1种节能的操纵方式,地铁列车在站间运行时尽量采用惰行是最有效的节能措施之一.从轨道交通运输综合效益来考虑,在一些非高峰时段,如果增加的运行时间在可以接受的范围内,惰行

3、控制带来的能耗节约将会有效地降低轨道交通的运营成本.在地铁列车节能控制研究方面,国内外进行了有益的尝试_1_6_.而关于惰行控制研究,偏重于惰行点的计算和优化布局.而对于惰行控制影响因素(如站间距离,线路条件,区间限速,运行时间,惰行次数等)与惰行控制的关系研究相对较少.本文在借鉴国内外研究成果的基础上,结合我国地铁列车运行特点,建立了列车节能运行惰行控制优化模型,运用模型求解的遗传算法改进了城市列车运行计算系统l7,并使用该计算系统对惰行控制进行了仿真研究,得到了不同影响因素下的惰行控制策略.1模型和算法设计地铁列车在站间的运行时间是预先给定的,由于给定的运行时间总是大于最少运行时间,因而存

4、在着很多满足运行时间等约束条件的列车运行速度曲线,每1条速度曲线,对应着1个列车操纵方式序列,如牵引,惰行,制动和1个能耗值.惰行控制优化问题就是选择最合适的惰行点(惰行开始和结束的位置),惰行点的选择将会改变站间列车运行的速度曲线,从而产生不同的运行时间和能耗值,通过合理的惰行控制可以使列车能耗有效降低.1.1优化模型列车在站间可能惰行1次或多次,对于大多数的地铁系统,站间距较短,列车在每个车站都停车.为了研究的方便,本文对于多次惰行的研究只涉及2个惰行区段,即列车在站间惰行2次,其惰行运行模式如图1所示.s,s.,s.,s为惰行点,列车首先牵引运行至s,在ss.之间惰行,从s.再次牵引运行

5、至s.,s.s之间惰行,经过5后开始制动停车.同时,列车可能越过ss.之间的牵引运行,从5直接惰行至s后制动停车,此时列车在站间只惰行1次.列车节能运行惰行控制问题可以转化为寻找站间惰行点s(l,2,)的具体位置.优化模型假设列车在站问惰行2次,因而存在4个惰收稿日期:20100104修回日期:20100310*国家自然科学基金项目(批准号:60634010,70971010),北京市教育委员会学科与研究生教育建设项目(批准号:bj200904)资助作者简介:马超云(1984),硕士生.研究方向:城市轨道交通列车运行控制与仿真.email:0712131638交通信息与安全2010年第2期第2

6、8卷总154期图1列车站间惰行运行模式行点,由于城市列车运行计算系统在列车到站停车之前能自动判断开始制动的位置,因此不用求解第2次惰行结束的位置(s4),问题的变量减少至3个(s1,s2,s3).设s位置处对应的速度为(一1,2,);列车在0s,ss,ss.,s.s4,ss间的运行时间和能耗值分别为,e(一1,2,3,4,5),os站问给定的运行时间为td,列车在0s,ss.,ss间的加速度分别为n(i-1,2,3).惰行控制的优化目标是在站间运行时间满足给定运行时间的前提下,实现列车能耗的最小.列车节能运行惰行控制优化模型的目标函数为:minf(a)+p().(1)式中:a为运行时间权重;口

7、为列车能耗权重;to为优化后的站问运行时间,rain;td为运行图给定的站间运行时间,min;eo为优化后的列车运行能耗,kw?h;ed为站间列车期望能耗,kw?h.a+一1,a和的取值根据计算原则而定,如更注重列车运行时间的节时运行或注重能耗的节能运行.丁d,ed与线路条件,站间距和列车种类等因素有关.约束条件为:tta(2)sz(3)口ali(4)733(5)51s(6)cf(l,nc,vt,ta,l.,x)(7)上述约束条件中,z为列车自起动加速至开始惰行所必需的最短距离i为列车加(减)速度极限,地铁列车的最大设计加速度一般为0.81.0m/s,最大设计减加速度为0.6m/s.式(2)为

8、列车站间运行时间必须小于运行图给定时间,式(5)为牵引的末速度应大于初速度,当v2一时,列车在站间只惰行1次.式(7)为列车工况转换的约束条件;l为区间坡度;nc为曲线情况;or为目标速度;l为歹i车种类;x为影响确定列车工况的其他因素.1.2模型求解由于遗传算法在全局搜索的优化问题中有很好的效果,本文采用实数编码的遗传算法求解该问题.惰行点的选择需要通过列车运行计算来获取站问运行时间和列车能耗数据,本文将遗传算法嵌入到城市列车运行计算系统中,形成了惰行控制优化模块,用以寻找列车在站间的最优惰行点.算法嵌入后,系统可以在给定线路条件,列车类型,运行时间和能耗的情况下,自动计算站间惰行点的最佳位

9、置.惰行控制优化模块在系统初始化过程完成最佳惰行点的选择,其设计流程如图2所示.环系统初始化开始,得到初始的惰行点位置数据茬葬舞籀到新的惰行点位置统模拟计算给定惰行方案列车的运行时问和能耗值根据计算得到的运行时间和能耗值计算适应度值<墨竺!>是输出惰行点的位置(即惰行控制方案),初始化结束成该惰行控制方案下的列萎行计算,得到相应运行指图2惰行控制优化模块设计流程系统通过计算,可以输出遗传算法每一代的最大适应度,平均适应度以及最大适应度对应的惰行点位置,输出最优惰行控制方案的运行时间,能耗和列车运行记录数据,并生成速度一距离曲线,时间一距离曲线等.?2仿真算例运用优化后的城市列车运行

10、计算系统,结合具体算例对算法的有效性进行了验证,仿真结果能够满足优化目标的要求.2.1仿真参数1)线路条件.ab站间距离1200m,站间为平坡道,列车限速80km/h.2)列车情况.编组方式为地铁机车牵引,列车长度143m,牵引重量3376kn.地铁列车节能运行惰行控制研究马超云毛保华梁肖,等393)列车运行参数设定.站间给定运行时间9os,运行时间和能耗的权重值各取0.5.4)遗传算法中参数的取值.经过试算和结果分析,设定初始种群大小为30,交叉概率为0.8,变异概率为0.05,最大迭代次数为150.2.2仿真结果遗传算法计算的各代种群平均适应度与最大适应度的变化曲线如图3所示.从图3中可见

11、,最大适应度在第66代从23.22突变到7o.11,此后一直维持不变;平均适应度从第66代开始递增,在第75代达到最大值,此后保持稳定,其取值在67.50附近波动,因此将最大迭代次数设为150,能够满足优化目标的精度要求.7800迭代次数e垂垂至三亟图3适应度值变化曲线经过优化,ab站间运行时间是89s,与图定时间相比,列车早点1s,算法可以满足列车定时运行的时间要求.表1给出了节时模式和优化后定时模式下的列车运行指标,节时模式是列车在站间以全速牵引的方式运行,该模式下列车的控制方案如图4所示,节时模式下列车以牵引一制动工况运行,站间不进行惰行,运行时间最短.1o09o80f,7o6og504

12、o3020lo0表1节时模式和优化后定时模式下列车运行指标比较表1的数据表明,优化后的惰行控制方案与节时模式下的运行方案相比,列车能耗下降了58.439,6,而运行时间只延长了11.25%,可见,惰行有利于列车能耗的降低,遗传算法优化的结果较好.为了进一步验证算法的有效性,将优化前后定时模式下的列车惰行控制方案进行对比,相应的惰行控制方案如图5所示.本算例中,ab站间距短(1200m),虽然程序中设计的是2次惰行,但优化后的结果中站间只有1次惰行(s.与s.重合),如图5(b)所示.表2给出了优化前后定时模式下的列车运行指标.表2优化前后定时模式下的列车运行指标比较运行模式运行恻s(k优化前8

13、9优化后8926.4192.8568.9595.1997.723.5183.11073.190;601(a)优化前的惰行控制方案图5优化前后定时模式下的列车惰行控制方案对比表2的数据表明,经过算法优化,惰行开始和结束的位置都向线路两端延长,惰行距离增加,相应的牵引运行距离减少.在站间运行时间相同的情况下,优化后的惰行控制方案与优化前相比,能耗降低了10.99.由此可见,本文设计的遗传算法能较好地解决惰行点优化布局问题,达到了预期的优化目标.3不同影响因素下的惰行控制站间距离,线路条件,区间限速和运行时问是影响惰行控制方案的主要因素,为了更好地实施惰行控制策略,有必要对这4个因素进行具体分析,找

14、出它们与惰行控制的关系.本文运用遗传算法优化后的城市列车运行计算系统对此进行仿真研究.3.1站间距离站间距离是2个车站中心线之间的距离,它的如加0一.g/40交通信息与安全2olo年第2期第28卷总154期列车站问惰行的次数有重要影响.本文选取了短距离,中距离,长距离3种类型的站间距,对应的长度分别为1.2,2.6和4.5km,为了简化计算,这里采用平坡道.算法中参数的取值见表3,给定运行时间的取值分别在最小运行时问的基础上增加1o-20,表中未列出参数的值与2.1节中的取值相同.表3不同站间距时的参数取值经过系统仿真计算,3种站间距对应的惰行控制指标见表4.表4不同站间距时的惰行控制指标站间

15、运行时惰行能耗/堕皇垡墨距/m间/s距离/m(kw?h)s1s2s3s412008991o.723.526001722lo3.934.745002653920.242.7通过表4比较发现,站间距较小时,惰行1次有利于列车的节能运行,随着站间距的增大,惰行次数相应增加,对于长站间距,列车以牵引一惰行对运行有利于能耗的节约.站间距越短,惰行开始的时机就越早,惰行起始点的位置距出发站就越近.惰行的比例在整个列车运行中约占80,站间距增大时,相应的惰行控制比例也随之增大.3.2线路条件线路条件包括线路的坡度,曲线,隧道等,它也是影响惰行控制的1个重要因素.为了减小问题的复杂程度,本文只研究线路的坡度与

16、惰行控制的关系.线路各区段的坡度情况如表5,线路长度为1200m,算法中其他参数的取值同2.1节中的算例.表6给出了经过系统仿真计算后,不同坡度时的惰行控制指标.表5线路坡度表负值为下坡坡度,正值为上坡坡度)表6不同坡度时的惰行控制指标从表6中可以看出,在定时运行条件下,经过算法的优化,3种坡度条件下的运行时间基本相同;能耗方面,上坡时消耗的能量最多,平坡次之,下坡时最少,这是因为上坡时需要较长时间的牵引,而下坡时借助坡道,可以充分利用列车的有效动能,减少牵引时间.列车在下坡道运行时,惰行开始和结束的时机(即开始施加制动)最早,列车在站间惰行2次;在上坡道运行时,开始和结束惰行的时机最晚,列车

17、在站间只惰行1次;在平坡运行时,惰行开始和结束的时机介于下坡和上坡之间,列车在站间惰行1次.在下坡道上,利用势能,列车可以在较短的时间内运行至某一速度后开始惰行,下坡道惰行时列车速度会增大,站间惰行2次避免了不必要的制动,减少了列车有效动能的损失;在上坡道,列车需要牵弓i运行至某一较高的速度后才能开始惰行,牵引运行时的耗电量多;在上坡道列车所受的阻力较大,制动距离较下坡道一般偏小,因此,惰行结束的时机较晚.3.3区间限速区间限速是指由于区间线路条件的限制,列车所允许运行的最大速度.它也会对惰行控制产生影响.这里仍取2.1节中算例的各项参数,同时加入区间工程限速,如表7.系统仿真计算后的惰行控制

18、指标见表8.表7区间工程限速表表8区间不同限速条件下的惰行控制指标比较从表8可以看出,对于算例给出的短站间距,在站间运行时间相同的情况下,当区间有多个限速(低限速)时,惰行开始的时机相对于单一限速提前,惰行次数增加到2次,能耗值增加24.46.由于站间有一段低限速,列车需提前结束牵引开始惰行,以避免速度超过限速值,在低限速区段结束之后,为了恢复站间正常运行时间,列车再1次牵引以提高速度,并在停车制动前惰行.由蛾黜呱拗黜地铁列车节能运行惰行控制研究马超云毛保华梁肖,等41于牵引时间增加,列车能耗值上升.在能耗相差不大的情况下,当区间有多个限速时,其相应的惰行控制指标见表9.表9区间不同限速条件下

19、的惰行控制指标比较从表9可以看出,同一站间在能耗相当的情况下,当存在多个限速时,列车的运行时间将延长,惰行开始的时机将提前,同时惰行的距离和次数会增加.3.4运行时间列车在站间运行时,不同的运行时间所对应的惰行控制方案是不同的,相应的能耗值也会有差异.站间距取为2600m,区间为平坡道,给定的站间运行时间分别为154,172和193s,其他参数的取值同2.1节中的算例,相应的惰行控制指标见表10.表1o不同运行时间下的惰行控制指标运行时间/s惰行能耗/距离/m(kw?h)s惰行点位置/ms2s3s4l54l96.439.3320.9l540.1l649.z239.41722103.934.72

20、20.41676.71787.92435.51932223.626.2166.71871.11914.62487.8从表10中看出,运行时间的延长将带来能耗的降低.站间标准运行时间取为154s,当运行时间增加11.7时,能耗下降11.75;运行时问增加25.3时,能耗下降33.44.同时,运行时间延长,对应的惰行距离将增加,惰行开始的时机提前,结束的时机延后.3.5惰行次数站间距离和运行时间对惰行次数有重要的影响,惰行次数直接影响列车运行的能耗,对它们之间的关系需要进行分析.3.5.1站间距离较小时的惰行次数站间距离取1200m,其他参数的设置同2.1节.列车在站问惰行1次和惰行2次的运行指标

21、见表11.地铁列车节能运行模拟系统中设定的惰行次数是2次,但优化后的仿真结果中,只有1次惰行;同时,在站问运行时间相同的情况下,惰行2次时,列车的能耗将增加18.41,由此可见,站间距离较短时,惰行1次效果更好.当站间距较小时,站间没有足够的空间来布设多个惰行点,此时惰行1次比惰行(n2)次更有利于降低列车能耗.表ll不同惰行次数下的列车运行指标比较3.5.2站间距较长时的惰行次数站间距离取为2600m,给定运行时间为152s,其他参数的设置同3.4节.列车在站问惰行一次和惰行2次的运行指标见表12.表12不同惰行次数下的列车运行指标惰行次数运ih行/时s能耗/堕堡皇篁墨竺(kw?h)sls2

22、s3s4对于2600m的站间距,站间最短运行时间为144s;在惰行1次的所有方案中,本例中所取的是运行时间最少的1个,即153s.从表12中可以看出,惰行1次与惰行2次相比,在运行时间相差1s的(相对差值为0.65)情况下,能耗将下降1o.55,即列车惰行1次的能耗更低.但是在站问运行时间比较紧的情况下,惰行1次无法满足运行时间的要求.根据以上分析结果可以得到:在平直道线路和区间无低限速的条件下,如果给定运行时间相对充裕,无论站间距长短惰行1次都比惰行2次节能效果更好.但是列车惰行1次的运行时间相对较长,有时不能满足实际需要.最短运行时间条件下列车惰行1次的控制策略相对固定,就是首先列车牵引到

23、限速值,然后一直惰行,直到接近车站制动停车.表13是不同站间距的最小运行时间与惰行1次最小运行时问的比较.表13不同站间距的最小运行时间与惰行一次最小运行时间从表13中可以看出:在站间距较短(1200m)的情况下,站间最小运行时间与惰行1次的最小时差很小,即当间距较短时,无论给定运行时间是否充裕,列车都应采用惰行1次的控制方法;当站间距较长(4500m)时,虽然惰行1次时能耗较低,但运行时间过长,不能满足站间运行时间的要求,这是因为区间图定运行时间很少会比最小运行时间大20以上,因此站间距较长时,列车可42交通信息与安全2010年第2期第28卷总154期以采用惰行2次及其以上的控制方法;当站间

24、距属于中等距离(2600m)时,需要根据运行时间确定惰行次数,运行时间较紧时列车必须采用惰行2次的控制方法,运行时间较充裕时(运行时间相对延长比例大于6.25)列车采用惰行1次的控制方法节能效果更好.在确定地铁列车合理的站问运行时间时,既要考虑到运行速度,也要考虑到运行成本,通过本节的分析,其取值一般在最小运行时间的基础上增加8%15会比较合适,这样可以保证在较快运行速度的情况下,尽可能地节约列车运行能耗.4结论1)当站间距较短时,列车应采用惰行1次的控制方法;当站间距较长时,可以采用惰行2次及以上的控制方法,以牵引一惰行对运行.2)列车在下坡道运行时,惰行开始和结束的时机与其在上坡道运行时相

25、比要早.3)同一站问在能耗相当的情况下,当存在多个限速时,列车的运行时间将延长,惰行开始的时机将提前,同时惰行的距离和次数会增加.4)列车站间运行时间取值一般在最小运行时间的基础上增加815比较合适.运行时间的延长将带来能耗的降低.运行时间延长,惰行开始的时机提前,结束的时机延后.参考文献1changcs,siress.optimisingtrainmovementsthroughcoastcontrolusinggeneticalgorithmsj.ieeproceedingselectricpowerapplication,1997,144(1):657323hansh,byenys,ba

26、ekjh,eta1.anoptimalautomatictrainoperation(ato)controlusinggeneticalgorithm-j.chejuisland,1999(1):3603623wongkk,hotk.coastcontroloftrainmovementwithgeneticalgorithmj.evolutionarycomputation,2003(2):128012874李玉生,侯忠生.基于遗传算法的列车节能控制研究j.系统仿真,2007,19(2):3843875刘海东,毛保华,丁勇,等.城市轨道交通列车节能问题及方案研究j.交通运输系统工程与信息,2

27、007,7(5):68-73e6丁勇.列车运行计算与操纵优化模拟系统的研究d.北京:北京交通大学,20047毛保华,何天健,袁振洲,等.通用列车运行模拟软件系统研究fj.铁道,2000,22(1):168王小平,曹立明.遗传算法理论,应用与软件实现m.西安:西安交通大学出版社,2002coastcontrolofurbantrainmovementforenergyefficiencymachaoyun?.maobaohua,.liangxiao,dingyong.(moekeylaboratoryforurbant7一nsp0r口0complexsystemstheoryandtechnology,beijingjiaotonguniversity,beijing100044,china)(schooloftrafficandtranspor