[发明专利]考虑客流影响和再生制动能利用的地铁列车延误调整方法

说明书

本发明公开了一种考虑客流影响和再生制动能利用的地铁列车延误调整方法，步骤为考虑到列车发生延误后，客流因素对于停站时间调整上限的约束性，建立了基于LSTM的客流预测模型；考虑到延误列车调整过程中再生制动能的吸收利用，建立了直流牵引网能耗计算模型；通过模拟乘客上下车的过程建立了停站时间模型；然后结合上述子模型建立了地铁列车延误调整模型，把调整过程中变电站能耗变化量最低作为优化目标，使用基于中心‑离散学习的粒子群算法CDPSO对该模型设计了求解流程；最后使用实际地铁线路数据进行仿真验证。本发明方法科学、可靠、高效，为地铁列车延误调整提供了数据和理论支持，具有较高的使用价值与应用前景。

技术领域

本发明属于地铁运营系统中的信号控制技术领域，具体涉及一种考虑客流影响和再生制动能利用的地铁列车延误调整方法。

背景技术

伴随着地铁运营系统的快速发展，其规模在不断的扩大，地铁网络的密度也在不断地扩大，导致的结果则是列车间的行车间隔在不断地缩小，列车的开行密度随之增加，无形之中给地铁的运营部门带来了很大的压力，一个小小的失误就可能会导致列车的延误。若列车延误后不及时进行调整，将对地铁运营系统带来很大影响。因此，应采取措施进行延误列车的运行调整，使其尽快恢复正点运行。

当列车的延误程度较轻时，通过地铁列车ATS系统对延误列车在后续站点的到发时刻的调整即可恢复至正常运行状态。当列车发生延误后，首先要保证站台乘客的正常出行需求，然后在此基础上考虑如何调整，使得调整过程中能耗上升值最低。

发明内容

本发明的目的在于提供一种科学、可靠、高效的考虑客流影响和再生制动能利用的地铁列车延误调整方法。

实现本发明目的的技术解决方案为：一种考虑客流影响和再生制动能利用的地铁列车延误调整方法，包括以下步骤：

步骤1，建立基于LSTM的客流预测模型：首先对客流数据进行预处理，然后训练构建好的LSTM网络层模型，最后采用训练好的LSTM网络层模型预测得到客流数据；

步骤2，分别对地铁列车、牵引变电所、牵引网进行建模，最终构建起一个时变的直流牵引网能耗计算模型，用于计算一段时间内的变电站能耗；

步骤3，在步骤1得到预测的客流数据之后，通过模拟乘客上下车的过程建立停站时间模型；

步骤4，建立列车延误调整模型，包括延误列车编号、延误的站台名、延误的时长、后行区间运行时间和站台停靠时间的调整量；

步骤5，把调整过程中变电站能耗变化量最低作为优化目标，使用基于中心-离散学习的粒子群算法求解列车延误调整模型中的各调制量，最后使用实际地铁线路数据进行仿真验证。

本发明与现有技术相比，其显著优点是：(1)考虑到列车延误调整过程中动态客流对于停站时间调整上限的约束，以及再生制动能的吸收利用，构建了时变的直流牵引网能耗计算模型，用于计算一段时间内的变电站能耗；(2)使用基于中心-离散学习的粒子群算法对延误列车调整模型设计求解流程，解决了传统粒子群算法容易陷入局部最优的问题，使用线性递减惯性权重，为地铁列车延误调整提供了数据和理论支持，具有较高的使用价值与应用前景。

附图说明

图1是本发明考虑客流影响和再生制动能利用的地铁列车延误调整方法的原理图。

具体实施方式

结合图1，本发明一种考虑客流影响和再生制动能利用的地铁列车延误调整方法，包括以下步骤：

步骤1，建立基于LSTM的客流预测模型：首先对客流数据进行预处理，然后训练构建好的LSTM网络层模型，最后采用训练好的LSTM网络层模型预测得到客流数据；

步骤2，分别对地铁列车、牵引变电所、牵引网进行建模，最终构建起一个时变的直流牵引网能耗计算模型，用于计算一段时间内的变电站能耗；