高速列車節(jié)能運(yùn)行優(yōu)化關(guān)鍵技術(shù)及算法研究.pdf

1、高速列車節(jié)能運(yùn)行優(yōu)化是實(shí)現(xiàn)高速鐵路良好可持續(xù)發(fā)展的重要研究課題，作為一個(gè)交叉性學(xué)科，其涉及面較廣，過(guò)程復(fù)雜，對(duì)其求解極為困難。目前對(duì)于高速列車運(yùn)行過(guò)程的數(shù)學(xué)建模及優(yōu)化算法均存在多方面亟待解決的問(wèn)題，本課題以“研究出一種能夠?yàn)閱瘟屑岸嗔懈咚倭熊囋诓煌倪\(yùn)行條件下提供精確的、實(shí)時(shí)的、靈活的節(jié)能運(yùn)行操縱策略的方法和系統(tǒng)”為目標(biāo)，針對(duì)高速列車節(jié)能運(yùn)行優(yōu)化所涉及的問(wèn)題展開(kāi)深入研究。
　　研究?jī)?nèi)容主要包括以下幾個(gè)方面:
　　(1)深入研

2、究影響高速列車運(yùn)行能耗的關(guān)鍵因素及能耗計(jì)算精度的主要因素。本文在單質(zhì)點(diǎn)列車模型的基礎(chǔ)上，建立了多質(zhì)點(diǎn)的列車模型;提出了高速列車運(yùn)行過(guò)程中牽引供電計(jì)算模型的改進(jìn)方法;對(duì)高速列車運(yùn)行過(guò)程過(guò)電分相的狀態(tài)變化進(jìn)行分析和建模，精確計(jì)算列車過(guò)電分相對(duì)速度及能耗的影響;設(shè)計(jì)了將列車運(yùn)行仿真技術(shù)與智能優(yōu)化算法相結(jié)合的高速列車節(jié)能運(yùn)行優(yōu)化平臺(tái)，從而使列車運(yùn)行過(guò)程中的精確計(jì)算與列車節(jié)能操縱策略的優(yōu)化全面且有機(jī)地結(jié)合。
　　(2)針對(duì)高速列車運(yùn)行具有多

3、目標(biāo)、大滯后及非線性的特點(diǎn)，在建立高速列車仿真計(jì)算模型的基礎(chǔ)上，對(duì)單列高速列車節(jié)能運(yùn)行操縱策略進(jìn)行優(yōu)化。首次將列車過(guò)電分相區(qū)采取惰行工況的實(shí)際情況進(jìn)行考慮，構(gòu)建了以能耗、運(yùn)行時(shí)間、停車精確度為目標(biāo)的節(jié)能運(yùn)行控制模型，提出了一種多種群并行遺傳算法(Multi-Group Parallel Genetic Algorithm，MGPGA)進(jìn)行求解。以實(shí)矩陣編碼的變長(zhǎng)染色體設(shè)計(jì)滿足列車操縱工況轉(zhuǎn)換次數(shù)及位置可變的需求，同時(shí)提出不同長(zhǎng)度染色體的

4、兩點(diǎn)交叉算子(Crossover Operator, CO)。在對(duì)MGPGA進(jìn)行求解時(shí)，根據(jù)MGPGA的進(jìn)化情況采取自適應(yīng)的交叉概率和變異概率以提高算法全局搜索能力及收斂速度。提出了一種基于動(dòng)態(tài)遷移率的子種群間移民策略，有效地避免早熟現(xiàn)象。
　　(3)對(duì)移動(dòng)閉塞系統(tǒng)下兩列高速列車節(jié)能運(yùn)行的追蹤策略進(jìn)行深入研究，提出了高速列車運(yùn)行時(shí)在受到不確定因素影響下的實(shí)時(shí)優(yōu)化的方案。同時(shí)，針對(duì)優(yōu)化算法在高復(fù)雜度狀態(tài)下的實(shí)時(shí)性問(wèn)題，提出了基于個(gè)體

5、修復(fù)算子的多種群并行遺傳算法(Repair Operator based Multi Population Genetic Algorithm，RMPGA)。其中，該修復(fù)算子可以對(duì)遺傳算法(Genetic Algorithm，GA)初期階段產(chǎn)生的較多非優(yōu)個(gè)體進(jìn)行不同程度的修復(fù)，極大地提高了算法收斂速度，保證列車的實(shí)時(shí)運(yùn)行優(yōu)化。同時(shí)針對(duì)列車復(fù)雜多變的運(yùn)行環(huán)境，對(duì)優(yōu)化算法的觸發(fā)條件進(jìn)行詳細(xì)設(shè)計(jì)，保證了算法的健壯性。
　　(4)將高速列

6、車節(jié)能運(yùn)行優(yōu)化的目標(biāo)擴(kuò)展到多列高速列車，即高密度列車群。首次采用禁忌-多種群并行遺傳算法對(duì)列車群在移動(dòng)閉塞系統(tǒng)下追蹤運(yùn)行的節(jié)能運(yùn)行方案運(yùn)行優(yōu)化。針對(duì)列車群的節(jié)能運(yùn)行優(yōu)化存在規(guī)模大、復(fù)雜度高的問(wèn)題，該混合算法將具有較強(qiáng)局部領(lǐng)域搜索能力的禁忌算法(Tabu Search，TS)與具有全局優(yōu)化能力的并行遺傳算法結(jié)合，引入TS作為MPGA的變異算子(TS-MutationOperator, TSMO)，并根據(jù)列車群運(yùn)行優(yōu)化的特點(diǎn)提出了偽多點(diǎn)的交