高速列車節(jié)能運行優(yōu)化關鍵技術及算法研究.pdf

1、高速列車節(jié)能運行優(yōu)化是實現(xiàn)高速鐵路良好可持續(xù)發(fā)展的重要研究課題，作為一個交叉性學科，其涉及面較廣，過程復雜，對其求解極為困難。目前對于高速列車運行過程的數(shù)學建模及優(yōu)化算法均存在多方面亟待解決的問題，本課題以“研究出一種能夠為單列及多列高速列車在不同的運行條件下提供精確的、實時的、靈活的節(jié)能運行操縱策略的方法和系統(tǒng)”為目標，針對高速列車節(jié)能運行優(yōu)化所涉及的問題展開深入研究。
　　研究內(nèi)容主要包括以下幾個方面:
　　(1)深入研

2、究影響高速列車運行能耗的關鍵因素及能耗計算精度的主要因素。本文在單質(zhì)點列車模型的基礎上，建立了多質(zhì)點的列車模型;提出了高速列車運行過程中牽引供電計算模型的改進方法;對高速列車運行過程過電分相的狀態(tài)變化進行分析和建模，精確計算列車過電分相對速度及能耗的影響;設計了將列車運行仿真技術與智能優(yōu)化算法相結(jié)合的高速列車節(jié)能運行優(yōu)化平臺，從而使列車運行過程中的精確計算與列車節(jié)能操縱策略的優(yōu)化全面且有機地結(jié)合。
　　(2)針對高速列車運行具有多

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

4、兩點交叉算子(Crossover Operator, CO)。在對MGPGA進行求解時，根據(jù)MGPGA的進化情況采取自適應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)對移動閉塞系統(tǒng)下兩列高速列車節(jié)能運行的追蹤策略進行深入研究，提出了高速列車運行時在受到不確定因素影響下的實時優(yōu)化的方案。同時，針對優(yōu)化算法在高復雜度狀態(tài)下的實時性問題，提出了基于個體

5、修復算子的多種群并行遺傳算法(Repair Operator based Multi Population Genetic Algorithm，RMPGA)。其中，該修復算子可以對遺傳算法(Genetic Algorithm，GA)初期階段產(chǎn)生的較多非優(yōu)個體進行不同程度的修復，極大地提高了算法收斂速度，保證列車的實時運行優(yōu)化。同時針對列車復雜多變的運行環(huán)境，對優(yōu)化算法的觸發(fā)條件進行詳細設計，保證了算法的健壯性。
　　(4)將高速列

6、車節(jié)能運行優(yōu)化的目標擴展到多列高速列車，即高密度列車群。首次采用禁忌-多種群并行遺傳算法對列車群在移動閉塞系統(tǒng)下追蹤運行的節(jié)能運行方案運行優(yōu)化。針對列車群的節(jié)能運行優(yōu)化存在規(guī)模大、復雜度高的問題，該混合算法將具有較強局部領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)列車群運行優(yōu)化的特點提出了偽多點的交