第 34 卷第 9 期
2017 年 9 月
控 制 理 论 与 应 用
Control Theory & Applications
Vol. 34 No. 9
Sep. 2017
采采采用用用预预预测测测控控控制制制的的的地地地铁铁铁节节节能能能优优优化化化控控控制制制算算算法法法
DOI: 10.7641/CTA.2017.60861
汪仁智, 李德伟
†
, 席裕庚
(上海交通大学 自动化系; 系统控制与信息处理教育部重点实验室, 上海 200240)
摘要: 本文针对地铁列车自动运行系统(automatic train operation, ATO)一般运行情况以及晚点延迟发车情况下的
节能问题, 基于预测控制算法设计了地铁节能优化控制算法. 利用预测控制算法的在线滚动优化特性, 通过设计含
有能量消耗趋势优化项的控制目标函数, 控制算法能够针对节能目标实现快速动态调整. 通过调节目标函数中各
优化项权重的相对大小, 节 能 算 法 可 以 在 满 足 列 车 时 间 与 路 程 运 行 指 标 的 同 时, 达 到 降 低 能 耗 的 目 的. 在
MATLAB平台上利用真实车辆模型对提出的节能优化控制算法进行了仿真, 在列车不延迟与延迟的情况下, 算法
都很好地平衡了跟踪目标与节能目标, 为地铁能耗动态优化控制提供了可行方案.
关键词: 地铁;节能优化; 滚动优化; 模型预测控制
中图分类号: U231.6 文献标识码: A
Metro energy saving optimization algorithm by
using model predictive control
WANG Ren-zhi, LI De-wei
†
, XI Yu-geng
(Department of Automation, Shanghai Jiao Tong University;
Key Laboratory of System Control and Information Processing, Ministry of Education, Shanghai 200240, China)
Abstract: The goal of this paper is to solve energy saving optimization problem of metro trains which are probably
delayed from starting station. Based on predictive control, a rolling optimization control algorithm is designed for the
metro automatic train ATO system. The expression of energy consumption is introduced into the objective function of
rolling optimization in the train ATO model predictive control. By adjusting the weights of each term in corresponding
objective function, controller can track the set curve and achieve energy saving simultaneously. Simulation results on
MATLAB platform verify the effectiveness of the control scheme. Energy optimization is dynamic and satisfactory solution
taking both tracking and energy saving into account can be obtained even for the train with start delay.
Key words: metro; energy saving optimization; rolling optimization; model predictive control
1 引引引言言言(Introduction)
地铁具有运量大、速度快、运行准时、保护环境、
乘坐舒适等特点, 是城市公共交通重要的组成部分.
地铁作为能源密集型产业, 每年都会消耗大量的能源,
其中牵引能耗占到45%∼50%
[1]
, 因此从列车牵引的
角度解决轨道交通能量消耗问题是地铁节能优化的
重要方向.
当前解决地铁列车牵引节能优化问题主要是从静
态优化设定速度曲线的角度进行, 在解析算法、启发
式算法和转化为规划问题等方面都取得了进展. 解析
算法方面, Khmelnitsky
[2]
用最大值原理分析证明能耗
最优解包括最大牵引、巡航、滑行和最大制动4种工
况. Liu 和Golovitcher
[3]
给出了变化坡度中各路线行驶
策略 的 解析 解, Howlett 等 人
[4]
给出 了 对于 不止 一
个陡坡问题的解析解. 启发式算法方面, Chang和Sim
[5]
提出了遗传优化算法, Ke提出了蚁群优化算法
[6]
. 另
外, 将连续优化问题转化为规划问题求解是静态优化
设定速度曲线优化的重要发展趋势. Wang Y等人
[7]
利
用伪谱方法将速度曲线设计问题划归为多相位优化
控制问题, 并且采用混合整数规划方法来降低时间复
杂度. Wang P等人
[8]
也利用伪谱方法使列车速度曲线
满足变化的坡度和最大速度约束, 并平衡列车与后续
延迟列车的能耗.
在静态优化设定曲线之后, 再针对地铁列车自动
运行系统(automatic train operation, ATO)进行控制算
法设计, 控制列车跟踪设定目标速度曲线. 当前地铁
收稿日期: 2016−11−17; 录用日期: 2017−06−12.
†
通信作者. E-mail: dwli@sjtu.edu.cn; Tel.: +86 13917551024.
本文责任编委: 陈虹.
国家自然科学基金项目(61374110, 61573239, 61433002, 61590924, 61521063)资助.
Supported by National Natural Science Foundation of China (61374110, 61573239, 61433002, 61590924, 61521063).
