• 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

基于改进DE的城轨列车节能速度曲线研究

聂莹莹, 谢刚, 郭彦宏, 董渠江

聂莹莹, 谢刚, 郭彦宏, 董渠江. 基于改进DE的城轨列车节能速度曲线研究[J]. 铁路计算机应用, 2020, 29(11): 30-35.
引用本文: 聂莹莹, 谢刚, 郭彦宏, 董渠江. 基于改进DE的城轨列车节能速度曲线研究[J]. 铁路计算机应用, 2020, 29(11): 30-35.
NIE Yingying, XIE Gang, GUO Yanhong, DONG Qujiang. Research on energy saving speed curve of urban rail train based on improved differential evolution algorithm[J]. Railway Computer Application, 2020, 29(11): 30-35.
Citation: NIE Yingying, XIE Gang, GUO Yanhong, DONG Qujiang. Research on energy saving speed curve of urban rail train based on improved differential evolution algorithm[J]. Railway Computer Application, 2020, 29(11): 30-35.

基于改进DE的城轨列车节能速度曲线研究

基金项目: 中国铁路总公司科技研究开发计划课题(N2018G062,K2018G011)
详细信息
    作者简介:

    聂莹莹,在读硕士研究生

    谢 刚,在读博士研究生

  • 中图分类号: U231.7 : TP39

Research on energy saving speed curve of urban rail train based on improved differential evolution algorithm

  • 摘要: 采用改进交叉策略的差分进化(DE,Differential Evolution)算法,研究城轨列车节能优化的速度曲线生成。该算法以起点到目标停车点的距离和工况状态值作为个体基因,基于改进交叉策略,结合工况转换原则,对变异后的个体基因进行有效化处理。建立末速度、停车位置误差、运行时间和牵引能耗的评价模型,在满足安全运行和舒适度要求下生成最优列车自动运行(ATO,Automatic Train Operation)速度曲线。经数据仿真测试,牵引能耗为28.8 kw·h。生成的速度曲线,在准时到达的前提下,具有较好的节能效果,对城市轨道交通的列车节能优化运行研究具有一定的参考价值。
    Abstract: This paper used Differential Evolution (DE) algorithm with improved crossover strategy to study the generation of speed curve for energy-saving optimization of urban rail transit trains. The algorithm took the distance from the starting point to the target parking point and the condition value as individual genes. Based on the improved crossover strategy, combined with the principle of working condition conversion, the mutated individual genes were effectively processed. The paper established evaluation model of terminal speed, parking position error, running time and traction energy consumption, and generated the optimal Automatic Train Operation (ATO) speed curve under the requirements of safe operation and comfort. Through the data simulation test, the traction energy consumption is 28.8 kw·h. Under the premise of arriving on time, the generated speed curve has good energy-saving effect, which has certain reference value for the research on energy-saving optimization operation of urban rail transit.
  • 安全是铁路运输管理永恒的主题,也是当前铁路大数据应用的研究热点之一[1-3]。供电设备对保障铁路运输安全具有重要作用,接触网、变电所、作业车等重点设备的预警分析和风险研判一直是供电部门日常安全管理的重点工作,不少学者也对铁路供电设备的风险分析、评估及状态监测展开研究。程学庆等人[4]提出结合定性与定量分析的供电系统风险评估方法,王开铭[5]进行牵引变电所可靠性分析和风险评估,张克永[6]提出建立供电安全检测监测体系,李耀云等人[7]对供电设备质量状态进行分析。

    本文结合中国铁路太原局集团有限公司(简称:太原局集团公司)所属供电部、供电段、各车间的安全管理需求,开展铁路局集团公司供电设备安全综合分析系统(简称:系统)的研究与开发,以支持对供电设备实施精准的安全管控,提高安全管理效能,保障铁路供电设备的运营安全。

    依托铁路数据服务平台,在实现供电设备安全管理相关数据的汇集与共享的基础上,开发铁路局集团公司供电设备安全综合分析系统,以接触网设备、变电所设备、作业车设备为重点,运用数据分析技术,提供便捷、高效的供电设备安全综合分析信息化手段,指导供电部门实施精准的供电设备安全管控,提升供电设备安全管理效率和水平,促进供电设备安全管理的标准化与规范化。

    铁路局集团公司供电设备安全综合分析系统包括数据源、平台层、应用层、用户层,以及相关标准体系和保障体系,系统总体框架如图1所示。

    图  1  系统总体框架示意

    (1)数据源为铁路局集团公司既有系统可提供的相关数据,主要包括供电设备基本台账、检测数据、报警数据、隐患数据、故障数据等。

    (2)平台层依托太原局集团公司的铁路数据服务平台,实现基础数据管理、数据集成、数据共享、数据清洗、大数据存储与分析。

    (3)应用层主要包括供电设备管理综合分析、接触网设备安全分析、变电所设备安全分析、作业车设备安全分析等应用功能。

    (4)用户层主要包括铁路局集团公司领导决策层、安全监察室、供电部和各供电段。

    (5)标准体系包括信息采集与分类规范和服务提供规范,规定数据采集与共享的接口内容与实现方式,描述系统提供的数据服务与应用服务接口,以及系统安全等级防护要求,提供信息集成和综合应用的基础技术条件。

    (6)保障体系包括系统管理、运用和维护的相关管理制度与人员组织保证,明确数据分析、运用与考核流程及岗位职责,确保系统建成后能够正常运用和发挥实效。

    系统目前的数据源主要来自太原局集团有限公司所属的太原供电段生产综合信息管理系统、侯马北供电段生产综合信息管理系统、大同西供电段生产信息管理系统、铁路供电安全检测监测数据处理中心、牵引供电智能化管理系统、供电安全检测监测系统(简称:6C)数据处理中心、接触网作业车运用安全管理系统。

    接触网基本台账数据主要包括:支柱号、铁路局集团公司名称、站段名称、车间名称、运行工区、维修工区、线名、行别、公里标、股道、锚段号、导高、拉出值、接触线高度、隔离开关、关节式分段/分相、器件式分段/分相、接触网悬挂锚段、避雷器、绝缘子、27.4 kv电缆、补偿装置等;

    接触网设备安全数据主要包括:动态检测设备缺陷数据、6C检测设备缺陷数据、静态巡检数据、检查维修数据、安全隐患数据、事故故障数据和寿命管理数据。

    变电所基本台账数据主要包括:所亭编号、铁路局集团公司名称、站段名称、车间名称、班组名称、所亭名称、供电范围、供电方式、线名、线路类型、占地总面积、所亭公里标、电化开通日期、进线电压等级、变压器、断路器、隔离开关、电流互感器、电压互感器、综自保护装置、避雷器等。

    变电所设备安全数据主要包括:实时报警数据、日常巡视数据、年度检修数据、年度试验数据、安全隐患数据、安全考核数据和事故故障数据。

    作业车基本台账数据主要包括:车辆编号、铁路局集团公司名称、配属段、车辆名称、规格型号、车辆状态、车辆照片、有无动力、出厂日期、出厂序号、外形尺寸、固定资产号、生产厂家、投运日期、接触网作业车类型等。

    作业车设备安全数据主要包括:使用效率数据、维修保养数据、运用质量数据、出勤退勤数据、安全隐患数据、安全发牌数据和事故故障数据。

    主要包括基础字典信息,如铁路线名、行别、安全隐患类型、安全隐患等级、安全考核类型、安全考核等级、事故故障类型、事故故障等级、设备缺陷类型、设备缺陷等级、作业车车型、GIS基础数据,以及单位名称字典、站段名称、车间名称、工区名称等。

    分析供电专业重点设备的安全管理状况,对所属站段和线路的安全指标进行排名,以便指导制定及时有效的安全防控措施。

    (1)接触网设备安全管理分析:从动态检测、6C检测、静态巡检、检查维修、安全隐患、事故故障、寿命管理等方面,对各站段、线路的安全管理状况进行分析和排名。

    (2)变电所设备安全管理分析:根据变压器、断路器、隔离开关、电流互感器、电压互感器、综自保护装置、避雷器等变电所设备关键部件的监测报警和缺陷,对各站段的安全管理状况进行分析和排名。

    (3)作业车设备安全管理分析:从作业车设备的使用效率、维修保养、运用质量、安全隐患、事故故障、出勤退勤等方面,对各站段的安全管理状况进行分析和排名。

    以接触网单支柱为设备单元,建立接触网设备安全评价指标体系,对各站段、线路的接触网设备进行安全评价,确定实施精准盯控的问题。

    (1)接触网安全电子地图:可在GIS地图上查询各线路上不合格支柱分布情况,以及单个支柱设备安全状态评价结果。

    (2)接触网安全综合分析:分析接触网单个支柱的基本信息、主要部件、各维度评分结果、历史缺陷占比等,自动统计动态检测、6C检测、静态检测、检查维修、安全隐患、事故故障、寿命管理等多方面的安全评价指标,记录安全评分。

    以单个变电所作为安全评估单元,建立基于变压器、断路器、隔离开关、电流互感器、电压互感器、综自保护装置、避雷器等主要部件的安全评估,从日常巡检、年度检修、年度试验、安全隐患、事故故障、寿命管理等多个方面进行安全分析。

    (1)变电所安全电子地图:在GIS电子地图上分段别、分线别综合查询变电所的各类相关信息,标注出存在缺陷问题的变电所。

    (2)变电所安全综合分析:从日常巡检、年度检修、年度试验、安全隐患、事故故障、寿命管理等方面对变电所开展安全评估,分析不同类型缺陷和报警占比,给出管辖范围内重点盯控的变电所。

    以单个作业车作为安全评估单元,建立作业车安全评价指标体系,对作业车设备管理、运用、维护进行安全评价,帮助安全管理部门确定应重点盯控的问题。

    (1)作业车安全电子地图:利用采集的作业车位置信息,可在GIS电子地图上实时显示在线作业车的作业位置,追踪作业车运行轨迹,方便供电部、各供电段掌握作业车的作业动态。

    (2)作业车安全综合分析:建立基于作业车基本信息、使用记录、维修保养、安全隐患、事故故障、寿命质量等多方面的作业车安全评价指标,提供分供电段、分车间的作业车信息综合查询,给出安全管理不合格、应重点盯控的作业车。

    通过汇集接触网、变电所、作业车等设备单元的基本台账、6C检测数据、设备缺陷数据、安全隐患数据、安全发牌数据、事故故障数据等,建立接触网支柱、变电所、作业车的安全管理画像分析模型。该模型结合直接获取、按规则计算、基于神经网络的分类器,可自动生成供电设备的单项和复合型安全标签,全面刻画供电关键设备的安全管理状况,如图2 所示。

    图  2  供电设备安全管理画像分析技术

    供电设备的单项安全标签通过直接取值,或按规则计算确定。对于文字型、非数字型数据,通过直接获取方式生成设备安全标签;对于单项数字型的安全标签,定义单项标签生成规则:

    $$ f(x) = \left\{ \begin{array}{l} \begin{array}{*{20}{c}} {{x_{}}}&{x \in {\text{字符、}}{\text{非数字}}} \end{array}\\ \begin{array}{*{20}{c}} {{a_1}}&{x \in {\text{数字}} \cap x \leqslant {\xi _1}} \end{array}\\ \begin{array}{*{20}{c}} {{a_2}}&{x \in {\text{数字}} \cap {\xi _1} < x \leqslant {\xi _2}} \end{array}\\ ...\\ \begin{array}{*{20}{c}} {{a_n}}&{x \in {\text{数字}} \cap x > {\xi _n}} \end{array} \end{array} \right. $$

    其中,$x$为安全数据,${a_1}$${a_2}$${a_n}$为不同设备标签分类,${\xi _1}$${\xi _2}$${\xi _n}$为不同标签分类的阈值。

    例如,接触网检测缺陷类型是字符型数据,对应的缺陷类型标签定义为“一级缺陷”和“二级缺陷”;接触网安全隐患数量类型为“数字型”,其标签规则为:设备安全隐患数量不大于3个,标签定义为“隐患少”,大于3个,标签定义为“隐患多”。

    复合型安全标签是基于神经网络的分类器生成的标签,标签分类器的神经网络由输入层、隐藏层、输出层构成,如图3所示。

    图  3  基于神经网络的复合型安全标签分类器

    作为分类器训练集的输入数据包括供电设备单元的一级缺陷数量、二级缺陷数量、设备故障数量、设备隐患数量、超周期时间等;输出数据是由业务专家共同确定的标签分类结果;隐藏层的节点数量可根据训练精度进行调整,传递函数为Logsig;输出层的节点数量为2,传递函数为Hardlim。标签分类器的目标函数为网络输出值和目标值的平方差之和,采用差分进化优化算法调整标签分类器中权值和阈值。通过对供电设备画像标签分类器的训练,对于测试样本给出标签分类器的分类结果。

    供电设备安全管理画像分析模型在数据层面全面刻画供电设备的综合安全状况,是实现快捷、高效的供电设备安全综合分析的基础。

    本文结合太原局集团公司供电专业关键设备安全管理需求,开展铁路局集团公司供电安全综合分析系统的研究,明确系统建设目标和总体架构,全面调查太原局集团公司既有信息系统中的相关数据源,分析设计系统主要功能,并对供电设备安全管理画像分析模型等关键技术进行深入研究,下一步将完成系统开发。

    系统通过供电设备安全管理数据汇集和共享,利用大数据技术实现供电安全综合分析,支持对供电设备实施精准的安全管控,有助于提升供电设备安全管理效能。

  • 图  1   列车受力分析

    图  2   改进DE算法流程

    图  3   种群初始化流程

    图  4   末速度评价模型

    图  5   牵引能耗评价模型

    图  6   停车位置误差评价模型

    图  7   运行时间误差评价模型

    图  8   迭代次数与评价值

    图  9   个体末速度生成流程

    图  10   AC03牵引制动特性曲线

    图  11   100代最优个体评价值

    图  12   最优ATO速度曲线

    图  13   工况距离曲线

    表  1   工况转换规则

    当前工况待转工况
    惰行制动牵引
    惰行——可以可以
    制动可以——禁止
    牵引可以禁止——
    下载: 导出CSV

    表  2   工况状态值

    工况惰行制动牵引
    工况值0[1 ~ 5][6 ~ 10]
    下载: 导出CSV

    表  3   缩放因子对收敛的影响

    缩放因子取值收敛效果
    (0, 0.3]不收敛
    0.4收敛速度慢
    0.5收敛速度快
    [0.6, +∞)不收敛
    下载: 导出CSV

    表  4   线路坡度

    起点/m终点/m坡度/‰
    02303.1
    2304302.9
    43063030.1
    63088030
    8801 2004.05
    12001 8100
    下载: 导出CSV

    表  5   线路曲线

    起点/m终点/m曲线半径/m
    181373355
    394609350
    8461 341404
    13961 730704
    下载: 导出CSV

    表  6   线路限速

    起点/m终点/m区段限速/km·h-1
    060962
    6091 71075
    17101 81035
    下载: 导出CSV
  • [1] 龙广钱,尹逊政. 城市轨道交通列车节能控制策略研究 [J]. 铁路计算机应用,2018,27(7):90-94. DOI: 10.3969/j.issn.1005-8451.2018.07.020
    [2]

    YANG Xin, NING Bin, LI Xiang, et al. A Two-Objective Timetable Optimization Model in Subway Systems [J]. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(5): 1913-1921. DOI: 10.1109/TITS.2014.2303146

    [3] 荀 径,杨 欣,宁 滨,等. 列车节能操纵优化求解方法综述 [J]. 铁道学报,2014(4):14-20. DOI: 10.3969/j.issn.1001-8360.2014.04.003
    [4] 许 立. 基于遗传算法的ATO速度曲线优化[D]. 成都: 西南交通大学, 2013.
    [5] 耿晨歌,赵睿昕. 基于遗传算法的地铁列车自动驾驶控制算法研究 [J]. 武汉理工大学学报(交通科学与工程版),2013,37(6):1193-1197.
    [6] 丁 圣. 基于NSGA-Ⅲ的列车多目标操纵优化研究[D]. 北京: 北京工业大学, 2018.
    [7] 刘 炜,王 栋,李群湛,等. 基于时间逼近搜索算法的城轨列车运行节能优化研究 [J]. 西南交通大学学报,2016,51(5):918-924. DOI: 10.3969/j.issn.0258-2724.2016.05.014
    [8] 刘宏杰. 结合能量存储的城轨列车调度控制一体化节能优化方法研究[D]. 北京: 北京交通大学, 2019.
    [9] 张 茜. 城市轨道交通列车自动运行(ATO)多目标控制策略研究[D]. 北京: 北京交通大学, 2014.
    [10] 肖 婧, 徐小可, 张永健, 等. 差分进化算法及其高维多目标优化应用[M]. 北京: 人民邮电出版社, 2018.
    [11] 朱剑月,朱良光,周劲松,等. 地铁车辆运行舒适度与平稳性评价 [J]. 城市轨道交通研究,2007(6):28-31. DOI: 10.3969/j.issn.1007-869X.2007.06.010
  • 期刊类型引用(3)

    1. 杨轶杰,许翔,谢涛,马俊杰. 铁路供电信息系统安全资源池研究. 铁路计算机应用. 2023(11): 73-76 . 本站查看
    2. 白铭,周宇,李震. 智能供电调度作业管理系统研究. 铁道运输与经济. 2022(S1): 104-109 . 百度学术
    3. 王志华. 电气化铁路接触网设备维修的对策研究. 石河子科技. 2022(04): 47-48 . 百度学术

    其他类型引用(0)

图(13)  /  表(6)
计量
  • 文章访问数:  68
  • HTML全文浏览量:  125
  • PDF下载量:  16
  • 被引次数: 3
出版历程
  • 收稿日期:  2020-06-30
  • 网络出版日期:  2020-12-03
  • 刊出日期:  2020-12-03

目录

/

返回文章
返回