一种基于改进遗传算法的地铁列车节能优化方法

本发明涉及列车节能优化方法，尤其是一种基于改进遗传算法的地铁列车节能优化方法。

背景技术：

1、轨道交通凭借着其方便快捷、安全舒适、效率高等优点吸引着世界各国的青睐，已成为这些现代化大都市的重要干线交通，不仅达到缓解交通压力，更是实现绿色出行。地铁列车的运行消耗大量的能量，因此，研究地铁列车节能优化具有重大意义

2、而现有技术中，关于地铁列车节能优化方法的设计，一味的追求如何降低列车的能耗，而没有关注到乘客的体验感，如何能够实现节能优化的同时，照顾到乘客的体验感是急需解决的问题。

技术实现思路

1、针对现有技术中，关于地铁列车节能优化方法的设计，一味的追求如何降低列车的能耗，而没有关注到乘客的体验感的技术问题，本发明提供一种基于改进遗传算法的地铁列车节能优化方法。

2、本发明所采用的技术方案是：一种基于改进遗传算法的地铁列车节能优化方法，具体包括以下步骤：

3、对列车进行受力分析，根据牵引计算公式建立列车动力模型，其中包括计算列车的牵引力、制动力以及阻力；

4、在运行区间内，基于列车的运行工况最大加速-巡航-惰行-最大制动的流程，生成速度曲线；

5、建立遗传算法节能优化模型，基于遗传算法节能优化模型求解最优速度曲线；

6、建立舒适模型，分析乘客的乘坐舒适度。

7、本发明进一步的设置为，列车的牵引力计算公式如下：

8、

9、式中，f(v)为列车牵引力(n)，tf为恒牵引力区牵引力(n)；v为列车的运行速度(m/s)；va为恒牵引力区转折速度(m/s)；vb为恒功率区转折速度(m/s)；为自然特性区终点速度(m/s)。

10、列车的制动力计算公式如下：

11、

12、式中，b(v)为列车电制动力(n),bf为恒牵引力区制动力(n)；vd为恒牵引力区转折速度(m/s)；vf为自然特性区终点速度(m/s)；

13、列车的阻力计算公式如下：

14、w(v)＝(a0+b0·v+c0·v2)·(k+g)·g

15、式中，w(v)为列车基本阻力(n)；k为列车动车和拖车总重量(kg)；g为载客重量(kg)；a0、b0、c0为经验常数，取决于车辆的类型和实际线路情况；v为列车速度(m/s)。

16、本发明进一步的设置为，列车动力模型构建方法如下：

17、包括根据牵引计算公式建立列车动力学方程；

18、降低列车牵引力做功，建立目标函数；

19、计算列车在运行过程中发车起动速度、进站停车速度、站间运行时间、线路限速和最大加速度。

20、本发明进一步的设置为，根据牵引计算公式建立列车动力学方程具体如下：

21、

22、式中：m—列车质量；f(v)—牵引力；b(v)—制动力；v—运行速度；t—运行时间；w(v)—运行基本阻力；a、b、c—列车的基本阻力系数；f(v)—列车附加阻力，由坡道阻力fi,曲线阻力fr和隧道阻力fs三者共同组成。

23、本发明进一步的设置为，降低列车牵引力做功，建立目标函数具体如下：

24、设置目标函数为：

25、式中：e—牵引能耗；μf—牵引力使用系数；s—列车的运行距离；x—列车位置；

26、本发明进一步的设置为，计算列车在运行过程中发车起动速度、进站停车速度、站间运行时间、线路限速和最大加速度具体如下：

27、

28、式中：

29、vline(x)—x位置的线路限速；amax—列车运行允许的最大加速度绝对值；μb—列车制动力系数；tp—列车给定运行时间。

30、本发明进一步的设置为，建立遗传算法节能优化模型具体包括如下：

31、获取输入数据，包括列车性能参数、线路数据、运营数据；

32、线路区间划分，按照线路不同位置的坡度曲率和限速的差异将线路划分为n个固定区间；

33、建立初始化种群，令种群大小为n,初始化种群为p，按照每个区间的能耗和最佳巡航速度划分初始种群对，生成对应的节能状态矩阵为x＝[e1,u1,e2,u2,…,en,un],xi(i＝1,…,n则表示每列车在运行线路上对应的区间i的能耗en和巡航速度。

34、本发明进一步的设置为，对于给定x＝[e1,u1,e2,u2,…,en,un],利用ei和ui反推区间i的最优速度曲线，其方法如下：

35、一、设列车在区间运行的初速度为v0,区间出口限速为vt,区间长度为s,将区间分成n等分，这样在划分后的每个δx内加速度可以认为保持不变，计算列车在加速阶段的速度序列；

36、二、令i＝i+1并重复步骤一当e＝0时且vi<u将停止点记为i＝k,然后进入步骤四；反之当vi＝u且e>0时，则列车转入巡航工况，计算列车在巡航工况的速度序列；

37、

38、f(vi)＝mδ(w(vi)+f(xi))

39、vi+1＝u

40、e＝e-f(vi)δx

41、三、令i＝i+1并重复步骤2直至e＝0,将停止点记为i＝k,进入步骤四；步

42、四、令i＝k+1,r(vi)为基本阻力产生的加速度,g(xi)为附加阻力产生的加速度，并计算列车惰行的速度序列；

43、

44、δx＝xi+1-xi

45、v2＝v2+2a(δx)

46、五、重复步骤四直到列车速度序列与预先计算的速度防护曲线相交，将停止点记为i＝j；

47、六、序列中从i＝j之后的速度，选取预先计算的速度曲线的数值作为最优速度序列；

48、七、根据上述步骤计算的最优速度序列，得出列车在线路上的站间运行时间；

49、

50、构造遗传算法目标函数，并计算个体适应度；

51、

52、本发明进一步的设置为，建立舒适模型，分析乘客的乘坐舒适度具体方法如下：

53、minu＝min{α·δt+β·δs+γ·e}

54、

55、式中，α、β、γ为权重系数，取值范围[0,1],满足α+β+γ＝1；δt为运行时间误差(s)；t为实际运行时间(s)；t为列车运营时刻表所规定的运行时间(s)；δs为运行距离误差(m)；s为实际运行距离(m)；s为两车站间的实际距离(m)，θ为运行时间误差阈值(s)；δ为运行距离阈值(m)，amax为最大加速度限制(m/s2)；α为瞬时加速度(m/s2)；κ为冲击率阈值(m/s3)。

技术特征：

1.一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，具体包括以下步骤：

2.根据权利要求1所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，

3.根据权利要求2所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，列车动力模型构建方法如下：

4.根据权利要求3所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，

5.根据权利要求4所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，降低列车牵引力做功，建立目标函数具体如下：

6.根据权利要求5所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，计算列车在运行过程中发车起动速度、进站停车速度、站间运行时间、线路限速和最大加速度具体如下：

7.根据权利要求6所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，建立遗传算法节能优化模型具体包括如下：

8.根据权利要求7所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，对于给定x＝[e1,u1,e2,u2,…,en,un],利用ei和ui反推区间i的最优速度曲线，其方法如下：

9.根据权利要求8所述的一种基于改进遗传算法的地铁列车节能优化方法，其特征在于，建立舒适模型，分析乘客的乘坐舒适度具体方法如下：

技术总结本发明涉及列车节能优化方法技术领域，具体公开了一种基于改进遗传算法的地铁列车节能优化方法，步骤一，对列车进行受力分析，根据牵引计算公式建立列车动力模型，其中包括计算列车的牵引力、制动力以及阻力；步骤二，在运行区间内，基于列车的运行工况最大加速‑巡航‑惰行‑最大制动的流程，生成速度曲线；步骤三，建立遗传算法节能优化模型，基于遗传算法节能优化模型求解最优速度曲线；步骤四，建立舒适模型，分析乘客的乘坐舒适度，本发明中可以节能优化的同时，也照顾了乘客的体验感。技术研发人员：王晓侃,王琼,李博,冯继营,杜全斌,陈天聪,蔡滢受保护的技术使用者：河南机电职业学院技术研发日：技术公布日：2025/1/6