资源描述：
《基于生物地理算法的地铁节能优化研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、摘要随着地铁的快速发展，在给人们带来便利的同时，运营成本和能源的消耗也大幅度提升。而根据研究表明，电网能耗的大部分消耗都是由地铁系统引起的。因此，在满足地铁正常运行和人们正常出行的前提下，实现地铁系统的节能减排具有重要意义。本文在分析列车运行过程和已有优化方法的基础上，采用粒子群算法和生物地理算法对地铁列车运行进行两阶段双层优化。首先依据列车行车组织的特点,建立列车速度曲线模型，在第一阶段利用两种算法确定工况转换点的位置，在符合运行时间和停站精度的条件下获得最优运行速度曲线。第二阶段为多列车的站间运行,建立多列车运行仿真模型，利用两种算法对停站时间增量表进行优化，在保证安全运行
2、的前提下，更改列车的运行和停站时间，使更多的列车在同一时间进出站，将制动产生的能量被同一时间启动的列车吸收利用。采用两种算法对武汉地铁二号线数据进行优化，验证了两种算法的可行性，同时比较两种方法优化结果。结果表明，本文采用的两种算法对实际线路中列车的节能运行以及时刻表的制定与优化具有良好效果，并且经过对比，生物地理算法的优化性能和优化结果更优越。对武汉地铁二号线的第一阶段，节能率达到5.44%；对武汉地铁二号线的简化模型的第二阶段，节能率达到3.65%。关键字：地铁，优化模型，智能算法，节能优化IABSTRACTWiththerapiddevelopmentoftheMTR,b
3、ringconveniencetopeople,operatingcostsandenergyconsumptionisalsogreatlyimproved.Andaccordingtothestudy,mostoftheenergyconsumptionofthepowerconsumptionarecausedbythesubwaysystem.Therefore,tomeetthenormaloperationofsubwayandnormalpeopleoutoflineunderthepremise,itisofgreatsignificancetoachievee
4、nergysavingreductionofthesubwaysystem.Basedontheanalysisofexistingmethodsandprocessoptimizationoftrainoperation,usingparticleswarmalgorithmandbiogeographic-algorithmoptimizationoftwostagedoublesubwaytrain.Accordingtothecharacteristicsoftheorganizationoftrainoperation,trainspeedcurvemodelinth
5、efirststage,usingtwoalgorithmstodeterminetheoperatingpointposition,optimaloperationinlinewiththespeedcurveofrunningtimeandstopprecisionconditions.Thesecondstageismorethanthetrainstationoperation,establishtrainoperationsimulationmodel,thestoptimeincrementtableisoptimizedbythetwoalgorithms,ont
6、hepremiseofguaranteeingsaferunning,changetrainsrunningandstoptime,makemorethetrainstationandatthesametime,thebrakingenergywillbeabsorbedbythesametimethestartofthetrain.ThetwoalgorithmsonWuhanmetrolinetwodataoptimization,verifythefeasibilityofthetwoalgorithms,andcomparetheoptimalresultsofthet
7、womethods.Theresultsshowedthattwokindsofalgorithmusedinthispapertotrainenergysavingoperationintheactualcircuitandscheduleformulationandoptimizationhasgoodeffect,andbycontrast,biologicalGeographicalgorithmoptimizationperformanceandtheoptimizationres
