高志遠(yuǎn)

GAO Zhi-yuan

(中國鐵道科學(xué)研究院集團(tuán)有限公司?運輸及經(jīng)濟研究所，北京?100081)

（Transportation & Economics Research Institute， China Academy of Railway Sciences Corporation Limited， Beijing 100081， China）

0 引言

能源和環(huán)保問題越來越受到社會的廣泛關(guān)注，軌道交通綠色、安全的優(yōu)勢日益凸顯，特別是對于電力機車，其具有自動化程度高、噪聲低、運量大、污染小、安全性高等優(yōu)點。電力機車牽引能耗在機車能耗中所占比例最大，為 65%～80% 左右[1]。因此，降低電力機車牽引能耗是機車節(jié)能的重點工作。在降低機車牽引能耗方面，包括線路和車輛設(shè)計、牽引傳動優(yōu)化、駕駛策略改進(jìn)和輔助駕駛等方面，而線路、車輛設(shè)計和牽引傳動優(yōu)化涉及周期長，并且大部分屬于基礎(chǔ)設(shè)施方面的改進(jìn)，成本較大，而駕駛策略優(yōu)化在一定的線路、機車和車輛條件下，通過優(yōu)化機車目標(biāo)速度曲線可以降低機車牽引能耗，是實現(xiàn)機車節(jié)能的一種有效途徑據(jù)，并且節(jié)能效果顯著。根據(jù)國際鐵路聯(lián)盟組織(UIC) 報告，以及西南交通大學(xué)相關(guān)研究成果，通過優(yōu)化機車駕駛，瑞典貨運鐵路實現(xiàn)節(jié)能的幅度為20%～25%，美國通用電氣公司 (GE) 的內(nèi)燃機車可實現(xiàn)節(jié)能的幅度為 3%～17%，澳洲貨物機車可以實現(xiàn)節(jié)能的幅度為 3%～15%。

國內(nèi)外學(xué)者對機車節(jié)能優(yōu)化操縱進(jìn)行了大量的研究，特別是在目標(biāo)速度曲線優(yōu)化方面，有數(shù)學(xué)方法、智能算法及其他一些方法[2]。Liu 等[3]利用極大值原理結(jié)合機車的運動方程，給出了機車最優(yōu)的駕駛策略，并結(jié)合特定的線路數(shù)據(jù)、機車參數(shù)和其他外部條件優(yōu)化機車駕駛。Albrecht 等[4]利用極大值原理證明了在線路陡坡區(qū)段機車優(yōu)化策略的惟一性，包括全局最優(yōu)和陡坡區(qū)段的切換點惟一，并利用仿真手段對平直道機車的優(yōu)化駕駛進(jìn)行了模擬。Chang 等[5]綜合考慮了機車的多目標(biāo)約束，包括正點、舒適、節(jié)能，利用遺傳算法對機車節(jié)能問題進(jìn)行了研究，得到機車的最佳控制點。Cucala[6]和Domigueza[7]綜合運用遺傳算法和粒子群算法，基于時刻表優(yōu)化和節(jié)能駕駛的角度對機車節(jié)能問題進(jìn)行了研究，利用模糊線性規(guī)劃算法對機車節(jié)能問題進(jìn)行求解。王烈等[8]列出了機車能耗的影響因素，在滿足機車安全、準(zhǔn)點、舒適等多目標(biāo)約束下利用極大值原理求解了機車節(jié)能算法，并將駕駛策略進(jìn)行了實車驗證，取得了良好的節(jié)能效果。張勇等[9]以內(nèi)燃機車為研究對象，采用系統(tǒng)辨識的方法建立內(nèi)燃機的電傳動模型，對不同內(nèi)燃機車的優(yōu)化操縱進(jìn)行了研究。曹曉云[10]以神華鐵路為研究對象，對神華鐵路機車節(jié)能優(yōu)化駕駛進(jìn)行了研究。

從以上研究可以看出，極大值原理、動態(tài)規(guī)劃等數(shù)學(xué)方法具有嚴(yán)格的數(shù)學(xué)推導(dǎo)過程，能保證解的惟一性，但對復(fù)雜約束和多目標(biāo)優(yōu)化問題求解較為困難，在具體應(yīng)用時需要進(jìn)行簡化；遺傳算法、粒子群算法等計算智能面對機車的復(fù)雜運動過程和多目標(biāo)約束不需要建立具體的數(shù)學(xué)模型，但搜索的隨機性和目標(biāo)曲線波動性交大，最優(yōu)性無法保證。因此，單一采用某種算法并不能達(dá)到節(jié)能的目標(biāo)，利用計算機工具將多種方法組合使用能夠互相借鑒，達(dá)到電力機車安全、節(jié)能等多目標(biāo)約束的效果。

1 多目標(biāo)約束下的電力機車節(jié)能模型構(gòu)建

1.1 問題描述

一般的，電力機車的運行過程可視為以下 4 個階段或環(huán)節(jié)的組合：啟動階段、恒速 (準(zhǔn)恒速) 運行階段、惰行階段、制動階段。但是，在電力機車實際運行過程中，受多種工況的影響，運行過程要復(fù)雜得多。電力機車運行過程如圖 1 所示。從圖 1 可以看出，電力機車的運行過程特別是貨物電力機車是一個典型的非線性、多約束的復(fù)雜過程，現(xiàn)有的數(shù)學(xué)模型只能對實際情況進(jìn)行相似或大概的模擬，對電力機車復(fù)雜運行過程不能完全描述。對于我國鐵路而言，交路長、線路條件復(fù)雜、客貨混跑、密度大，很多節(jié)能運行算法并不能達(dá)到節(jié)能目的。但是，根據(jù)實際調(diào)研和添乘的情況來看，有些經(jīng)驗豐富的司機乘務(wù)員能夠根據(jù)實際路況對各種不同復(fù)雜的工況進(jìn)行處理，經(jīng)驗豐富的司機在駕駛同一電力機車在同一交路情況下，平均節(jié)能幅度高達(dá)20% 左右，而經(jīng)驗豐富的司機乘務(wù)員的操縱行為正是節(jié)能算法所不能解決的。因此，研究試圖利用電力機車節(jié)能優(yōu)化駕駛算法與優(yōu)秀司機經(jīng)驗相結(jié)合，對多目標(biāo)約束下的電力機車節(jié)能進(jìn)行求解。

1.2 構(gòu)建模型

極大值原理作為優(yōu)化方法中較為經(jīng)典的數(shù)學(xué)模型，具有嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)推導(dǎo)過程，并且也是電力機車節(jié)能算法中引用最多、最為成熟的方法，而且其最優(yōu)性和解的惟一性已經(jīng)被證明存在，研究將采用極大值原理作為求解電力機車節(jié)能的最優(yōu)化算法。

圖 1 電力機車運行過程Fig.1 Operation of electric locomotives

電力機車在運行過程中受到不同力的作用，總體來看，主要有電力機車牽引力、制動力、基本阻力和附加阻力，根據(jù)牛頓第二定律，電力機車運動模型的數(shù)學(xué)描述如下。

式中：v為電力機車運行速度，v≤V(x)，V(x) 為電力機車限速；uf為電力機車牽引力系數(shù)，0≤uf＜1；f(v) 為電力機車最大牽引力；ub為電力機車制動系數(shù)，0＜ub＜1；b(v) 為電力機車最大制動力；r(v) 為電力機車基本阻力；g(x) 為電力機車附加阻力，指坡道等重力分量；x為電力機車行駛的距離。

根據(jù)電力機車能耗公式，在保證安全、準(zhǔn)點前提下的能耗J最小，那么電力機車能耗J計算公式為

1.3 節(jié)能最優(yōu)工況

根據(jù)龐特里亞金極大值原理，對電力機車的節(jié)能問題進(jìn)行求解，可以得到 5 個優(yōu)化控制方式，不同運行階段的電力機車節(jié)能運行控制模式如表 1 所示。

1.4 節(jié)能最優(yōu)工況之間切換

設(shè)α(x) 為目標(biāo)速度，v(x) 為電力機車現(xiàn)行運行速度，引入一個輔助變量θ，令ξ與η分別是電力機車進(jìn)行工況轉(zhuǎn)換的公里標(biāo)，則有

（1）當(dāng)θ＞1 時，目標(biāo)速度α(x)＞v(x)，應(yīng)當(dāng)在ξ處采用全牽引力牽引，制動力為 0，在η處達(dá)到目標(biāo)速度。

（2）當(dāng)θ= 1 時，目標(biāo)速度α(x)=v(x)，應(yīng)當(dāng)在ξ處采用部分牽引力牽引，制動力為 0，在ξ與η之間勻速運行。

（3）當(dāng) 0＜θ＜1 時，目標(biāo)速度α(x)＜v(x)，應(yīng)當(dāng)在ξ處采取惰行模式，牽引力和制動力都為 0，在η處達(dá)到目標(biāo)速度。

（4）當(dāng)θ= 0 時，目標(biāo)速度α(x)= 0，應(yīng)當(dāng)在ξ處采取部分制動模式，牽引力為 0，在η處停車。

（5）當(dāng)θ＜0 時，目標(biāo)速度α(x)＜0，應(yīng)當(dāng)在ξ處采取最大制動模式，牽引力為 0，使電力機車在最短時間內(nèi)停車。

1.5 坡道的劃分

根據(jù)線路坡道特點，將坡道劃分為平直區(qū)段、緩坡區(qū)段和陡下坡區(qū)段，不同的區(qū)段電力機車合力表現(xiàn)不同。

（1）平直區(qū)段。平直區(qū)段是指坡道為 0 的路段，電力機車使用牽引工況使電力機車保持勻速運行的區(qū)段，滿足uf f(v)－r(v) = 0。

表 1 不同運行階段的電力機車節(jié)能運行控制模式Tab.1 Energy control strategies at different stages of operation

（2）緩坡區(qū)段。緩坡區(qū)段是指電力機車使用惰行工況使電力機車能保持目標(biāo)速度運行的區(qū)段，滿足g(x)－r(v) = 0。

（3）陡下坡區(qū)段。陡下坡區(qū)段是指電力機車使用惰行工況不能使電力機車保持目標(biāo)速度運行的區(qū)段，甚至?xí)^區(qū)段限速，滿足g(x)－r(v)＞0。

1.6 陡下坡區(qū)段處理和優(yōu)秀司機經(jīng)驗借鑒

在平直區(qū)段和緩坡區(qū)段，對于驅(qū)動系統(tǒng)效率穩(wěn)定的電力機車，其不同工況之間的轉(zhuǎn)換完全相同，但對于陡坡區(qū)段，即使電力機車采用惰行模式，仍然會超出目標(biāo)速度，甚至?xí)鼍€路限速，影響電力機車運行安全。而電力機車司機大部分都是固定交路，在實際駕駛中積累了大量成熟經(jīng)驗[11]，在某些惰行路段部分優(yōu)秀司機能夠彌補算法的不足，定性描述如下。①起車穩(wěn)：在電力機車開始運行時，以較低的速度起步，當(dāng)各個車輛之間的車鉤完全被拉開，再進(jìn)行加速運行。②加速快：在電力機車完全啟動后，進(jìn)行最大牽引力進(jìn)行加速，使電力機車在較短的時間內(nèi)達(dá)到目標(biāo)速度。③制動快：在電力機車安全范圍內(nèi)，使用最大制動力進(jìn)行減速，使電力機車在較短的時間內(nèi)停車。④操縱平穩(wěn)：在電力機車運行過程中，避免多次加減速，通過對路況的判斷，提前進(jìn)行加減速。

對于陡坡的處理，優(yōu)秀司機往往提前進(jìn)行減速惰行，以減少電力機車制動次數(shù)。為了對此進(jìn)行定量化描述，借鑒對于陡上坡采取的平均速度等效法的思路[9]，對陡下坡采取提前惰行的方式處理，陡下坡的處理如圖 2 所示。從圖 2 可知，電力機車運行速度曲線滿足

從圖 2 可以看出，電力機車在hq區(qū)段存在陡下坡，假如電力機車從p點開始惰行，然后電力機車減速運行，在陡坡階段加速運行，如果不采取制動措施，那么電力機車的速度會超過目標(biāo)速度，到q點恢復(fù)惰行前的勻速，但電力機車在陡下坡速度會高于線路限速，會對行車安全造成很大的影響。假如電力機車從h點開始惰行，然后在下坡階段進(jìn)行加速運行，在s點恢復(fù)勻速行駛。

圖 2 陡下坡的處理Fig.2 Managing a steeply downhill scenario

2 算例分析

以 HXD1機型為仿真對象建立模型，HXD1機型特征描述如表 2 所示。為體現(xiàn)節(jié)能算法的有效性，以及多種坡道與限速結(jié)合的特征，特選取某段的實際路線為試驗線路，試驗限速假設(shè)為 80 km/h，不同操縱方式比較如圖 3 所示，不同操縱方式對應(yīng)的能耗如表 3 所示，對于比較簡單的路線，該節(jié)能算法同樣適用。

從圖 3 可以看出，在恒速運行情況下，電力機車加速階段用最大牽引力運行，電力機車在公里標(biāo)12 + 320 處達(dá)到電力機車目標(biāo)速度，用時為5 min 50 s，然后一直恒速運行至停車。在節(jié)能運行模式下，電力機車達(dá)到目標(biāo)速度過程與恒速模式相同，在公里標(biāo) 14 + 080 處開始惰行，此處有連續(xù)下坡，然后至公里標(biāo) 22 + 197 處結(jié)束惰行，面臨 3‰上坡，加速至公里標(biāo) 22.623 處開始惰行，面臨 6‰和 12‰ 的長達(dá)下坡，在公里標(biāo) 25 + 491 處觸碰限速值，開始使用制動力維持限速，在公里標(biāo) 25 + 443處繼續(xù)惰行，然后在公里標(biāo) 28 + 874 處結(jié)束惰行，繼續(xù)勻速行駛至公里標(biāo) 42.558 處面臨約 2 000 m 2 ‰左右的下坡，在公里標(biāo) 44 + 559 處結(jié)束惰行，然后進(jìn)琉璃河站。在節(jié)能加經(jīng)驗運行模式下，采用電力機車運行速度曲線公式，在長大下坡前提前惰行，避免了電力機車制動過程，并且課題組通過觀察電力機車受力情況，模擬優(yōu)秀司機成熟經(jīng)驗，增加了公里標(biāo) 38 + 535 到公里標(biāo) 40 + 100 之間的節(jié)能惰行。

表 2 HXD1 機型特征描述Tab.2 Description of HXD1 model.

圖 3 不同操縱方式比較Fig.3 Comparison of different operating methods

表 3 不同操縱方式對應(yīng)的能耗Tab.3 Energy consumption of different operating methods

從表 3 可以看出，節(jié)能運行模式在 1 min 的時間情況下可節(jié)省 14.58% 的能耗，在 1 min 30 s 的時間情況下可節(jié)省 16.9% 的能耗，并且減少了司機乘務(wù)員的制動過程，節(jié)能效果明顯。

3 結(jié)論

以電力機車節(jié)能為目標(biāo)，通過利用極大值原理分析電力機車不同運行階段的節(jié)能模式，再編制算法對不同運行階段的轉(zhuǎn)換點進(jìn)行了求解，并結(jié)合實際添乘中的經(jīng)驗，利用理論方法對司機經(jīng)驗進(jìn)行定量化的描述，最后利用 HXD1電力機車進(jìn)行了仿真驗證。

（1）分析電力機車最優(yōu)節(jié)能操縱。在分析電力機車受力和運行階段基礎(chǔ)上，構(gòu)建使電力機車能耗最小的數(shù)學(xué)模型，得到電力機車各個運行階段能耗最小的模式，并編制相關(guān)算法對不同階段的轉(zhuǎn)換點進(jìn)行求解。

（2）利用實際線路對節(jié)能算法進(jìn)行仿真。利用 matlab 軟件在實際線路上進(jìn)行仿真研究，從仿真結(jié)果來看，節(jié)能效果顯著，對電力機車的輔助駕駛模式提供參考。

參考文獻(xiàn)：

[1]周新軍. 我國鐵路能源消耗和節(jié)能現(xiàn)狀[J]. 中外能源，2009，14(3)：87-92.ZHOU Xin-jun. Present Situation of Chinese Railway Energy Consumption and Conservation[J]. Sino-Global Energy，2009，14(3)：87-92.

[2]楊 杰，賈利民，盧少鋒，等. 電力牽引貨運列車節(jié)能運行研究 (一)：目標(biāo)速度曲線優(yōu)化[J]. 鐵道學(xué)報，2016，38(4)：22-31.YANG Jie，JIA Li-min，LU Shao-feng，et al. Energy-Efficient Operation of Electric Freight Trains-Part I：Speed Profile Optimization[J]. Journal of the China Railway Society，2016，38(4)：22-31.

[3]LIU R，GOLOVICHER I. Energy-Efficient Operation of Rail Vehicles[J]. Journal of Transport Geography，2003，37(10)：91-93.

[4]ALBRECHT A，HEWLEET P，PUDNEY P. Energy-Efficient Train Control from Local Convexity to Local Optimization and Uniqueness[J]. Energy Policy，2013，49(10)：3072-3078.

[5]CHANG C S，SIM S. Optimizing Train Movements Through Coast Control Using Genetic Algorithms[J]. Electric Power Applications，1997，144(1)：65-73.

[6]CUCALA A. Fuzzy Optimal Schedule of High Speed Train Operation to Minimize Energy Consumption with Uncertain Delays and Driver’s Behavioral[J]. Electric Power Application，2012，25(2)：1548-1557.

[7]DOMIGUEZA M. Multi Objective Particle Swarm Optimization Algorithm for the Design of Efficient ATO Speed Profiles in Metro Lines[J]. Engineering Applications of Artificial Intelligence，2014，29(7)：43-53.

[8]王 烈，王 鵬，胡齊芽，等. 基于多目標(biāo)約束的機車駕

(??)(??)駛策略優(yōu)化研究[J]. 鐵道運輸與經(jīng)濟，2016，38(2)：87-92.WANG Lie，WANG Peng，HU Qi-ya，et al. Study On Optimization of Locomotive Driving Strategy based on Multiobjective Constrains[J]. Railway Transport and Economy，2016，38(2)：87-92.

[9]張 勇，譚南林. 基于電傳動模型的機車優(yōu)化操縱方法研究[J]. 控制工程，2012，19(S1)：52-55.ZHANG Yong，TAN Nan-lin. Research on Optimal Manipulation Method of Locomotive based on Electric Drive Model[J]. Control Engineering of China，2012，19(S1)：52-55.

[10]曹曉云. 神華鐵路大物流發(fā)展對策研究[J]. 鐵道貨運，2017，35(10)：29-34.CAO Xiao-yun. Study on the Solution for Developing Comprehensive Logistics for Shenhua Railway[J]. Railway Freight Transport，2017，35(10)：29-34.

[11]楊 杰. 貨運列車節(jié)能運行優(yōu)化與智能控制方法[D]. 北京：北京交通大學(xué)，2017.