地鐵列車節(jié)能運(yùn)行惰行控制研究

1、地鐵列車節(jié)能運(yùn)行惰行控制研究地鐵列車節(jié)能運(yùn)行惰行控制研究馬超云毛保華梁肖,等37地鐵列車節(jié)能運(yùn)行惰行控制研究*馬超云毛保華梁肖.丁勇(北京交通大學(xué)城市交通復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室北京100044)(北京交通大學(xué)交通運(yùn)輸學(xué)院.北京100044)摘要惰行可以有效降低地鐵列車能耗,通過選擇合適的惰行點(diǎn)可以實(shí)現(xiàn)列車的節(jié)能運(yùn)行.建立了定時(shí)約束條件下列車節(jié)能運(yùn)行惰行控制優(yōu)化模型,將模型求解的遺傳算法嵌入到城市列車運(yùn)行計(jì)算系統(tǒng)中,實(shí)現(xiàn)了給定線路條件下站間最佳惰行點(diǎn)的自動(dòng)計(jì)算.結(jié)合具體算例對不同站間距離,線路條件,區(qū)間限速,運(yùn)行時(shí)間,惰行次數(shù)等條件下的惰行控制進(jìn)行了仿真研究,給出了各影響因素與惰行控

2、制的關(guān)系.仿真結(jié)果表明,該方法能較好地解決惰行控制優(yōu)化問題,地鐵列車合理的站間運(yùn)行時(shí)間取值,一般在最小運(yùn)行時(shí)間的基礎(chǔ)上增加815比較合適.關(guān)鍵詞惰行控制;節(jié)能;地鐵;列車運(yùn)行計(jì)算中圖分類號:u231.6文獻(xiàn)標(biāo)志碼:adoi:10.3963/j.issn16744861.2010.02.009地鐵是城市公用設(shè)施中的高耗能系統(tǒng),實(shí)現(xiàn)列車節(jié)能運(yùn)行是降低地鐵能耗的重要途徑.惰行是列車在運(yùn)行過程中停止?fàn)恳蛑苿?dòng),只在阻力作用下運(yùn)行的狀態(tài),是1種節(jié)能的操縱方式,地鐵列車在站間運(yùn)行時(shí)盡量采用惰行是最有效的節(jié)能措施之一.從軌道交通運(yùn)輸綜合效益來考慮,在一些非高峰時(shí)段,如果增加的運(yùn)行時(shí)間在可以接受的范圍內(nèi),惰行

3、控制帶來的能耗節(jié)約將會有效地降低軌道交通的運(yùn)營成本.在地鐵列車節(jié)能控制研究方面,國內(nèi)外進(jìn)行了有益的嘗試_1_6_.而關(guān)于惰行控制研究,偏重于惰行點(diǎn)的計(jì)算和優(yōu)化布局.而對于惰行控制影響因素(如站間距離,線路條件,區(qū)間限速,運(yùn)行時(shí)間,惰行次數(shù)等)與惰行控制的關(guān)系研究相對較少.本文在借鑒國內(nèi)外研究成果的基礎(chǔ)上,結(jié)合我國地鐵列車運(yùn)行特點(diǎn),建立了列車節(jié)能運(yùn)行惰行控制優(yōu)化模型,運(yùn)用模型求解的遺傳算法改進(jìn)了城市列車運(yùn)行計(jì)算系統(tǒng)l7,并使用該計(jì)算系統(tǒng)對惰行控制進(jìn)行了仿真研究,得到了不同影響因素下的惰行控制策略.1模型和算法設(shè)計(jì)地鐵列車在站間的運(yùn)行時(shí)間是預(yù)先給定的,由于給定的運(yùn)行時(shí)間總是大于最少運(yùn)行時(shí)間,因而存

4、在著很多滿足運(yùn)行時(shí)間等約束條件的列車運(yùn)行速度曲線,每1條速度曲線,對應(yīng)著1個(gè)列車操縱方式序列,如牽引,惰行,制動(dòng)和1個(gè)能耗值.惰行控制優(yōu)化問題就是選擇最合適的惰行點(diǎn)(惰行開始和結(jié)束的位置),惰行點(diǎn)的選擇將會改變站間列車運(yùn)行的速度曲線,從而產(chǎn)生不同的運(yùn)行時(shí)間和能耗值,通過合理的惰行控制可以使列車能耗有效降低.1.1優(yōu)化模型列車在站間可能惰行1次或多次,對于大多數(shù)的地鐵系統(tǒng),站間距較短,列車在每個(gè)車站都停車.為了研究的方便,本文對于多次惰行的研究只涉及2個(gè)惰行區(qū)段,即列車在站間惰行2次,其惰行運(yùn)行模式如圖1所示.s,s.,s.,s為惰行點(diǎn),列車首先牽引運(yùn)行至s,在ss.之間惰行,從s.再次牽引運(yùn)行

5、至s.,s.s之間惰行,經(jīng)過5后開始制動(dòng)停車.同時(shí),列車可能越過ss.之間的牽引運(yùn)行,從5直接惰行至s后制動(dòng)停車,此時(shí)列車在站間只惰行1次.列車節(jié)能運(yùn)行惰行控制問題可以轉(zhuǎn)化為尋找站間惰行點(diǎn)s(l,2,)的具體位置.優(yōu)化模型假設(shè)列車在站問惰行2次,因而存在4個(gè)惰收稿日期:20100104修回日期:20100310*國家自然科學(xué)基金項(xiàng)目(批準(zhǔn)號:60634010,70971010),北京市教育委員會學(xué)科與研究生教育建設(shè)項(xiàng)目(批準(zhǔn)號:bj200904)資助作者簡介:馬超云(1984),碩士生.研究方向:城市軌道交通列車運(yùn)行控制與仿真.email:0712131638交通信息與安全2010年第2期第2

6、8卷總154期圖1列車站間惰行運(yùn)行模式行點(diǎn),由于城市列車運(yùn)行計(jì)算系統(tǒng)在列車到站停車之前能自動(dòng)判斷開始制動(dòng)的位置,因此不用求解第2次惰行結(jié)束的位置(s4),問題的變量減少至3個(gè)(s1,s2,s3).設(shè)s位置處對應(yīng)的速度為(一1,2,);列車在0s,ss,ss.,s.s4,ss間的運(yùn)行時(shí)間和能耗值分別為,e(一1,2,3,4,5),os站問給定的運(yùn)行時(shí)間為td,列車在0s,ss.,ss間的加速度分別為n(i-1,2,3).惰行控制的優(yōu)化目標(biāo)是在站間運(yùn)行時(shí)間滿足給定運(yùn)行時(shí)間的前提下,實(shí)現(xiàn)列車能耗的最小.列車節(jié)能運(yùn)行惰行控制優(yōu)化模型的目標(biāo)函數(shù)為:minf(a)+p().(1)式中:a為運(yùn)行時(shí)間權(quán)重;口

7、為列車能耗權(quán)重;to為優(yōu)化后的站問運(yùn)行時(shí)間,rain;td為運(yùn)行圖給定的站間運(yùn)行時(shí)間,min;eo為優(yōu)化后的列車運(yùn)行能耗,kw?h;ed為站間列車期望能耗,kw?h.a+一1,a和的取值根據(jù)計(jì)算原則而定,如更注重列車運(yùn)行時(shí)間的節(jié)時(shí)運(yùn)行或注重能耗的節(jié)能運(yùn)行.丁d,ed與線路條件,站間距和列車種類等因素有關(guān).約束條件為:tta(2)sz(3)口ali(4)733(5)51s(6)cf(l,nc,vt,ta,l.,x)(7)上述約束條件中,z為列車自起動(dòng)加速至開始惰行所必需的最短距離i為列車加(減)速度極限,地鐵列車的最大設(shè)計(jì)加速度一般為0.81.0m/s,最大設(shè)計(jì)減加速度為0.6m/s.式(2)為

8、列車站間運(yùn)行時(shí)間必須小于運(yùn)行圖給定時(shí)間,式(5)為牽引的末速度應(yīng)大于初速度,當(dāng)v2一時(shí),列車在站間只惰行1次.式(7)為列車工況轉(zhuǎn)換的約束條件;l為區(qū)間坡度;nc為曲線情況;or為目標(biāo)速度;l為歹i車種類;x為影響確定列車工況的其他因素.1.2模型求解由于遺傳算法在全局搜索的優(yōu)化問題中有很好的效果,本文采用實(shí)數(shù)編碼的遺傳算法求解該問題.惰行點(diǎn)的選擇需要通過列車運(yùn)行計(jì)算來獲取站問運(yùn)行時(shí)間和列車能耗數(shù)據(jù),本文將遺傳算法嵌入到城市列車運(yùn)行計(jì)算系統(tǒng)中,形成了惰行控制優(yōu)化模塊,用以尋找列車在站間的最優(yōu)惰行點(diǎn).算法嵌入后,系統(tǒng)可以在給定線路條件,列車類型,運(yùn)行時(shí)間和能耗的情況下,自動(dòng)計(jì)算站間惰行點(diǎn)的最佳位

9、置.惰行控制優(yōu)化模塊在系統(tǒng)初始化過程完成最佳惰行點(diǎn)的選擇,其設(shè)計(jì)流程如圖2所示.環(huán)系統(tǒng)初始化開始,得到初始的惰行點(diǎn)位置數(shù)據(jù)茬葬舞籀到新的惰行點(diǎn)位置統(tǒng)模擬計(jì)算給定惰行方案列車的運(yùn)行時(shí)問和能耗值根據(jù)計(jì)算得到的運(yùn)行時(shí)間和能耗值計(jì)算適應(yīng)度值<墨竺!>是輸出惰行點(diǎn)的位置(即惰行控制方案),初始化結(jié)束成該惰行控制方案下的列萎行計(jì)算,得到相應(yīng)運(yùn)行指圖2惰行控制優(yōu)化模塊設(shè)計(jì)流程系統(tǒng)通過計(jì)算,可以輸出遺傳算法每一代的最大適應(yīng)度,平均適應(yīng)度以及最大適應(yīng)度對應(yīng)的惰行點(diǎn)位置,輸出最優(yōu)惰行控制方案的運(yùn)行時(shí)間,能耗和列車運(yùn)行記錄數(shù)據(jù),并生成速度一距離曲線,時(shí)間一距離曲線等.?2仿真算例運(yùn)用優(yōu)化后的城市列車運(yùn)行

10、計(jì)算系統(tǒng),結(jié)合具體算例對算法的有效性進(jìn)行了驗(yàn)證,仿真結(jié)果能夠滿足優(yōu)化目標(biāo)的要求.2.1仿真參數(shù)1)線路條件.ab站間距離1200m,站間為平坡道,列車限速80km/h.2)列車情況.編組方式為地鐵機(jī)車牽引,列車長度143m,牽引重量3376kn.地鐵列車節(jié)能運(yùn)行惰行控制研究馬超云毛保華梁肖,等393)列車運(yùn)行參數(shù)設(shè)定.站間給定運(yùn)行時(shí)間9os,運(yùn)行時(shí)間和能耗的權(quán)重值各取0.5.4)遺傳算法中參數(shù)的取值.經(jīng)過試算和結(jié)果分析,設(shè)定初始種群大小為30,交叉概率為0.8,變異概率為0.05,最大迭代次數(shù)為150.2.2仿真結(jié)果遺傳算法計(jì)算的各代種群平均適應(yīng)度與最大適應(yīng)度的變化曲線如圖3所示.從圖3中可見

11、,最大適應(yīng)度在第66代從23.22突變到7o.11,此后一直維持不變;平均適應(yīng)度從第66代開始遞增,在第75代達(dá)到最大值,此后保持穩(wěn)定,其取值在67.50附近波動(dòng),因此將最大迭代次數(shù)設(shè)為150,能夠滿足優(yōu)化目標(biāo)的精度要求.7800迭代次數(shù)e垂垂至三亟圖3適應(yīng)度值變化曲線經(jīng)過優(yōu)化,ab站間運(yùn)行時(shí)間是89s,與圖定時(shí)間相比,列車早點(diǎn)1s,算法可以滿足列車定時(shí)運(yùn)行的時(shí)間要求.表1給出了節(jié)時(shí)模式和優(yōu)化后定時(shí)模式下的列車運(yùn)行指標(biāo),節(jié)時(shí)模式是列車在站間以全速牽引的方式運(yùn)行,該模式下列車的控制方案如圖4所示,節(jié)時(shí)模式下列車以牽引一制動(dòng)工況運(yùn)行,站間不進(jìn)行惰行,運(yùn)行時(shí)間最短.1o09o80f,7o6og504

12、o3020lo0表1節(jié)時(shí)模式和優(yōu)化后定時(shí)模式下列車運(yùn)行指標(biāo)比較表1的數(shù)據(jù)表明,優(yōu)化后的惰行控制方案與節(jié)時(shí)模式下的運(yùn)行方案相比,列車能耗下降了58.439,6,而運(yùn)行時(shí)間只延長了11.25%,可見,惰行有利于列車能耗的降低,遺傳算法優(yōu)化的結(jié)果較好.為了進(jìn)一步驗(yàn)證算法的有效性,將優(yōu)化前后定時(shí)模式下的列車惰行控制方案進(jìn)行對比,相應(yīng)的惰行控制方案如圖5所示.本算例中,ab站間距短(1200m),雖然程序中設(shè)計(jì)的是2次惰行,但優(yōu)化后的結(jié)果中站間只有1次惰行(s.與s.重合),如圖5(b)所示.表2給出了優(yōu)化前后定時(shí)模式下的列車運(yùn)行指標(biāo).表2優(yōu)化前后定時(shí)模式下的列車運(yùn)行指標(biāo)比較運(yùn)行模式運(yùn)行惻s(k優(yōu)化前8

13、9優(yōu)化后8926.4192.8568.9595.1997.723.5183.11073.190;601(a)優(yōu)化前的惰行控制方案圖5優(yōu)化前后定時(shí)模式下的列車惰行控制方案對比表2的數(shù)據(jù)表明,經(jīng)過算法優(yōu)化,惰行開始和結(jié)束的位置都向線路兩端延長,惰行距離增加,相應(yīng)的牽引運(yùn)行距離減少.在站間運(yùn)行時(shí)間相同的情況下,優(yōu)化后的惰行控制方案與優(yōu)化前相比,能耗降低了10.99.由此可見,本文設(shè)計(jì)的遺傳算法能較好地解決惰行點(diǎn)優(yōu)化布局問題,達(dá)到了預(yù)期的優(yōu)化目標(biāo).3不同影響因素下的惰行控制站間距離,線路條件,區(qū)間限速和運(yùn)行時(shí)問是影響惰行控制方案的主要因素,為了更好地實(shí)施惰行控制策略,有必要對這4個(gè)因素進(jìn)行具體分析,找

14、出它們與惰行控制的關(guān)系.本文運(yùn)用遺傳算法優(yōu)化后的城市列車運(yùn)行計(jì)算系統(tǒng)對此進(jìn)行仿真研究.3.1站間距離站間距離是2個(gè)車站中心線之間的距離,它的如加0一.g/40交通信息與安全2olo年第2期第28卷總154期列車站問惰行的次數(shù)有重要影響.本文選取了短距離,中距離,長距離3種類型的站間距,對應(yīng)的長度分別為1.2,2.6和4.5km,為了簡化計(jì)算,這里采用平坡道.算法中參數(shù)的取值見表3,給定運(yùn)行時(shí)間的取值分別在最小運(yùn)行時(shí)問的基礎(chǔ)上增加1o-20,表中未列出參數(shù)的值與2.1節(jié)中的取值相同.表3不同站間距時(shí)的參數(shù)取值經(jīng)過系統(tǒng)仿真計(jì)算,3種站間距對應(yīng)的惰行控制指標(biāo)見表4.表4不同站間距時(shí)的惰行控制指標(biāo)站間

15、運(yùn)行時(shí)惰行能耗/墮皇垡墨距/m間/s距離/m(kw?h)s1s2s3s412008991o.723.526001722lo3.934.745002653920.242.7通過表4比較發(fā)現(xiàn),站間距較小時(shí),惰行1次有利于列車的節(jié)能運(yùn)行,隨著站間距的增大,惰行次數(shù)相應(yīng)增加,對于長站間距,列車以牽引一惰行對運(yùn)行有利于能耗的節(jié)約.站間距越短,惰行開始的時(shí)機(jī)就越早,惰行起始點(diǎn)的位置距出發(fā)站就越近.惰行的比例在整個(gè)列車運(yùn)行中約占80,站間距增大時(shí),相應(yīng)的惰行控制比例也隨之增大.3.2線路條件線路條件包括線路的坡度,曲線,隧道等,它也是影響惰行控制的1個(gè)重要因素.為了減小問題的復(fù)雜程度,本文只研究線路的坡度與

16、惰行控制的關(guān)系.線路各區(qū)段的坡度情況如表5,線路長度為1200m,算法中其他參數(shù)的取值同2.1節(jié)中的算例.表6給出了經(jīng)過系統(tǒng)仿真計(jì)算后,不同坡度時(shí)的惰行控制指標(biāo).表5線路坡度表負(fù)值為下坡坡度,正值為上坡坡度)表6不同坡度時(shí)的惰行控制指標(biāo)從表6中可以看出,在定時(shí)運(yùn)行條件下,經(jīng)過算法的優(yōu)化,3種坡度條件下的運(yùn)行時(shí)間基本相同;能耗方面,上坡時(shí)消耗的能量最多,平坡次之,下坡時(shí)最少,這是因?yàn)樯掀聲r(shí)需要較長時(shí)間的牽引,而下坡時(shí)借助坡道,可以充分利用列車的有效動(dòng)能,減少牽引時(shí)間.列車在下坡道運(yùn)行時(shí),惰行開始和結(jié)束的時(shí)機(jī)(即開始施加制動(dòng))最早,列車在站間惰行2次;在上坡道運(yùn)行時(shí),開始和結(jié)束惰行的時(shí)機(jī)最晚,列車

17、在站間只惰行1次;在平坡運(yùn)行時(shí),惰行開始和結(jié)束的時(shí)機(jī)介于下坡和上坡之間,列車在站間惰行1次.在下坡道上,利用勢能,列車可以在較短的時(shí)間內(nèi)運(yùn)行至某一速度后開始惰行,下坡道惰行時(shí)列車速度會增大,站間惰行2次避免了不必要的制動(dòng),減少了列車有效動(dòng)能的損失;在上坡道,列車需要牽弓i運(yùn)行至某一較高的速度后才能開始惰行,牽引運(yùn)行時(shí)的耗電量多;在上坡道列車所受的阻力較大,制動(dòng)距離較下坡道一般偏小,因此,惰行結(jié)束的時(shí)機(jī)較晚.3.3區(qū)間限速區(qū)間限速是指由于區(qū)間線路條件的限制,列車所允許運(yùn)行的最大速度.它也會對惰行控制產(chǎn)生影響.這里仍取2.1節(jié)中算例的各項(xiàng)參數(shù),同時(shí)加入?yún)^(qū)間工程限速,如表7.系統(tǒng)仿真計(jì)算后的惰行控制

18、指標(biāo)見表8.表7區(qū)間工程限速表表8區(qū)間不同限速條件下的惰行控制指標(biāo)比較從表8可以看出,對于算例給出的短站間距,在站間運(yùn)行時(shí)間相同的情況下,當(dāng)區(qū)間有多個(gè)限速(低限速)時(shí),惰行開始的時(shí)機(jī)相對于單一限速提前,惰行次數(shù)增加到2次,能耗值增加24.46.由于站間有一段低限速,列車需提前結(jié)束牽引開始惰行,以避免速度超過限速值,在低限速區(qū)段結(jié)束之后,為了恢復(fù)站間正常運(yùn)行時(shí)間,列車再1次牽引以提高速度,并在停車制動(dòng)前惰行.由蛾黜呱拗黜地鐵列車節(jié)能運(yùn)行惰行控制研究馬超云毛保華梁肖,等41于牽引時(shí)間增加,列車能耗值上升.在能耗相差不大的情況下,當(dāng)區(qū)間有多個(gè)限速時(shí),其相應(yīng)的惰行控制指標(biāo)見表9.表9區(qū)間不同限速條件下

19、的惰行控制指標(biāo)比較從表9可以看出,同一站間在能耗相當(dāng)?shù)那闆r下,當(dāng)存在多個(gè)限速時(shí),列車的運(yùn)行時(shí)間將延長,惰行開始的時(shí)機(jī)將提前,同時(shí)惰行的距離和次數(shù)會增加.3.4運(yùn)行時(shí)間列車在站間運(yùn)行時(shí),不同的運(yùn)行時(shí)間所對應(yīng)的惰行控制方案是不同的,相應(yīng)的能耗值也會有差異.站間距取為2600m,區(qū)間為平坡道,給定的站間運(yùn)行時(shí)間分別為154,172和193s,其他參數(shù)的取值同2.1節(jié)中的算例,相應(yīng)的惰行控制指標(biāo)見表10.表1o不同運(yùn)行時(shí)間下的惰行控制指標(biāo)運(yùn)行時(shí)間/s惰行能耗/距離/m(kw?h)s惰行點(diǎn)位置/ms2s3s4l54l96.439.3320.9l540.1l649.z239.41722103.934.72

20、20.41676.71787.92435.51932223.626.2166.71871.11914.62487.8從表10中看出,運(yùn)行時(shí)間的延長將帶來能耗的降低.站間標(biāo)準(zhǔn)運(yùn)行時(shí)間取為154s,當(dāng)運(yùn)行時(shí)間增加11.7時(shí),能耗下降11.75;運(yùn)行時(shí)問增加25.3時(shí),能耗下降33.44.同時(shí),運(yùn)行時(shí)間延長,對應(yīng)的惰行距離將增加,惰行開始的時(shí)機(jī)提前,結(jié)束的時(shí)機(jī)延后.3.5惰行次數(shù)站間距離和運(yùn)行時(shí)間對惰行次數(shù)有重要的影響,惰行次數(shù)直接影響列車運(yùn)行的能耗,對它們之間的關(guān)系需要進(jìn)行分析.3.5.1站間距離較小時(shí)的惰行次數(shù)站間距離取1200m,其他參數(shù)的設(shè)置同2.1節(jié).列車在站問惰行1次和惰行2次的運(yùn)行指標(biāo)

21、見表11.地鐵列車節(jié)能運(yùn)行模擬系統(tǒng)中設(shè)定的惰行次數(shù)是2次,但優(yōu)化后的仿真結(jié)果中,只有1次惰行;同時(shí),在站問運(yùn)行時(shí)間相同的情況下,惰行2次時(shí),列車的能耗將增加18.41,由此可見,站間距離較短時(shí),惰行1次效果更好.當(dāng)站間距較小時(shí),站間沒有足夠的空間來布設(shè)多個(gè)惰行點(diǎn),此時(shí)惰行1次比惰行(n2)次更有利于降低列車能耗.表ll不同惰行次數(shù)下的列車運(yùn)行指標(biāo)比較3.5.2站間距較長時(shí)的惰行次數(shù)站間距離取為2600m,給定運(yùn)行時(shí)間為152s,其他參數(shù)的設(shè)置同3.4節(jié).列車在站問惰行一次和惰行2次的運(yùn)行指標(biāo)見表12.表12不同惰行次數(shù)下的列車運(yùn)行指標(biāo)惰行次數(shù)運(yùn)ih行/時(shí)s能耗/墮堡皇篁墨竺(kw?h)sls2

22、s3s4對于2600m的站間距,站間最短運(yùn)行時(shí)間為144s;在惰行1次的所有方案中,本例中所取的是運(yùn)行時(shí)間最少的1個(gè),即153s.從表12中可以看出,惰行1次與惰行2次相比,在運(yùn)行時(shí)間相差1s的(相對差值為0.65)情況下,能耗將下降1o.55,即列車惰行1次的能耗更低.但是在站問運(yùn)行時(shí)間比較緊的情況下,惰行1次無法滿足運(yùn)行時(shí)間的要求.根據(jù)以上分析結(jié)果可以得到:在平直道線路和區(qū)間無低限速的條件下,如果給定運(yùn)行時(shí)間相對充裕,無論站間距長短惰行1次都比惰行2次節(jié)能效果更好.但是列車惰行1次的運(yùn)行時(shí)間相對較長,有時(shí)不能滿足實(shí)際需要.最短運(yùn)行時(shí)間條件下列車惰行1次的控制策略相對固定,就是首先列車牽引到

23、限速值,然后一直惰行,直到接近車站制動(dòng)停車.表13是不同站間距的最小運(yùn)行時(shí)間與惰行1次最小運(yùn)行時(shí)問的比較.表13不同站間距的最小運(yùn)行時(shí)間與惰行一次最小運(yùn)行時(shí)間從表13中可以看出:在站間距較短(1200m)的情況下,站間最小運(yùn)行時(shí)間與惰行1次的最小時(shí)差很小,即當(dāng)間距較短時(shí),無論給定運(yùn)行時(shí)間是否充裕,列車都應(yīng)采用惰行1次的控制方法;當(dāng)站間距較長(4500m)時(shí),雖然惰行1次時(shí)能耗較低,但運(yùn)行時(shí)間過長,不能滿足站間運(yùn)行時(shí)間的要求,這是因?yàn)閰^(qū)間圖定運(yùn)行時(shí)間很少會比最小運(yùn)行時(shí)間大20以上,因此站間距較長時(shí),列車可42交通信息與安全2010年第2期第28卷總154期以采用惰行2次及其以上的控制方法;當(dāng)站間

24、距屬于中等距離(2600m)時(shí),需要根據(jù)運(yùn)行時(shí)間確定惰行次數(shù),運(yùn)行時(shí)間較緊時(shí)列車必須采用惰行2次的控制方法,運(yùn)行時(shí)間較充裕時(shí)(運(yùn)行時(shí)間相對延長比例大于6.25)列車采用惰行1次的控制方法節(jié)能效果更好.在確定地鐵列車合理的站問運(yùn)行時(shí)間時(shí),既要考慮到運(yùn)行速度,也要考慮到運(yùn)行成本,通過本節(jié)的分析,其取值一般在最小運(yùn)行時(shí)間的基礎(chǔ)上增加8%15會比較合適,這樣可以保證在較快運(yùn)行速度的情況下,盡可能地節(jié)約列車運(yùn)行能耗.4結(jié)論1)當(dāng)站間距較短時(shí),列車應(yīng)采用惰行1次的控制方法;當(dāng)站間距較長時(shí),可以采用惰行2次及以上的控制方法,以牽引一惰行對運(yùn)行.2)列車在下坡道運(yùn)行時(shí),惰行開始和結(jié)束的時(shí)機(jī)與其在上坡道運(yùn)行時(shí)相

25、比要早.3)同一站問在能耗相當(dāng)?shù)那闆r下,當(dāng)存在多個(gè)限速時(shí),列車的運(yùn)行時(shí)間將延長,惰行開始的時(shí)機(jī)將提前,同時(shí)惰行的距離和次數(shù)會增加.4)列車站間運(yùn)行時(shí)間取值一般在最小運(yùn)行時(shí)間的基礎(chǔ)上增加815比較合適.運(yùn)行時(shí)間的延長將帶來能耗的降低.運(yùn)行時(shí)間延長,惰行開始的時(shí)機(jī)提前,結(jié)束的時(shí)機(jī)延后.參考文獻(xiàn)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.基于遺傳算法的列車節(jié)能控制研究j.系統(tǒng)仿真,2007,19(2):3843875劉海東,毛保華,丁勇,等.城市軌道交通列車節(jié)能問題及方案研究j.交通運(yùn)輸系統(tǒng)工程與信息,2

27、007,7(5):68-73e6丁勇.列車運(yùn)行計(jì)算與操縱優(yōu)化模擬系統(tǒng)的研究d.北京:北京交通大學(xué),20047毛保華,何天健,袁振洲,等.通用列車運(yùn)行模擬軟件系統(tǒng)研究fj.鐵道,2000,22(1):168王小平,曹立明.遺傳算法理論,應(yīng)用與軟件實(shí)現(xiàn)m.西安:西安交通大學(xué)出版社,2002coastcontrolofurbantrainmovementforenergyefficiencymachaoyun?.maobaohua,.liangxiao,dingyong.(moekeylaboratoryforurbant7一nsp0r口0complexsystemstheoryandtechnology,beijingjiaotonguniversity,beijing100044,china)(schooloftrafficandtranspor