(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111557511.X (22)申请日 2021.12.19 (71)申请人 南京理工大 学 地址 210094 江苏省南京市孝陵卫20 0号 (72)发明人 胡文斌　宫明利　许久奇　李华轩　 (74)专利代理 机构 南京理工大 学专利中心 32203 代理人 王玮 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/00(2006.01) G06F 30/27(2020.01) G06F 30/15(2020.01) G06Q 50/30(2012.01) (54)发明名称 基于NSPSO算法的时刻 表和速度曲线优化方 法 (57)摘要 本发明公开了一种基于NSPSO算法的时刻 表 和速度曲线优化方法。 该方法的步骤如下： 获取 轨道列车的基本线路数据和区间数据以及时刻 表数据信息； 基于单车站间运行情况， 建立列车 区间运行牵引能耗计算模型； 以区间运行牵引能 耗最小为优化目标， 每个站间不同运行时间下的 节能运行速度曲线优化； 建立可供节能时刻 表分 析计算的数据模块， 针对单车多站间牵引总能耗 最小化为目标， 建立基于增加近邻刺激的改进型 粒子群算法的时刻表优化模型， 获取节能区间运 行时间分配方案； 针对多列车在 多个站间的运行 过程,以提高再生制动回馈能量利用为目标,通 过优化发车间隔与停站时间,获取节能的发车间 隔与停站时间； 输出节能优化结果， 确定全线列 车节能最优调整策略。 本发明方法综合考虑了单 列车节能速度曲线的优化和多列车协作运行以 提高回馈能量吸收效率的时刻 表优化调整， 能在满足乘客舒适度、 列车安全运行与正常运营调度 的条件下， 最大化降低全线列车的总牵引能耗， 具有较高的使用价 值与应用前 景。 权利要求书5页 说明书7页 附图3页 CN 114298510 A 2022.04.08 CN 114298510 A 1.一种基于NS PSO算法的时刻表和速度曲线优化方法， 其特 征在于， 包括以下步骤： 步骤1， 获取轨道列车的基本线路数据、 区间数据以及时刻表数据信息； 步骤2， 基于单 车站间运行情况， 建立列车区间运行牵引能耗计算模型； 步骤3， 以区间运行牵引能耗最小为优化目标， 得到每个站间不同运行时间下的节能运 行速度曲线； 步骤4， 建立可供节能时刻表分析计算的数据模块， 针对单车多站间牵引总能耗最小化 为目标， 建立基于粒子群算法的时刻表优化模型， 获取节能区间运行时间分配方案； 在此基 础上针对多列车在多个站间的运行过程,以提高再生制动回馈能量利用为 目标,通过优化 停站时间,获取列车节能时刻表； 步骤5， 输出节能优化结果。 2.根据权利要求1所述的基于NSPSO算法的时刻表和速度曲线优化方法， 其特征在于， 步骤2所述的基于单车站间运行情况， 建立区间运行牵引能耗的计算模型， 具体包括以下步 骤： (1)计算列车当前状态下所受合力： Fc＝m·a， 其中， m表示列车质量， a表示当前状态下 的加速度； (2)根据列车当前状态下的速度以及线路条件， 计算列车受到的运行阻力， Fr＝Fr_basic+Fr_extra 其中Fr为列车运行阻力(k N)； Fr_basic为基本阻力(k N)； Fr_extra为附加阻力(k N)， 基本阻力的计算公式表示 为关于速度v的二次函数， 具体如下： Fr_basic＝a+b·v+c·v2 其中， a、 b、 c为 三个常数， 由列车 车辆具体型号决定； 在多质点模型中， 列车附加阻力的计算公式如下： 式中， Fr_s为坡道阻力(kN)； Fr_c为弯道阻力(kN)； M为列车质量(t)； g为重力加速度(m/ s2)； L为列车总 长度(m)； ik与lsk分别为列车所覆盖的第k个坡道的坡度千分数( ‰)及长度 (m)； lck与Rk分别为列车 所覆盖的第k个弯 道的长度(m)及半径(m)； (3)计算列车当前状态所受牵引力Ft＝Fc+Fr及轮周功率Pjc＝Ft·v， 其中， Ft表示列车牵 引力， Pjc表示列车轮周功率,Fc为列车所受合力； (4)计算电机牵引功率： 其中ηgear表示齿轮箱效 率， ηmotor表示电机效率， Ause表示使用动轴数， Ntrack表示动车 数量， Aunuse表示损失动轴数； (5)根据设定的仿真步长， 计算牵引能耗： 其中Δt表示仿真步长 。 3.根据权利要求1所述的基于NSPSO算法的时刻表和速度曲线优化方法， 其特征在于， 步骤3所述的以区间运行牵引能耗最小为优化 目标， 每个站间不同运行时间下 的节能运行 速度曲线优化模型， 具体如下： 以区间运行时间为优化目标， 建立基于Pareto多 目标粒子群算法NSPSO的单列车速度权　利　要　求　书 1/5 页 2 CN 114298510 A 2曲线优化模型， 具体如下： (1)基本仿真数据输入； 基本仿真数据包括线路站点位置数据、 坡道弯道数据、 区间最 短运行时间数据、 列车属性数据及NSPSO算法所需的相关参数， 其中， 列车属性数据包含列 车编组、 载客 量、 基本阻力参数、 逆变 器效率、 牵引制动特性； (2)粒子编码， 采用实数编码， 编码对象为列车对应运行区间的运行工况转换点； (3)确定优化目标函数及约束条件； 其中， 具体目标函数 形式如下： minf(x)＝mi n{fE(x),fT(x)} 式中， fE(x)为能耗指标函数， 即列车区间运行牵引能耗， fT(x)为时间指标函数， 即区间 运行时间， x＝[x1,x2,…,xl]为l个决策控制变量， 对应于列车的l个运行工况转换点； (4)种群初始化： 将进化代数t赋值为1； 将粒子的初始速度、 位置、 个体非支配等级和个 体被支配数目等参数均设为0； 将所有粒子的个体最优值和全局最优值初始化为0； 初始种 群中所有 粒子对应运行区间按运行工况不同进行离散， 得到对应的列车运行工况转换点矩 阵X＝[x1,x2,…xi…,xN]， 其中N为种群大小， 种群中每个粒子个体xi对应一个列车运行工况 转换点矩阵； (5)初始化种群 中所有粒子的位置参数： 通过随机函数生成随机数， 将第一代种群 中所 有粒子的位置初值设为 生成的随机值； (6)求解当前种群中所有粒子的能耗指标fE(x)和时间指标fT(x)适应度值： 将种群中每 个粒子个体对应的列车运行工况转换点矩阵xi进行步骤2所述的区间运行牵引能耗计算， 计算出每个粒子对应的能耗指标fE(x)和时间指标fT(x)； 对于安全指标和精准停车指标不 满足的粒子xi， 将其能耗指标和时间指标极大化， 使之成为劣解， 进而得到种群的能耗指标 适应度值矩阵fE(x1,x2,…xi…,xN)和时间指标适应度值矩阵fT(x1,x2,…xi…,xN)； (7)计算当前种群 中粒子的非支配等级， 将 非支配等级为0的粒子全部存入局部最优容 器， 并保存为当代最优解； 非支配等级具体定义为： 假设任何两解X1和X2对应能耗、 时间两个维度的目标而言， X1 均优于X2， 则称X1支配X2， 若X1的解没有被其 他解所支配， 则X1称为非支配解； (8)更新外部存储库中的解： 将局部最优容器中的解并入外部存储库中； 进行非支配等 级排序和拥挤距离计算， 计算外部存储库中粒子的非支配等级和拥挤距离； 按照计算结果 更新粒子 的非支配等级和拥挤距离； 其中拥挤距离是指： 在同一层Fk中需要进行选择性排 序， 按照个体拥挤距离Crowding  Distance大小排序； 个体拥挤距离是Fk上与i相邻的个体i +1和i‑1之间的距离， 其计算 步骤为： ①对同层的个 体距离初始化， 令L[i]d表示任意个 体i的在第d个目标 上的拥挤距离； ②对同层的个 体按照第m个目标函数值升序排列； ③对于处在排序边 缘上的个 体要给予其选择优势； ④对于排序中间的个 体， 求拥挤距离： 其中： L[i+1]m为第i+1个体的第m目标函数值； fmax、 fmin分别为集合中第m目标函数的最 大和最小值； ⑤对于不同的目标函数， 重复 ②到④的步骤， 得到个体i的拥挤距离L[i]d， 将所有个体 按拥挤距离降序排序， 选择 前n个个体， n为外部存储库最多能存 储个体的容量；权　利　要　求　书 2/5 页 3 CN 114298510 A 3