轨道交通“网-源-储-车”协同供能技术体系

高仕斌; 罗嘉明; 陈维荣; 胡海涛; 涂春鸣; 陈艳波; 肖凡; 王飞宽

doi:10.3969/j.issn.0258-2724.20220210

轨道交通“网-源-储-车”协同供能技术体系

doi: 10.3969/j.issn.0258-2724.20220210

1.
西南交通大学电气工程学院，四川成都 611756
2.
国家电能变换与控制工程技术研究中心（湖南大学），湖南长沙 410082
3.
华北电力大学电气与电子工程学院，北京 102206
4.
中国神华能源股份有限公司神朔铁路分公司，陕西神木 719300

基金项目: 国家重点研发计划（2021YFB2601500）

详细信息

作者简介:
高仕斌（1964—），男，教授，博士，研究方向为变电站综合自动化与继电保护，E-mail：gao_shi_bin@126.com

中图分类号: U223.1
计量
- 文章访问数: 587
- HTML全文浏览量: 476
- PDF下载量: 177
- 被引次数: 0
出版历程
- 收稿日期: 2022-03-24
- 修回日期: 2022-09-27
- 网络出版日期: 2024-08-24
- 刊出日期: 2022-12-01

Rail Transit “Network-Source-Storage-Vehicle” Collaborative Energy Supply Technology System

1.
School of Electrical Engineering, Southwest Jiaotong University, Chengdu 611756, China
2.
National Electric Power Conversion and Control Engineering Technology Research Center, Hunan University, Changsha 410082, China
3.
School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China
4.
China Shenhua Energy Company Limited, Shenmu 719300, China

摘要

摘要:
为降低轨道交通系统牵引能耗，轨道交通“网-源-储-车”协同供能技术通过可再生能源的就地消纳，构建新型协同供能技术体系，实现跨时空高效用能. 针对此新型供电系统结构，本文全面分析协同供能系统的物理架构、信息架构和社会架构的基本组成及类型特征；在此基础上，围绕资产能源化的基本概念，总结“荷-源”时空匹配评估方法与优化技术，并从系统角度阐述多源融合技术、保护重构、弹性评估等重要技术体系；重点分析“网-源-储-车”协同的高效能与高弹性的能源自洽技术，并基于人工智能和信息技术构建多层级能量管控系统，实现不同能量流的高效耦合，保障系统安全稳定经济运行. 本文系统性地总结了轨道交通“网-源-储-车”协同供能系统的架构特征、评估优化、安全运维及协同运行等关键技术，阐述协同供能系统的技术组成体系，为协同供能系统的工程实践提供相应参考.
- 轨道交通 /
- 能源自洽 /
- 协同供能 /
- 弹性评估
Abstract:
In order to minimize energy consumption in rail transit systems, the coordinated power supply technology of “network-source-storage-vehicle” integrates with renewable energy power generation systems along the line. This approach establishes a new coordinated power supply technology system that enables efficient energy utilization across time and space. This paper comprehensively analyzes the fundamental composition and characteristic types of physical, informational, and social architectures within the coordinated power supply system. Building upon this analysis, it introduces a temporal and spatial matching evaluation method for "load-source" based on the core concept of asset energization from a systemic comprehensive evaluation and operational perspective. Furthermore, it elaborates on important technological systems such as multi-source integration, protection reconstruction, and elastic evaluation. Emphasizing efficient energy-saving operations, it focuses on high-efficiency and high-resilience energy self-consistency technology through coordination among network, source, storage, and vehicle components. Additionally, leveraging artificial intelligence and information technology tools is proposed to construct multi-level energy management systems aimed at achieving effective coupling of diverse energy flows while ensuring safe, stable, and cost-effective operation of the system. The paper systematically summarizes key technologies related to the “network-source-storage-vehicle” coordinated energy supply system for rail transit including architectural characteristics; evaluation; optimization; safe operation; as well as coordinated operation of the system. It also outlines technical composition systems relevant to coordinated energy supply systems providing valuable references for engineering practices.
- Rail transit /
- energy self-consistent /
- coordinated energy supply /
- elasticity assessment

HTML全文

在交通强国战略加快推进、交通运输领域基础设施建设逐步完善的背景下，隧道施工技术日趋成熟，长大隧道（长度超过1.00 km）不断涌现. 目前，我国已建成了世界最长的双洞高速公路隧道—秦岭终南山隧道（18.02 km）^[1]，海拔3000 m以上的世界最长隧道—新关角隧道（32.70 km）^[2]，以及亚洲最长的单孔双线高速铁路隧道—秦岭天华山隧道（16.00 km）^[3]. 面对隧道建设技术的持续革新和隧道需求的井喷式增长，我国隧道建设的规模和难度已位居世界第一，超长、超深隧道建设迎来新的发展机遇.

在隧道建设过程中，地质条件复杂，视觉环境不良，施工作业难度大，具有一定的风险^[4]. 因此，隧道施工期间的组织管理成为规避事故风险、保证施工效率的重要途径. Sousa等^[5]研究了隧道施工过程中的事故案例，强调隧道组织管理在降低施工风险，减少施工事故方面的重要性. Zhu等^[6]调查统计了我国2010年～2020年发生的重大隧道施工事故发现，低下的组织管理水平会导致施工过程中事故频发. 值得注意的是，施工车辆的运输组织管理已成为严重制约施工安全和施工效率的重点环节，隧道内的渣土运输、人员输送、交通物流配送等成为限制施工效率的瓶颈问题. 施工车辆在路况恶劣、能见度低的长大隧道内交通组织紊乱，不仅严重影响施工进度，还会增加运输安全隐患.

考虑到隧道内错综复杂的交通线路，科学的运输组织管理势在必行. 特别是长大隧道施工过程中对于施工交通流的合理组织和有效管控有利于提高施工效率，保障施工安全. 目前，国内外已有一些学者对隧道的运输组织管理进行了相关研究. Jiang等^[7]通过VISSIM对隧道出入口车辆的运行情况进行仿真模拟，提出隧道施工期间隧道出入口及其周边的交通流组织优化方案. Liu等^[8]在权衡施工车辆运输效率和安全性的基础上，建立了包含限高、限重、限速等约束条件的双目标车辆运输路径优化模型. 林杉等^[9]提出了一种高速公路隧道交通瓶颈元胞自动机模型，为制定隧道内的交通流组织方案提供依据. 高壮^[10]基于重载铁路的线路条件研究设计出 2 种隧道内无砟轨道施工物流组织方案，极大地提高了施工组织效率. 然而，现有的大多数研究都是从宏观的角度提出广泛的、借鉴性较强的交通物流组织方案，尚未有着眼于隧道内部交通冲突疏解的多工种施工车辆时刻表和运行路径的优化研究.

车辆时刻表和路径规划的协同优化问题在铁路开行方案和列车时刻表制定，公交循环计划，集装箱码头智能转运车路径、时刻规划以及智能机器人路径规划（避撞）等领域具有广泛的应用^[11-14]. Zhang等^[11]从宏观层面提出了一种基于扩展时空网络的列车运行周期表模型来得到最佳列车循环方案. 王志建等^[12]根据公交车IC刷卡数据构建了多模式公交路网模型来设计满足乘客多种需求的路径规划方案. Cherif等^[13]基于Peri网对自动化智能转运车在码头的时间调度和路径规划问题进行了研究. 徐翔斌等^[14]将多自动引导车（AGV）的路径转化为离散时空网络下的路径，建立基于离散时空网络的路径优化模型. 由此可见，虽然车辆时刻表和路径的协同优化问题近年来受到了广泛关注，但是少有研究关注到隧道内部施工车辆的时刻表与运行路径的协同优化问题. 与一般隧道相比，长大隧道内道路线形差，施工车辆需求大，面临比上述领域更为棘手的难题. 如果不规定施工车辆的发车频率和路径时刻表，那么混乱、不均匀、不规律的发车会使车辆间产生过多的交通冲突，迫使车辆停止运行，进行掉头、避让、后退等操作，将严重影响施工效率.

在疏解冲突方面，Zhang等^[15]针对自动导引车的离线路径规划问题，提出了一种无冲突路径规划方法. 李珣等^[16]建立了基于元胞自动机的精细化车道模型，研究新的交通流模型在减少车辆堵塞方面的作用. 李英帅等^[17]建立交通冲突预测模型，对直线式单泊位公交停靠站设置进行优化. 本文考虑到长大隧道内部的恶劣路况和复杂交通流促使多工种施工车辆间形成交通冲突的实际情况，对施工车辆的发车时刻表和运行路径的进行协同优化，实现交通冲突的有效消除，保证施工安全.

为解决上述难题，本文立足于施工车辆作业过程，构建路网层面的车辆时刻表和运行路径协同优化模型，并将模型重构为整数线性规划模型，利用GUROBI进行求解，制定施工车辆总运行时间最短的运输组织方案. 该优化方案能够有效疏解车辆间的交通冲突，协助调度员实施决策调度，使施工车辆在保证安全的前提下高效完成运输任务.

1. 问题描述

一般隧道的路况简单，施工过程中需求单一，多数研究侧重于其微观层面的组织管理. 而长大隧道内部道路狭长，路况复杂，需要从宏观层面对施工车辆的运输组织进行规划与管理. 在长大隧道施工作业的过程中，不同工种的施工车辆要求在指定需求点完成运渣、运材料、运人等任务.

1.1 隧道交通网络拓扑建模

长大隧道内的施工道路交通网络由正线、平导线、横洞等交错构成的复杂方格状道路网络，包含节点和路段2种基本要素. 其中，节点为路段间的交叉点，代表路段的交叉口. 交叉口按照交叉方式可分为“十字型交叉”和“T字型交叉”. 路段是连接节点的线段，代表供车辆行驶的道路，按照可供车辆行驶的方向数量分为单向路段和双向路段. 其拓扑结构如图1 所示.

图 1 隧道内部基本交通单元拓扑

Figure 1. Topological diagram of basic traffic units inside the tunnel

下载: 全尺寸图片幻灯片

本文考虑了长大隧道内部的多样运输需求，包括运渣需求、运材料需求和运人需求. 因此，施工车辆由运渣车辆、运材料车辆和运人车辆组成，对应于不同类型的需求点. 施工车辆的作业流程包括：驶入隧道、到达需求点并完成指定运输任务、驶出隧道. 根据隧道内节点及路段间的物理连接关系，图2展示出了隧道内部的交通网络及其拓扑图.

图 2 隧道内部交通网络拓扑

Figure 2. Topological diagram of traffic network inside the tunnel

下载: 全尺寸图片幻灯片

由于隧道内部单、双向路段混合共存，行驶环境恶劣，且施工车辆本身体积大、运载质量大，其在运输过程中容易在交叉口和单向路段发生交通冲突，形成通行瓶颈，妨碍其他车辆正常通行. 根据产生原因可将交通冲突分为交叉冲突、相向冲突和赶超冲突，如图3所示. 交叉冲突是指车辆在很短的时间范围内到达同一交叉点而产生的冲突；相向冲突是指对向行驶的车辆在单向路段上相遇而产生的冲突；赶超冲突是指不同的速度的车辆在单向路段上同向行驶而产生的冲突.

图 3 交通冲突类型

Figure 3. Types of traffic conflicts

下载: 全尺寸图片幻灯片

2. 模型构建

在模型中，车辆时刻表的决策变量属于整数变量，车辆的运行路径由表示车辆是否经过某路段的一系列0-1变量决定.

2.1 模型假设

为了简化问题，方便后续模型的建立和求解，本文做出以下假设：

假设1. 施工车辆的运行路径分为去程和返程方向. 另外，为简化求解过程，指定车辆在去程和返程期间任意路段上的唯一可行方向，即简化车辆去程和返程方向上的有向弧集合.

假设2. 施工车辆的限速条件预先给定，其在路段上的运行时间范围由最高和最低限速确定.

假设3. 隧道内，同向行驶的车辆遵循先到先服务（FIFO）原则，即同向行驶的车辆中，先到达某路段的车辆先从该路段离开.

2.2 数学描述

隧道内的拓扑网络由有向网络 ${\mathcal{G}}=({\mathcal{N}}, {\mathcal{A}})$ 表示， $\mathcal{N}$ 为节点集合， $\mathcal{A}$ 为路段集合，节点 $i, j \in \mathcal{N}$ ，有向弧 $(i, j) \in \mathcal{A}$ ， $i \neq j$ . $\mathcal{U}=\{1,2\}$ 表示车辆的行驶方向集合，用 $t, u_{\mathrm{a}} \in \mathcal{U}$ 进行索引. 当 $u=1$ 或 $u_{\mathrm{a}}=1$ 时，车辆从隧道入口向需求点行驶，当 $t=2$ 或 $u_{\mathrm{a}}={2}$ 时，车辆从需求点向隧道出口行驶. $\mathcal{A}_{u}$ 表示 $u$ 方向上的路段集合， $\mathcal{A}_{{\mathrm{s}}}$ 表示单向路段集合， $\mathcal{K}$ 表示车辆集合，用 $k, k_{\mathrm{a}} \in \mathcal{K}$ 进行索引.

1）车辆行驶路径的0-1决策变量：

${x}_{i,j}^{k,u}=\left\{\begin{array}{l} 1,\quad 若车辆k在u方向上经过路段\left(i,j\right) \\ 0,\quad 其他 \end{array}.\right.$

2）车辆时刻表的决策变量：

$h^{k}$ 为车辆 $k$ 的发车间隔.

3）车辆到达和离开路段事件的相关变量：

$a_{i,j}^{k,u}$ 为车辆 $k$ 在 ${u}$ 方向上到达路段 $(i, j)$ 的时刻，

$d_{i,j}^{k,u}$ 为车辆 $k$ 在 ${u}$ 方向上离开路段 $(i, j)$ 的时刻.

2.3 目标函数和约束条件

隧道内多工种施工车辆的运输组织方案在保证系统安全的基础上，设计施工车辆的发车时刻表，合理安排运行路径，尽可能高效率地完成各项运输任务. 因此，模型以最小化所有车辆的运行（行驶）总时间为目标建立目标函数. 每辆车的行驶时长为 $\displaystyle\sum\limits_{\left( i,{{d}_{{\mathrm{s}}}} \right)\in \mathcal{A}}{d_{i,{{d}_{{\mathrm{s}}}}}^{k,2}}-\displaystyle\sum\limits_{\left( {{o}_{{\mathrm{s}}}},j \right)\in \mathcal{A}}{a_{{{o}_{{\mathrm{s}}}},j}^{k,1}}$ ，目标函数表示如式（1）所示.

$\min \quad {\textit{Z}} = \sum\limits_{k \in \mathcal{K}} {\left( {\sum\limits_{\left( {i,{d_{\mathrm{s}}}} \right) \in \mathcal{A}} {d_{i,{d_{\mathrm{s}}}}^{k,2}} - \sum\limits_{\left( {{o_{\mathrm{s}}},j} \right) \in \mathcal{A}} {a_{{o_{\mathrm{s}}},j}^{k,1}} } \right)},$

(1)

式中： $o_{{\mathrm{s}}}$ 为隧道入口，即车辆去程方向上的起点 $o_{k, 1}$ ； $d_{{\mathrm{s}}}$ 为隧道出口，即车辆返程方向上的终点 $d_{k, 2}$ .

1）车辆路径约束

车辆 $k$ 在 ${u}$ 方向上从起点 $o_{k, {u}}$ 出发，沿着路段驶过中间节点后到达终点 $d_{k,u}$ ，需满足所有车辆的路径均被规划（式（2）～（3））. 对于去程，车辆的起点为隧道入口，终点为相应需求点. 对于返程，车辆的起点为需求点，终点为隧道出口.

$\sum\limits_{\left( {{o_{k,u}},j} \right) \in {\mathcal{A}_u}} {x_{{o_{k,u}},j}^{k,u}} = 1,\quad {\mkern 1mu} {\mkern 1mu} \forall k \in \mathcal{K},\quad u \in \mathcal{U},$

(2)

$\sum\limits_{\left( {i,{d_{k,u}}} \right) \in {\mathcal{A}^u}} {x_{i,{d_{k,u}}}^{k,u}} = 1.$

(3)

2）流量守恒约束

中间节点必须满足流量守恒约束，即节点流入等于节点流出，如式（4）所示.

$\begin{split} &\sum\limits_{\left( {i_{\mathrm{a}},i} \right) \in {\mathcal{A}_u}} {x_{i_{\mathrm{a}},i}^{k,u}} = \sum\limits_{\left( {i,j} \right) \in {\mathcal{A}_u}} {x_{i,j}^{k,u}} {\mkern 1mu} ,\quad \forall i \in \mathcal{N}\backslash \left\{ {{o_{k,u}},{d_{k,u}}} \right\}, \\ &\quad k \in \mathcal{K},u \in \mathcal{U}. \end{split}$

(4)

3）路径和时刻联系约束

只有车辆经过某一路段，才能得到其在该路段上的到达时刻和离开时刻，满足式（5）～（6）. 其中， $M$ 是一个非常大的正数. 式（5）中，当车辆 $k$ 在方向 ${u}$ 上经过路段 $(i, j)$ ，即 $x_{i,j}^{k,u}=1$ 时， $0 \leqslant a_{i, j}^{k, u} \leqslant M$ ，规定了 $a_{i, j}^{k, u}$ 的取值范围，强调了其非负特性，使 $a_{i, j}^{k,u}$ 具有实际意义. 而当车辆 $k$ 在 ${u}$ 方向上不经过路段 $(i, j)$ ，即 $x_{i, j}^{k, u}=0$ 时， $-M \leqslant a_{i, j}^{k,u} \leqslant 0$ ， $a_{i, j}^{k,u}$ 不具有实际意义. 式（6）中的 $d_{i,j}^{k,u}$ 同理.

$\begin{split} &\left( {x_{i,j}^{k,u} - 1} \right) M \leqslant a_{i,j}^{k,u} \leqslant x_{i,j}^{k,u} M,\quad {\mkern 1mu} {\mkern 1mu} \forall \left( {i,j} \right) \in \mathcal{A}, \\ &\quad k \in \mathcal{K},u \in \mathcal{U}, \end{split}$

(5)

$\begin{split} &\left( {x_{i,j}^{k,u} - 1} \right) M \leqslant d_{i,j}^{k,u} \leqslant x_{i,j}^{k,u} M,\quad {\mkern 1mu} {\mkern 1mu} \forall \left( {i,j} \right) \in \mathcal{A}, \\ &\quad k \in \mathcal{K},u \in \mathcal{U}. \end{split}$

(6)

4）发车间隔约束

在隧道中，受到技术条件和安全性能的限制，施工车辆需要满足一定的发车间隔要求，即满足式（7）.

$h_{\min } \leqslant h_{k} \leqslant h_{\max }, \forall k \in \mathcal{K},$

(7)

式中： $h_{\text {min }}$ 、 $h_{\max }$ 分别为给定的最小和最大发车间隔.

5）路网进入时间约束

为保证车辆有序运行，车辆 $k$ 进入路网的时间由已出发车辆的发车间隔决定，满足式（8）.

$\sum\limits_{\left( {{o_{\mathrm{s}}},j} \right) \in {\mathcal{A}_1}} {a_{{o_{\mathrm{s}}},j}^{k,1}} = \sum\limits_{k_{\mathrm{a}} = 1}^k {{h_{k_{\mathrm{a}}}}} ,{\mkern 1mu} {\mkern 1mu} \forall k \in \mathcal{K},$

(8)

式中： ${\mathcal{A}_1}$ 为去程方向上的路段集合.

6）路网运行时间约束

路网运行时间是指从第一辆车驶入路网开始直到最后一辆车驶出路网的总时间，即施工车队对于路网的使用周期. 路网存在一个最大的运行时间，在现实情况中可能是隧道内路段的最大工作时长或施工队的最长工时. 最后执行运输任务的车辆 $K$ 必须在到达路网的最大运行时间 $t_{\text{max}}$ 之前离开路网，即满足式（9）.

$\sum\limits_{\left( i,{{d}_{{\mathrm{s}}}} \right)\in {{\mathcal{A}}^{2}}}{d_{i,{{d}_{{\mathrm{s}}}}}^{K,2}}\leqslant {{t}_{\text{max}}}$

(9)

7）路段运行时间约束

车辆在路段上的行驶时间范围取决于路段的长度和限速条件，满足式（10）.

$\tau _{i,j,k}^{\text{(r)}} \geqslant \frac{{{l_{i,j}}}}{{v_{\max {\mathrm{k}} }}},\quad \forall \left( {i,j} \right) \in \mathcal{A},\; k \in \mathcal{K},$

(10)

式中： $l_{i j}$ 为路段 $(i, j)$ 的长度， $v_{\max {\mathrm{k}}}$ 为车辆 $k$ 的最大行驶速度， $\tau_{i j, k}^{({\mathrm{r}})}$ 表示车辆 $k$ 在路段 $(i, j)$ 上的运行时间.

8）路段到达和离开时刻约束

车辆离开某一路段的时刻等于到达该路段的时刻与路段上的行驶时间之和，即满足式（11）. 除了起始路段外，车辆到达某一路段的时刻等于离开上一路段的时刻，即满足约束条件（12）.

$d_{i, j}^{k, u}=a_{i, j}^{k, u} + \tau_{i, j, k}^{({\mathrm{r}})}, \quad \forall(i, j) \in \mathcal{A}, \;k \in \mathcal{K},\; u \in U$

(11)

$\begin{split} & a_{i,j}^{k,u} = \sum\limits_{\left( {i_{\mathrm{a}},i} \right) \in {\mathcal{A}^u}} {d_{i_{\mathrm{a}},i}^{k,u}} ,\quad \forall \left( {i,j} \right) \in {\mathcal{A}_u}, \\ &\quad i \ne {o_{k,u}},i \ne j,\; k \in \mathcal{K},\; u \in \mathcal{U}. \end{split}$

(12)

9）去程和返程联系约束

对于车辆 $k$ ，其去程的终点和返程的起点相同，都为执行任务的需求点. 另外，车辆从返程起点出发的时刻等于离开去程终点的时刻与需求点服务时间之和，满足式（13）.

$\sum\limits_{\left( {{o_{k,2}},j} \right) \in {\mathcal{A}_2}} {a_{{o_{k,2}},j}^{k,2}} = \sum\limits_{\left( {i_{\mathrm{a}},{d_{k,1}}} \right) \in {\mathcal{A}_1}} {d_{i_{\mathrm{a}},{d_{k,1}}}^{k,1}} + \tau _{{d_{k,1}}}^{(\text{w})},\quad \forall k \in \mathcal{K},$

(13)

式中： $\boldsymbol{\tau}_{d_{k, 1}}^{({\mathrm{w}})}$ 表示需求点的服务时间.

10）冲突疏解约束

为避免施工车辆间的碰撞、追尾事故，保障隧道内的运输安全，需要对车辆间的交叉冲突、相向冲突和赶超冲突进行疏解.

11）交叉冲突疏解

若2辆车在短时间内到达同一交叉点，则会形成交叉冲突. 所以要求到达同一交叉口车流的时间间隔必须满足可保障安全的最低时间限制，满足式（14）.

$\begin{split} & \left| {a_{j,i}^{k,u} - d_{i_{\mathrm{a}},j}^{k_{\mathrm{a}},u_{\mathrm{a}}}} \right| + \left( {1 - x_{j,i}^{k,u}} \right) M + \left( {1 - x_{i_{\mathrm{a}},j}^{k_{\mathrm{a}},u_{\mathrm{a}}}} \right) M \geqslant \\ &\quad \tau _{\min }^{(\text{m})},\quad \forall j \in \mathcal{N},\;\left( {j,i} \right) \in \mathcal{A},\;\left( {i_{\mathrm{a}},j} \right) \in \mathcal{A},\;k,k_{\mathrm{a}} \in \mathcal{K}, \\ &\quad k \ne k_{\mathrm{a}},\;u,u_{\mathrm{a}} \in \mathcal{U}, \end{split}$

(14)

式中： $\tau_{\mathrm{mim}}^{(\mathrm{m})}$ 表示最小会车时间间隔.

12）相向冲突疏解约束

若2辆车在单向路段上相向而行，则会发生相向冲突. 为了避免这类情况的发生，需要保证先到达的车辆对于路段的优先使用权，满足式（15）.

$\begin{split} &\left( {a_{i,j}^{k,u} - a_{j,i}^{k_{\mathrm{a}},u_{\mathrm{a}}}} \right) \left( {a_{i,j}^{k,u} - d_{j,i}^{k_{\mathrm{a}},u_{\mathrm{a}}}} \right) + \left( {1 - x_{i,j}^{k,u}} \right) M +\\ &\quad \left( {1 - x_{j,i}^{k_{\mathrm{a}},u_{\mathrm{a}}}} \right) M \geqslant 1,\quad \forall \left( {i,j} \right) \in \mathcal{A}^{{\mathrm{s}}}, \\ &\quad k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}},\;u,u_{\mathrm{a}} \in \mathcal{U} . \end{split}$

(15)

13）赶超冲突疏解约束

若2辆车在单向路段上同向而行，由于速度不同，可能会发生赶超冲突. 在现实情况中，车辆一般遵守先到先服务的原则，满足式（16）.

$\begin{split} &\left( {a_{i,j}^{k,u} - a_{i,j}^{k_{\mathrm{a}},u_{\mathrm{a}}}} \right) \left( {d_{i,j}^{k,u} - d_{i,j}^{k_{\mathrm{a}},u_{\mathrm{a}}}} \right) \geqslant 0,\quad \forall \left( {i,j} \right) \in \mathcal{A}_{{\mathrm{s}}}, \\ &\quad k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}},\;u,u_{\mathrm{a}} \in \mathcal{U}. \end{split}$

(16)

14）路段瓶颈约束

隧道内的每一路段都有通行能力限制. 当行驶车辆大于路段通行能力时，该路段成为瓶颈路段，路网安全性大幅度降低，所以需要满足式（17）.

$\sum\limits_{k \in \mathcal{K}} {\sum\limits_{u \in \mathcal{U}} {x_{i,j}^{k,u}} } \leqslant {C_{i,j}},\quad \forall \left( {i,j} \right) \in \mathcal{A} ,$

(17)

式中： $C_{i, j}$ 表示路段 $(i, j)$ 的最大通行能力.

15）变量约束

车辆运行路径和时刻表的决策变量以及车辆到达和离开路段事件的相关变量满足式（18）.

$\left\{ \begin{array}{l} {x}_{i,j}^{k,u}\in \left\{0,1\right\},\quad \forall(i,j)\in \mathcal{A},\;k\in \mathcal{K},\;u\in \mathcal{U},\\ {a}_{i,j}^{k,u},{d}_{i,j}^{k,u},{h}_{k}\geqslant 0{\text{且为整数}}, \quad \forall(i,j)\in \mathcal{A},\;k\in \mathcal{K},\;u\in \mathcal{U},\end{array}\right.$

(18)

3. 模型重构

本文建立的模型为整数非线性规划模型，为方便求解，结合假设1的简化条件对模型进行线性化处理，为接下来使用GUROBI求解模型做准备.

首先，通过引入 $M$ ，对式（11）和式（12）进行了线性化处理，得到式（19）和式（20）.

$\begin{split} &d_{i,j}^{k,u} \geqslant a_{i,j}^{k,u} + \tau _{i,j,k}^{(\text{r})} - M \left( {1 - x_{i,j}^{k,u}} \right), \\ &\quad \forall \left( {i,j} \right) \in \mathcal{A},\;k \in \mathcal{K},\;u \in \mathcal{U} \end{split}$

(19)

$\begin{split} &a_{i,j}^{k,u} \geqslant \sum\limits_{\left( {i_{\mathrm{a}},i} \right) \in {\mathcal{A}_u}} {d_{i_{\mathrm{a}},i}^{k,u}} - M \left( {1 - x_{i,j}^{k,u}} \right), \\ &\quad \forall \left( {i,j} \right) \in {\mathcal{A}_u},\;i \ne {o_{k,u}},\;i \ne j,\;k \in \mathcal{K},\;u \in \mathcal{U} \end{split}$

(20)

根据假设1，简化后模型中去程和返程上的有向弧均为单向弧，则式（14）可简化为式（21）. 另外，由于GUROBI可对绝对值进行运算，不对式（14）进行线性化处理.

$\begin{split} &\left| {\sum\limits_{u \in \mathcal{U}} {a_{j,i}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {d_{i_{\mathrm{a}},j}^{k_{\mathrm{a}},u}} } \right| + \left( {1 - \sum\limits_{u \in \mathcal{U}} {x_{j,i}^{k,u}} } \right) M + \\ &\quad \left( {1 - \sum\limits_{u \in \mathcal{U}} {x_{i_{\mathrm{a}},j}^{k_{\mathrm{a}},u}} } \right) M \geqslant \tau _{\min }^{(\text{m})},\quad \forall j \in \mathcal{N},\;\left( {i,j} \right) \in \mathcal{A}, \\ &\quad \left( {i_{\mathrm{a}},j} \right) \in \mathcal{A},\;k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}} \end{split}$

(21)

类似地，式（15）可简化为式（22）. 式（22）的线性化处理的结果如式（23）～（26）所示. 需要注意： $\delta_{i, j, k, k_{\mathrm{a}}}$ 为0-1变量，用于辅助式（22）的线性化处理. 当 $\delta_{i, j, k, k_{\mathrm{a}}}=1$ 时，式（23）和（25）的约束条件成立，式（24）和（26）的约束条件被放松，表明此时车 $k_{\mathrm{a}}$ 先进入路段，且在车 $k$ 进入路段之前就离开路段，保证不发生相向冲突. 同理，当 $\delta_{i, j, k, k_{\mathrm{a}}}=0$ 时，式（24）和（26）的约束条件成立，式（23）和（25）的约束条件被放松，表明此时车 $k$ 先进入路段，且在车 $k_{\mathrm{a}}$ 进入路段之前就离开路段，保证不发生相向冲突.

$\begin{split} &\left( {\sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {a_{j,i}^{k_{\mathrm{a}},u}} } \right) \left( {\sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {d_{j,i}^{k_{\mathrm{a}},u}} } \right) +\\ &\quad \left( {1 - \sum\limits_{u \in \mathcal{U}} {x_{i,j}^{k,u}} } \right) M + \left( {1 - \sum\limits_{u \in \mathcal{U}} {x_{i_{\mathrm{a}},j}^{k_{\mathrm{a}},u}} } \right) M \geqslant 1,\\ &\quad \forall \left( {i,j} \right) \in \mathcal{A}^{{\mathrm{s}}},\;k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}} , \end{split}$

(22)

$\begin{split} &\sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {a_{j,i}^{k_{\mathrm{a}},u}} \geqslant 1 - \left( {1 - {\delta _{i,j,k,k_{\mathrm{a}}}}} \right) M - \\ &\quad\left( {2 - \sum\limits_{u \in \mathcal{U}} {x_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {x_{j,i}^{k_{\mathrm{a}},u}} } \right) M,\quad \forall \left( {i,j} \right) \in \mathcal{A}_{{\mathrm{s}}},\;\\ &\quad k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}} \end{split}$

(23)

$\begin{split} &\sum\limits_{u \in \mathcal{U}} {a_{j,i}^{k_{\mathrm{a}},u}} - \sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k,u}} \geqslant 1 - {\delta _{i,j,k,k_{\mathrm{a}}}} M - \\ &\quad \left( {2 - \sum\limits_{u \in \mathcal{U}} {x_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {x_{j,i}^{k_{\mathrm{a}},u}} } \right) M,\quad \forall \left( {i,j} \right) \in \mathcal{A}_{{\mathrm{s}}},\\&\quad k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}}, \end{split}$

(24)

$\begin{split} &\sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {d_{j,i}^{k_{\mathrm{a}},u}} \geqslant 1 - \left( {1 - {\delta _{i,j,k,k_{\mathrm{a}}}}} \right) M - \\ &\quad\left( {2 - \sum\limits_{u \in \mathcal{U}} {x_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {x_{j,i}^{k_{\mathrm{a}},u}} } \right) M,\quad \forall \left( {i,j} \right) \in \mathcal{A}_{{\mathrm{s}}},\\&\quad k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}}, \end{split}$

(25)

$\begin{split} &\sum\limits_{u \in \mathcal{U}} {a_{j,i}^{k_{\mathrm{a}},u}} - \sum\limits_{u \in \mathcal{U}} {d_{i,j}^{k,u}} \geqslant 1 - {\delta _{i,j,k,k_{\mathrm{a}}}} M - \\ &\quad\left( {2 - \sum\limits_{u \in \mathcal{U}} {x_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {x_{j,i}^{k_{\mathrm{a}},u}} } \right) M,\quad \forall \left( {i,j} \right) \in \mathcal{A}_{{\mathrm{s}}},\\&\quad k,k_{\mathrm{a}} \in \mathcal{K},\;k \ne k_{\mathrm{a}}. \end{split}$

(26)

与式（15）的处理方式相同，式（16）可简化为式（27），线性化处理结果如式（28）、（29）所示. $\xi_{i, j, k, k_{\mathrm{a}}}$ 为0-1变量. 当 $\xi_{i, j, k, k_{\mathrm{a}}}=1$ 时， $k$ 车先进入路段，先离开路段，保证不发生赶超冲突；当 $\xi_{i, j, k, k_{\mathrm{a}}}=0$ 时，车 $k_{\mathrm{a}}$ 先进入路段，先离开路段，保证不发生赶超冲突.

$\begin{split} &\left( {\sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k_{\mathrm{a}},u}} } \right) \left( {\sum\limits_{u \in \mathcal{U}} {d_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {d_{i,j}^{k_{\mathrm{a}},u}} } \right) \\ &\quad\geqslant 0,\quad \forall \left( {i,j} \right) \in \mathcal{A}_{{\mathrm{s}}},\;k,k_{\mathrm{a}} \in \mathcal{K}, \end{split}$

(27)

$\begin{split} & - M {\xi _{i,j,k,k_{\mathrm{a}}}} \leqslant \sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {a_{i,j}^{k_{\mathrm{a}},u}} \leqslant \left( {1 - {\xi _{i,j,k,k_{\mathrm{a}}}}} \right) M, \\ &\quad \forall \left( {i,j} \right) \in \mathcal{A}^{{\mathrm{s}}},\;k,k_{\mathrm{a}} \in \mathcal{K}, \end{split}$

(28)

$\begin{split} & - M {\xi _{i,j,k,k_{\mathrm{a}}}} \leqslant \sum\limits_{u \in \mathcal{U}} {d_{i,j}^{k,u}} - \sum\limits_{u \in \mathcal{U}} {d_{i,j}^{k_{\mathrm{a}},u}} \leqslant \left( {1 - {\xi _{i,j,k,k_{\mathrm{a}}}}} \right) M, \\ &\quad \forall \left( {i,j} \right) \in \mathcal{A}^{{\mathrm{s}}},\;k,k_{\mathrm{a}} \in \mathcal{K}, \end{split}$

(29)

$\delta_{i, j, k, k_{\mathrm{a}}}, \xi_{i, j, k, k_{\mathrm{a}}} \in\{0,1\}, \quad\forall(i, j) \in \mathcal{A}^{{\mathrm{s}}},\; k^{2}, k_{\mathrm{a}} \in \mathcal{K}$

(30)

4. 案例分析

某长大隧道项目共有20辆施工车辆执行运渣、运材料、运人任务，包括12辆运渣车、4辆运材料车和4辆运人车. 隧道只有一个出入口，所有施工车辆均从该口驶入驶出隧道.

4.1 隧道网络拓扑

与一般隧道不同，长大隧道内部道路狭长，单双向路段混合，路网呈现纵横交错的结构. 本文将隧道抽象为近似3 × 5的网格结构，并对各节点进行编号，如所示. 其中，黄色节点为隧道出入口，绿色节点为运渣需求点，紫色节点为运材料需求点，红色节点为运人需求点，蓝色节点为中间节点. 可以看出，紫色节点，即运材料需求点也是隧道施工过程中的断点. 节点之间通过路段连接，有向双线箭头代表双向路段，有向单线箭头代表单向路段，路段上的数值代表节点间的距离. 根据假设1，对去程和返程方向上的有向弧进行简化，在去程方向上规定右行和下行有向弧，在返程方向上规定左行和上行的有向弧，如所示. 令V_q为图5中对应的节点. $q \in \{0,1,\cdots,16\}$ .

图 4 隧道网络拓扑图

Figure 4. Tunnel network topology diagram

下载: 全尺寸图片幻灯片

图 5 去返程方向的隧道网络拓扑图

Figure 5. Tunnel network topology diagram in inbound and outbound directions

下载: 全尺寸图片幻灯片

4.2 编制隧道交通组织方案

模型求解时，运行计算机硬件环境为Intel （R） Core （TM） i5-6200U CPU，主频2.40 GHz，内存8 GB；软件环境为Windows10系统，使用Python调用GUROBI求解器. 在该案例中，基于铁路隧道工程施工技术指南^[18]，通过调查成兰铁路跃龙门隧道施工组织实际案例^[19]，对各参数进行了规定和限制. 参考成兰铁路龙门隧道案例中车队的施工周期要求，规定路网的最大运行时间为100 min. 考虑到铁路隧道工程施工技术指南中提出的安全规范，结合成兰铁路跃龙门隧道案例涉及的车速限制，我们令运渣车（KM）和运材料车（KC）的最高限速为30 km/h，运人车（KP）的最高限速为40 km/h，车辆的最小和最大发车间隔分别为1 min和4 min，最小会车时间间隔和安全时间间隔均为1 min，单向路段和双向路段的最大通行能力分别为10辆和20辆车. 案例中20辆施工车辆根据最短行驶路径和最高行驶速度得到的施工运输组织初始方案，见表1. 然后本文使用GUROBI求解器，经过1661 s后求解得到基于重构的整数线性规划模型的施工运输组织优化方案，见表2.

表 1 施工运输组织初始方案

Table 1. Initial construction organization scheme

编号	车辆进入隧道运行方案		车辆离开隧道运行方案
编号	始发时刻	运行路径	始发时刻	运行路径
KP1	0	0-1-2-5-8-11-14	13	14-11-8-5-4-1-0
KP2	1	0-1-4-5-8-11-14	14	14-11-8-5-2-1-0
KP3	2	0-1-4-5-8-11-14	15	14-11-8-5-2-1-0
KP4	3	0-1-4-5-8-11-14	16	14-11-8-5-2-1-0
KC1	4	0-1-2-3-6-9	15	9-6-3-2-1-0
KC2	5	0-1-2-3-6-9	16	9-6-3-2-1-0
KC3	6	0-1-2-3-6-9	17	9-6-3-2-1-0
KC4	7	0-1-2-3-6-9	18	9-6-3-2-1-0
KM1	8	0-1-4-7-10-13	23	13-10-7-4-1-0
KM2	9	0-1-4-7-10-13-14-16	27	16-14-13-10-7-4-1-0
KM3	10	0-1-4-5-8-11-14-15	27	15-14-11-8-5-2 1-0
KM4	11	0-1-4-7-10-13	26	13-10-7-4-1-0
KM5	12	0-1-4-7-10-13-14-16	30	16-14-13-10-7-4-1-0
KM6	13	0-1-4-5-8-11-14-15	30	15-14-11-8-5-2-1-0
KM7	14	0-1-4-7-10-13	29	10-7-4-1-0
KM8	15	0-1-4-7-10-13-14-16	33	16-14-13-10-7-4-1-0
KM9	16	0-1-4-5-8-11-14-15	33	15-14-11-8-5-2-1-0
KM10	17	0-1-4-7-10-13	32	13-10-7-4-1-0
KM11	18	0-1-4-7-10-13-14-16	36	16-14-13-10-7-4-1-0
KM12	19	0-1-4-5-8-11-14-15	36	15-14-11-8-5-2-1-0

下载: 导出CSV

| 显示表格

表 2 施工运输组织优化方案

Table 2. Optimization construction organization scheme

编号	车辆进入隧道运行方案		车辆离开隧道运行方案
编号	始发时刻	运行路径	始发时刻	运行路径
KP1	0	0-1-2-5-8-11-14	13	14-11-8-5-4-1-0
KP2	1	0-1-4-7-8-11-14	14	14-13-10-7-4-1-0
KP3	5	0-1-4-7-8-11-14	18	14-13-10-7-4-1-0
KP4	9	0-1-4-7-8-11-14	22	14-11-8-5-4-1-0
KC1	13	0-1-4-5-6-9	24	9-6-5-4-1-0
KC2	17	0-1-2-5-6-9	28	9-6-5-2-1-0
KC3	18	0-1-4-5-6-9	29	9-6-3-2-1-0
KC4	22	0-1-2-3-6-9	33	9-6-5-4-1-0
KM1	23	0-1-4-7-10-13	38	13-10-7-4-1-0
KM2	27	0-1-4-7-10-13-14-16	45	16-14-11-8-5-2-1-0
KM3	31	0-1-4-7-8-11-14-15	48	15-14-13-10-7-4-1-0
KM4	34	0-1-4-7-10-13	49	13-10-7-4-1-0
KM5	35	0-1-4-7-8-11-14-16	53	16-14-11-8-5-2-1-0
KM6	39	0-1-2-5-8-11-14-15	56	15-12-11-8-5-2-1-0
KM7	42	0-1-4-7-10-13	57	13-10-7-4-1-0
KM8	46	0-1-4-7-8-11-14-16	64	16-14-11-8-5-2-1-0
KM9	47	0-1-2-5-8-11-14-15	64	15-14-11-8-5-4-1-0
KM10	49	0-1-4-7-10-13	64	13-10-7-4-1-0
KM11	53	0-1-4-7-10-13-14-16	71	16-14-11-8-7-4-1-0
KM12	57	0-1-2-5-8-11-12-15	74	15-14-11-8-5-4-1-0

下载: 导出CSV

| 显示表格

表1中加粗划线的节点表示车辆在该节点与其他车辆发生了交叉冲突. 易看出，优化前车辆KP1与KM3、KM9、KC2，KP2与KC3，KP3与KM9、KC4，KP4与KM6，KC1与KM12，KM1与KM10，KM2与KM11，KM3与KM7，KM6与KM10间发生了交叉冲突，甚至车辆KP2与KC3间存在3个交叉冲突点. 车辆KM3与KM9，车辆KM6与KM12在V₁₄与V₁₅间的路段发生了相向冲突. 对比表1和表2可以发现，优化前后施工车辆的时刻表发生了很大的变化. 车辆KP2、KC3、KM1、KM5、KM9与前车的发车间隔保持1 min没有变化，车辆KM10与前车的发车间隔从1 min增至2 min，车辆KM4、KM7与前车的发车间隔从1 min增加至3 min，剩下车辆与前车的发车间隔从1 min增加至4 min. 另外，优化前，对于需求点相同的车辆，其运行路径大多相同. 例如：需求点为V₁₄的车辆KP2、KP3、KP4的运行路径

多数为V₀→V₁→V₄→V₅→V₈→V₁₁→V₁₄→V₁₁→V₈→V₅→V₄→V₁→V₀；需求点为V₉的车辆KC1、KC2、KC3、KC4的运行路径都为V₀→V₁→V₂→V₃→V₆→V₉→V₆→V₃→V₂→V₁→V₀→V₁. 这容易导致车辆对某路段的使用频率过高，从而产生冲突，例如：V₁与V₂间路段的高使用率导致V₁与V₂的交叉冲突点过多. 而优化后，对于需求点相同的车辆，其运行路径大多不同. 这是因为各个车辆需要尽量避免沿着相同路径行驶，减少某个路段的使用压力，规避交通冲突，保证安全行驶. 事实上，优化方案还可以在限速范围内改变车辆的行驶速度来调整车辆在路段上的运行时间，间接改变车辆的路径时刻表，达到延缓或提前到达某一节点的时刻来规避交通冲突，保证运行安全. 综上分析，本文所提出的优化方案主要从调整发车时刻表、改变车辆运行路径、调节路段行驶时间3个途径来减少交通冲突.

初始方案、优化方案的目标函数值和交通冲突数量如表3所示. 优化前后，目标函数值，即车辆的总运行（行驶）时间均为512 min，没有发生变化，交通冲突数量从21个减到0个. 因此，可以得出，对多工种施工车辆的时刻表和路径进行规划，可以在不增加车辆总运行（行驶）时间，即目标函数值（512 min）的基础上有效规避交通冲突，保证隧道内部施工期间车辆的行驶安全. 实际上，不同于理论计算结果，当隧道内部车辆间发生交通冲突时，车辆总运行时间不仅会大幅度增加，还可能引发严重的交通事故. 本案例的优化方案在不牺牲车辆理想运行（行驶）时间的条件下完全避免了交通冲突，保证了隧道内部施工车辆的畅通运行. 为进一步清晰直观地对比初始方案与优化方案的优劣，刻画2种方案优化前后的效果，我们绘制隧道运输组织初始方案和优化方案的时空轨迹图，如图6和图7所示. 图中的黑色五角星代表交叉冲突点，红色直线的交点代表相向冲突点. 优化后，图中的交通冲突点得以消除，各个车辆的路径时刻表从紧张危险、交错纵横的状态转变为疏散安全、平衡有序的状态. 另外，观察交通冲突的涉及对象和发生时刻可发现，车辆容易在去程方向上与其他返程方向上的车辆发生冲突. 这是因为去程方向和返程方向的目标方向不一致，车辆运行路径容易产生交叉相错. 初始方案的路径时刻表只能先保证去程方向上车辆的有序规律发车，难以进一步确保返程方向上车辆对于冲突的规避，而优化方案可以通过进一步调整路径时刻表来继续保证返程方向上车辆的有序安全运行. 由此可知，考虑交通冲突的长大隧道内部多工种施工车辆时刻表和运行路径的协同优化，使得隧道内部交通网络的安全性得到提高，车辆间的交通冲突得以疏解，施工任务能够高效安全完成，减少了意外事故发生的可能性.

表 3 初始和优化方案的目标函数值和交通冲突数量

Table 3. Objective function values and number of traffic conflicts for initial and optimization schemes

方案	目标函数值/min	交通冲突数量/个
方案	目标函数值/min	交叉	相向	赶超
初始方案	512	19	2	0
优化方案	512	0	0	0

下载: 导出CSV

| 显示表格

图 6 隧道运输组织初始方案时空轨迹图

Figure 6. Space-time trajectory map of initial scheme of tunnel transportation organization

下载: 全尺寸图片幻灯片

图 7 隧道运输组织优化方案时空轨迹图

Figure 7. Space-time trajectory map of optimization scheme of tunnel transportation organization

下载: 全尺寸图片幻灯片

综上分析，本文提出的考虑交通冲突的长大隧道内部多工种施工车辆的时刻表和运行路径系统优化模型及GUROBI求解方法具备可行性，能够在短时间内得到效果较好的优化方案，应用于隧道内部运输组织方案编制，可操作性强.

5. 结论与展望

1）在隧道施工任务执行过程中，需求点相同的施工车辆容易发生交通冲突，不同目标方向（去程和返程）的车辆容易发生交通冲突. 本文所提出的优化方案主要从调整发车时刻表、改变车辆运行路径、调节路段行驶时间3个途径来减少交通冲突. 在案例中优化得到的多工种施工车辆运输组织方案不增加车辆的总运行（行驶）时间，即目标函数值（512 min），使车辆间的交通冲突数量从21个减为0个，提高了施工效率，保证了运输安全.

2）本文提出的隧道内部多工种施工车辆的时刻表和运行路径协同优化模型可应用于各种隧道施工项目，也可以通过设置时间窗，考虑车辆装配过程，考虑车辆的循环运输计划等来进一步完善模型，扩大其应用场景，同时也是后续的重要研究方向.

图 1 轨道交通“网-源-储-车”协同供能系统结构

Figure 1. “Network-source-storage-vehicle”collaborative energy supply system structure of rail transit

下载: 全尺寸图片幻灯片

图 2 基于功率融通设备的互联架构

Figure 2. Interconnection architecture based on power fusion equipment

下载: 全尺寸图片幻灯片

图 3 基于组合式同相供电的互联架构

Figure 3. Interconnection architecture based on combined in-phase power supply

下载: 全尺寸图片幻灯片

图 4 基于贯通供电的互联架构

Figure 4. Interconnection architecture of continuous power supply

下载: 全尺寸图片幻灯片

图 5 基于高压直流贯通线的互联架构

Figure 5. Interconnection architecture based on HVDC through lines

下载: 全尺寸图片幻灯片

图 6 基于物联网的云边协同信息处理技术架构

Figure 6. Cloud-side collaborative information processing technology architecture based on the internet of things

下载: 全尺寸图片幻灯片

图 7 牵引供电系统产消者运行模式

Figure 7. Operation mode of producer and consumer of traction power supply system

下载: 全尺寸图片幻灯片

图 8 源-荷时空匹配度评估及优化方法

Figure 8. Source-load space-time matching degree evaluation method

下载: 全尺寸图片幻灯片

图 9 “源-储”双层协同优化结构

Figure 9. “Source-storage” double-layer collaborative optimization structure

下载: 全尺寸图片幻灯片

图 10 广域保护结构

Figure 10. Basic structure of wide area protection

下载: 全尺寸图片幻灯片

图 11 “网-源-车-储”协同能量管理系统

Figure 11. “network-source-vehicle-storage” collaborative energy management system

下载: 全尺寸图片幻灯片

图 12 北斗时空量测系统

Figure 12. Beidou space-time measurement system

下载: 全尺寸图片幻灯片

图 13 多目标在线驾驶优化示意

Figure 13. Schematic diagram of multi-objective online driving optimization

下载: 全尺寸图片幻灯片

参考文献(78)

[1]	中国国家铁路集团有限公司. 中国国家铁路集团有限公司2023年统计公报[Z]. 北京: 中国国家铁路集团有限公司,2024.
[2]	胡海涛,郑政,何正友,等. 交通能源互联网体系架构及关键技术[J]. 中国电机工程学报,2018,38(1): 12-24,339. HU Haitao, ZHENG Zheng, HE Zhengyou, et al. The framework and key technologies of traffic energy Internet[J]. Proceedings of the CSEE, 2018, 38(1): 12-24,339.
[3]	何正友,向悦萍,廖凯,等. 能源-交通-信息三网融合发展的需求、形态及关键技术[J]. 电力系统自动化,2021,45(16): 73-86. HE Zhengyou, XIANG Yueping, LIAO Kai, et al. Demand, form and key technologies of integrated development of energy-transport-information networks[J]. Automation of Electric Power Systems, 2021, 45(16): 73-86.
[4]	高仕斌,高凤华,刘一谷,等. 自感知能源互联网研究展望[J]. 电力系统自动化,2021,45(5): 1-17. GAO Shibin, GAO Fenghua, LIU Yigu, et al. Prospect of research on self-aware energy internet[J]. Automation of Electric Power Systems, 2021, 45(5): 1-17.
[5]	孙秋野,滕菲,张化光. 能源互联网及其关键控制问题[J]. 自动化学报,2017,43(2): 176-194. SUN Qiuye, TENG Fei, ZHANG Huaguang. Energy internet and its key control issues[J]. Acta Automatica Sinica, 2017, 43(2): 176-194.
[6]	韦晓广,高仕斌,臧天磊,等. 社会能源互联网:概念、架构和展望[J]. 中国电机工程学报,2018,38(17): 4969-4986,5295. WEI Xiaoguang, GAO Shibin, ZANG Tianlei, et al. Social energy internet: concept, architecture and outlook[J]. Proceedings of the CSEE, 2018, 38(17): 4969-4986,5295.
[7]	韦晓广,高仕斌,李多,等. 基于连锁故障网络图和不同攻击方式的输电线路脆弱性分析[J]. 中国电机工程学报,2018,38(2): 465-474,677. WEI Xiaoguang, GAO Shibin, LI Duo, et al. Cascading fault graph for the analysis of transmission network vulnerability under different attacks[J]. Proceedings of the CSEE, 2018, 38(2): 465-474,677.
[8]	胡海涛,葛银波,黄毅,等. 电气化铁路“源–网–车–储”一体化供电技术[J]. 中国电机工程学报,2022,42(12): 4374-4391. HU Haitao, GE Yinbo, HUANG Yi, et al. “source-network-train-storage” integrated power supply system for electric railways[J]. Proceedings of the CSEE, 2022, 42(12): 4374-4391.
[9]	黄文龙,胡海涛,陈俊宇,等. 枢纽型牵引变电所再生制动能量利用系统能量管理及控制策略[J]. 电工技术学报,2021,36(3): 588-598. HUANG Wenlong, HU Haitao, CHEN Junyu, et al. Energy management and control strategy of regenerative braking energy utilization system in hub traction substation[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 588-598.
[10]	邓文丽,戴朝华,陈维荣. 光伏接入牵引供电系统的多元制约因素初探[J]. 太阳能学报,2020,41(8): 192-203. DENG Wenli, DAI Chaohua, CHEN Weirong. Preliminary research of multiple constriction for pv access traction power supply system[J]. Acta Energiae Solaris Sinica, 2020, 41(8): 192-203.
[11]	邓文丽,戴朝华,陈维荣,等. 铁路功率调节器研究进展[J]. 中国电机工程学报,2020,40(14): 4640-4655,4742. DENG Wenli, DAI Chaohua, CHEN Weirong, et al. Research progress of railway power conditioner[J]. Proceedings of the CSEE, 2020, 40(14): 4640-4655,4742.
[12]	黄小红,赵艺,李群湛,等. 电气化铁路同相储能供电技术[J]. 西南交通大学学报,2020,55(4): 856-864. doi: 10.3969/j.issn.0258-2724.20181083 HUANG Xiaohong, ZHAO Yi, LI Qunzhan, et al. Co-phase traction power supply and energy storage technology for electrified railway[J]. Journal of Southwest Jiaotong University, 2020, 55(4): 856-864. doi: 10.3969/j.issn.0258-2724.20181083
[13]	何晓琼,韩鹏程,王怡,等. 基于级联-并联变换器的贯通式牵引变电所系统研究[J]. 铁道学报,2017,39(8): 52-61. doi: 10.3969/j.issn.1001-8360.2017.08.008 HE Xiaoqiong, HAN Pengcheng, WANG Yi, et al. Study on advanced cophase traction power substation system based on cascade-parallel converter[J]. Journal of the China Railway Society, 2017, 39(8): 52-61. doi: 10.3969/j.issn.1001-8360.2017.08.008
[14]	魏文婧,胡海涛,王科,等. 基于铁路功率调节器的高速铁路牵引供电系统储能方案及控制策略[J]. 电工技术学报,2019,34(6): 1290-1299. WEI Wenjing, HU Haitao, WANG Ke, et al. Energy storage scheme and control strategies of high-speed railway based on railway power conditioner[J]. Transactions of China Electrotechnical Society, 2019, 34(6): 1290-1299.
[15]	张秀峰,高仕斌,钱清泉,等. 基于阻抗匹配平衡变压器和AT供电方式的新型同相牵引供电系统[J]. 铁道学报,2006,28(4): 32-37. doi: 10.3321/j.issn:1001-8360.2006.04.007 ZHANG Xiufeng, GAO Shibin, QIAN Qingquan, et al. A novel cophase traction power supply system based on impedance matching balance transformer and AT power supply mode[J]. Journal of the China Railway Society, 2006, 28(4): 32-37. doi: 10.3321/j.issn:1001-8360.2006.04.007
[16]	陈民武,蒋汶兵,王旭光,等. 高速铁路新型同相贯通供电方案及其仿真研究[J]. 铁道学报,2016,38(1): 28-34. doi: 10.3969/j.issn.1001-8360.2016.01.005 CHEN Minwu, JIANG Wenbing, WANG Xuguang, et al. Study on scheme and simulation of new co-phase continuous traction power supply system for high-speed railway[J]. Journal of the China Railway Society, 2016, 38(1): 28-34. doi: 10.3969/j.issn.1001-8360.2016.01.005
[17]	JIANG Y, LIU J Q, TIAN W, et al. Energy Harvesting for the Electrification of Railway Stations: getting a charge from the regenerative braking of trains[J]. IEEE Electrification Magazine, 2014, 2(3): 39-48.
[18]	张丽艳,贾瑛,韩笃硕,等. 电气化铁路同相储能供电系统能量管理及容量配置策略[J]. 西南交通大学学报,2023,58(1): 22-29. doi: 10.3969/j.issn.0258-2724.20210247 ZHANG Liyan, JIA Ying, HAN Dushuo, et al. Energy management and capacity allocation scheme for co-phase traction power supply and energy storage system in electrified railways[J]. Journal of Southwest Jiaotong University, 2023, 58(1): 22-29. doi: 10.3969/j.issn.0258-2724.20210247
[19]	王辉,李群湛,解绍锋,等. 基于vv-SVG的电气化铁路同相供电综合补偿方案及控制策略[J]. 铁道学报,2021,43(9): 46-55. doi: 10.3969/j.issn.1001-8360.2021.09.007 WANG Hui, LI Qunzhan, XIE Shaofeng, et al. Comprehensive compensation scheme and control strategy of cophase power supply for electrified railway based on vv-SVG[J]. Journal of the China Railway Society, 2021, 43(9): 46-55. doi: 10.3969/j.issn.1001-8360.2021.09.007
[20]	DAI N Y, WONG M C, LAO K W, et al. Modelling and control of a railway power conditioner in co-phase traction power system under partial compensation[J]. IET Power Electronics, 2014, 7(5): 1044-1054.
[21]	SHU Z L, XIE S F, LU K, et al. Digital detection, control, and distribution system for co-phase traction power supply application[J]. IEEE Transactions on Industrial Electronics, 2013, 60(5): 1831-1839.
[22]	李群湛,王辉,黄文勋,等. 电气化铁路牵引变电所群贯通供电系统及其关键技术[J]. 电工技术学报,2021,36(5): 1064-1074. LI Qunzhan, WANG Hui, HUANG Wenxun, et al. Interconnected power supply system of traction substation group and its key technologies for the electrified railway[J]. Transactions of China Electrotechnical Society, 2021, 36(5): 1064-1074.
[23]	夏焰坤,李群湛,解绍锋,等. 电气化铁道贯通同相供电变电所控制策略研究[J]. 铁道学报,2014,36(8): 25-31. doi: 10.3969/j.issn.1001-8360.2014.08.005 XIA Yankun, LI Qunzhan, XIE Shaofeng, et al. Study on control strategy of continuous co-phase power supply substions of electrical railways[J]. Journal of the China Railway Society, 2014, 36(8): 25-31. doi: 10.3969/j.issn.1001-8360.2014.08.005
[24]	王鑫,涂春鸣,郭祺,等. 电气化铁路贯通型供电系统综述[J]. 机车电传动,2022(3): 17-28. WANG Xin, TU Chunming, GUO Qi, et al. Review of through-type power supply system for electrified railways[J]. Electric Drive for Locomotives, 2022(3): 17-28.
[25]	GAZAFRUDI S M M, LANGERUDY A T, FUCHS E F, et al. Power quality issues in railway electrification: a comprehensive perspective[J]. IEEE Transactions on Industrial Electronics, 2015, 62(5): 3081-3090.
[26]	孟令辉,周犹松,闫晗,等. 应用于贯通供电系统的两相–单相变换器直流电压纹波特性与功率均衡控制[J]. 中国电机工程学报,2022,42(17): 6449-6460. MENG Linghui, ZHOU Yousong, YAN Han, et al. DC-link voltage ripple analysis and power balanced control for two-phase to single-phase converter in advanced traction power supply system[J]. Proceedings of the CSEE, 2022, 42(17): 6449-6460.
[27]	周志成. 基于树形双边供电的重载铁路贯通同相供电方案[J]. 铁道科学与工程学报,2020,17(3): 722-731. ZHOU Zhicheng. Cophase connected power supply scheme of heavy haul railway based on tree bilateral power supply[J]. Journal of Railway Science and Engineering, 2020, 17(3): 722-731.
[28]	马建军,李平,马小宁,等. 铁路一体化信息集成平台总体架构及关键技术研究[J]. 中国铁道科学,2020,41(5): 153-161. MA Jianjun, LI Ping, MA Xiaoning, et al. Research on the overall framework and key technologies of railway integrated information platform[J]. China Railway Science, 2020, 41(5): 153-161.
[29]	胡金磊,朱泽锋,林孝斌,等. 变电站无人机机巡边缘计算框架设计及资源调度方法[J]. 高电压技术,2021,47(2): 425-433. HU Jinlei, ZHU Zefeng, LIN Xiaobin, et al. Framework design and resource scheduling method for edge computing in substation UAV inspection[J]. High Voltage Engineering, 2021, 47(2): 425-433.
[30]	白昱阳,黄彦浩,陈思远,等. 云边智能:电力系统运行控制的边缘计算方法及其应用现状与展望[J]. 自动化学报,2020,46(3): 397-410. BAI Yuyang, HUANG Yanhao, CHEN Siyuan, et al. Cloud-edge intelligence: status quo and future prospective of edge computing approaches and applications in power system operation and control[J]. Acta Automatica Sinica, 2020, 46(3): 397-410.
[31]	邬明亮,郭爱,邓文丽,等. 铁路牵引用背靠背光伏发电系统及其消纳能力研究[J]. 太阳能学报,2019,40(12): 3444-3450. WU Mingliang, GUO Ai, DENG Wenli, et al. Research on back-to-back pv generation system for railway traction and its accommodation ability[J]. Acta Energiae Solaris Sinica, 2019, 40(12): 3444-3450.
[32]	张磊,朱凌志,陈宁,等. 新能源发电模型统一化研究[J]. 电力系统自动化,2015,39(24): 129-138. doi: 10.7500/AEPS20150629010 ZHANG Lei, ZHU Lingzhi, CHEN Ning, et al. Review on generic model for renewable energy generation[J]. Automation of Electric Power Systems, 2015, 39(24): 129-138. doi: 10.7500/AEPS20150629010
[33]	邓文丽,戴朝华,陈维荣. 轨道交通能源互联网背景下光伏在交/直流牵引供电系统中的应用及关键问题分析[J]. 中国电机工程学报,2019,39(19): 5692-5702,5897. DENG Wenli, DAI Chaohua, CHEN Weirong. Application of PV generation in AC/DC traction power supply system and the key problem analysis under the background of rail transit energy Internet[J]. Proceedings of the CSEE, 2019, 39(19): 5692-5702,5897.
[34]	诸斐琴,杨中平,林飞,等. 城轨交通牵引供电系统参数与储能系统容量配置综合优化[J]. 电工技术学报,2019,34(3): 579-588. ZHU Feiqin, YANG Zhongping, LIN Fei, et al. Synthetic optimization of traction power parameters and energy storage systems in urban rail transit[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 579-588.
[35]	邬明亮. 分时电价政策下电气化铁路储能的经济性[J]. 电力自动化设备,2020,40(6): 1-3,191-197. WU Mingliang. Economy of energy storage in electrified railway under time-of-use price policy[J]. Electric Power Automation Equipment, 2020, 40(6): 1-3,191-197.
[36]	陈维荣,王璇,李奇,等. 光伏电站接入轨道交通牵引供电系统发展现状综述[J]. 电网技术,2019,43(10): 3663-3670. CHEN Weirong, WANG Xuan, LI Qi, et al. Review on the development status of PV power station accessing to traction power supply system for rail transit[J]. Power System Technology, 2019, 43(10): 3663-3670.
[37]	CUI G P, LUO L F, LIANG C G, et al. Supercapacitor integrated railway static power conditioner for regenerative braking energy recycling and power quality improvement of high-speed railway system[J]. IEEE Transactions on Transportation Electrification, 2019, 5(3): 702-714.
[38]	魏波,胡海涛,王科,等. 基于实测数据和行车运行图的高铁牵引变电站负荷预测方法[J]. 电工技术学报,2020,35(1): 179-188. WEI Bo, HU Haitao, WANG Ke, et al. Research on traction load forecasting method for high-speed railway traction substation based on measured data and train timetable[J]. Transactions of China Electrotechnical Society, 2020, 35(1): 179-188.
[39]	WU C X, LU S F, XUE F, et al. A two-step method for energy-efficient train operation, timetabling, and onboard energy storage device management[J]. IEEE Transactions on Transportation Electrification, 2021, 7(3): 1822-1833.
[40]	罗嘉明,韦晓广,高仕斌,等. 高速铁路储能系统容量配置与能量管理技术综述与展望[J]. 中国电机工程学报,2022,42(19): 7028-7051. LUO Jiaming, WEI Xiaoguang, GAO Shibin, et al. Summary and outlook of capacity configuration and energy management technology of high-speed railway energy storage system[J]. Proceedings of the CSEE, 2022, 42(19): 7028-7051.
[41]	DÍAZ-GONZÁLEZ F, SUMPER A, GOMIS-BELLMUNT O, et al. A review of energy storage technologies for wind power applications[J]. Renewable and Sustainable Energy Reviews, 2012, 16(4): 2154-2171.
[42]	袁佳歆,曲锴,郑先锋,等. 高速铁路混合储能系统容量优化研究[J]. 电工技术学报,2021,36(19): 4161-4169,4182. YUAN Jiaxin, QU Kai, ZHENG Xianfeng, et al. Optimizing research on hybrid energy storage system of high speed railway[J]. Transactions of China Electrotechnical Society, 2021, 36(19): 4161-4169,4182.
[43]	薛禹胜,雷兴,薛峰,等. 关于电力系统广域保护的评述[J]. 高电压技术,2012,38(3): 513-520. XUE Yusheng, LEI Xing, XUE Feng, et al. Review on wide area protection of electric power systems[J]. High Voltage Engineering, 2012, 38(3): 513-520.
[44]	井友刚. 电气化铁路广域保护系统自愈重构功能研究与应用[J]. 电气化铁道,2020,31(3): 12-15,32. JING Yougang. Study on and application of self-healing reconfiguration function of wide area protection system for electrified railway[J]. Electric Railway, 2020, 31(3): 12-15,32.
[45]	刘育权,华煌圣,李力,等. 多层次的广域保护控制体系架构研究与实践[J]. 电力系统保护与控制,2015,43(5): 112-122. doi: 10.7667/j.issn.1674-3415.2015.05.018 LIU Yuquan, HUA Huangsheng, LI Li, et al. Research and application of multi-level wide-area protection system[J]. Power System Protection and Control, 2015, 43(5): 112-122. doi: 10.7667/j.issn.1674-3415.2015.05.018
[46]	王潘潘. 京张高铁智能牵引供电系统自愈重构方案研究[J]. 电气化铁道,2020,31(增2): 126-131. WANG Panpan. Research on self-healing reconstruction scheme of intelligent traction power supply system for Beijing—Zhangjiakou high-speed railway[J]. Electric Railway, 2020, 31(S2): 126-131.
[47]	尹项根,李振兴,刘颖彤,等. 广域继电保护及其故障元件判别问题的探讨[J]. 电力系统保护与控制,2012,40(5): 1-9. doi: 10.3969/j.issn.1674-3415.2012.05.001 YIN Xianggen, LI Zhenxing, LIU Yingtong, et al. Study on wide area relaying protection and fault element identification[J]. Power System Protection and Control, 2012, 40(5): 1-9. doi: 10.3969/j.issn.1674-3415.2012.05.001
[48]	李振坤,赵向阳,朱兰,等. 智能配电网故障后自愈能力评估[J]. 电网技术,2018,42(3): 789-796. LI Zhenkun, ZHAO Xiangyang, ZHU Lan, et al. Evaluation of self-healing ability for smart distribution network after failure[J]. Power System Technology, 2018, 42(3): 789-796.
[49]	张小瑜,吴俊勇. 高速铁路牵引供电系统的供电可靠性评估方法[J]. 电网技术,2007,31(11): 27-32. doi: 10.3321/j.issn:1000-3673.2007.11.006 ZHANG Xiaoyu, WU Junyong. Reliability estimation method of traction power supply system for high-speed railway[J]. Power System Technology, 2007, 31(11): 27-32. doi: 10.3321/j.issn:1000-3673.2007.11.006
[50]	周桂法,邵志和,曾嵘. 轨道交通RAMS工作的理解与实施[J]. 机车电传动,2014(2): 1-5,15. ZHOU Guifa, SHAO Zhihe, ZENG Rong. Comprehension and implementation of RAMS for rail transit[J]. Electric Drive for Locomotives, 2014(2): 1-5,15.
[51]	YANG X W, HU H T, GE Y B, et al. An improved droop control strategy for VSC-based MVDC traction power supply system[J]. IEEE Transactions on Industry Applications, 2018, 54(5): 5173-5186.
[52]	GOMEZ-EXPOSITO A, MAURICIO J M, MAZA-ORTEGA J M. VSC-based MVDC railway electrification system[J]. IEEE Transactions on Power Delivery, 2014, 29(1): 422-431.
[53]	程红,高巧梅,朱锦标,等. 基于双重移相控制的双向全桥DC-DC变换器动态建模与最小回流功率控制[J]. 电工技术学报,2014,29(3): 245-253. doi: 10.3969/j.issn.1000-6753.2014.03.031 CHENG Hong, GAO Qiaomei, ZHU Jinbiao, et al. Dynamic modeling and minimum backflow power controlling of the bi-directional full-bridge DC-DC converters based on dual-phase-shifting control[J]. Transactions of China Electrotechnical Society, 2014, 29(3): 245-253. doi: 10.3969/j.issn.1000-6753.2014.03.031
[54]	何晓琼,彭俊,韩鹏程,等. 电气化铁路综合补偿器控制策略研究[J]. 铁道学报,2020,42(9): 74-84. doi: 10.3969/j.issn.1001-8360.2020.09.010 HE Xiaoqiong, PENG Jun, HAN Pengcheng, et al. Study on control strategy of comprehensive compensator for electrified railway[J]. Journal of the China Railway Society, 2020, 42(9): 74-84. doi: 10.3969/j.issn.1001-8360.2020.09.010
[55]	鲍冠南,陆超,袁志昌,等. 基于动态规划的电池储能系统削峰填谷实时优化[J]. 电力系统自动化,2012,36(12): 11-16. BAO Guannan, LU Chao, YUAN Zhichang, et al. Load shift real-time optimization strategy of battery energy storage system based on dynamic programming[J]. Automation of Electric Power Systems, 2012, 36(12): 11-16.
[56]	邓文丽,戴朝华,张涵博,等. 复杂电气化铁路牵引用光伏发电系统综合优化控制方法研究[J]. 中国电机工程学报,2020,40(18): 5849-5865. DENG Wenli, DAI Chaohua, ZHANG Hanbo, et al. Research on comprehensive optimization control method for traction photovoltaic generation system of complex electrified railway[J]. Proceedings of the CSEE, 2020, 40(18): 5849-5865.
[57]	申建建,曹瑞,苏承国,等. 水火风光多源发电调度系统大数据平台架构及关键技术[J]. 中国电机工程学报,2019,39(1): 43-55,319. SHEN Jianjian, CAO Rui, SU Chengguo, et al. Big data platform architecture and key techniques of power generation scheduling for hydro-thermal-wind-solar hybrid system[J]. Proceedings of the CSEE, 2019, 39(1): 43-55,319.
[58]	胡威,张新燕,郭永辉,等. 基于游程检测法重构CEEMD的短时风功率预测[J]. 太阳能学报,2020,41(11): 317-325. HU Wei, ZHANG Xinyan, GUO Yonghui, et al. Short-time wind power prediction of ceemd reconstructed based on run-length detection method[J]. Acta Energiae Solaris Sinica, 2020, 41(11): 317-325.
[59]	HUANG J, THATCHER M. Assessing the value of simulated regional weather variability in solar forecasting using numerical weather prediction[J]. Solar Energy, 2017, 144: 529-539.
[60]	肖雅君,吴汶麒. 用于轨道交通列车自动控制系统的通信技术[J]. 城市轨道交通研究,2002,5(2): 59-64,72. doi: 10.3969/j.issn.1007-869X.2002.02.013 XIAO Yajun, WU Wenqi. Communication technology applied in ATC system of UMT[J]. Urban Mass Transit, 2002, 5(2): 59-64,72. doi: 10.3969/j.issn.1007-869X.2002.02.013
[61]	王凯,刘留,于蒙,等. 超高速列车车地无线通信系统性能分析[J]. 北京交通大学学报,2021,45(4): 117-126. doi: 10.11860/j.issn.1673-0291.20210074 WANG Kai, LIU Liu, YU Meng, et al. System performance analysis on train-ground wireless communication for the ultra high-speed train[J]. Journal of Beijing Jiaotong University, 2021, 45(4): 117-126. doi: 10.11860/j.issn.1673-0291.20210074
[62]	王磊,何正友. 高速列车通信网络技术特点及其应用[J]. 城市轨道交通研究,2008,11(2): 57-61,64. doi: 10.3969/j.issn.1007-869X.2008.02.016 WANG Lei, HE Zhengyou. Technological characteristics of high-speed train communication network and its application[J]. Urban Mass Transit, 2008, 11(2): 57-61,64. doi: 10.3969/j.issn.1007-869X.2008.02.016
[63]	上官伟,王韦舒,张路,等. 北斗导航RAIM技术在列车定位的应用研究[J]. 铁道学报,2018,40(2): 73-81. doi: 10.3969/j.issn.1001-8360.2018.02.011 SHANGGUAN Wei, WANG Weishu, ZHANG Lu, et al. Application of BDS-based RAIM technology in train positioning[J]. Journal of the China Railway Society, 2018, 40(2): 73-81. doi: 10.3969/j.issn.1001-8360.2018.02.011
[64]	肖白,邢世亨,王茂春,等. 基于改进KDE法和GA-SVM的多风电场聚合后输出功率长期波动特性预测方法[J]. 电力自动化设备,2022,42(2): 77-84. XIAO Bai, XING Shiheng, WANG Maochun, et al. Prediction method of output power long-term fluctuation characteristic for multiple wind farms after aggregation based on improved KDE method and GA-SVM[J]. Electric Power Automation Equipment, 2022, 42(2): 77-84.
[65]	易善军,王汉军,向勇,等. 基于集成多尺度LSTM的短时风功率预测[J]. 重庆大学学报,2021,44(7): 75-81. doi: 10.11835/j.issn.1000-582X.2021.07.008 YI Shanjun, WANG Hanjun, XIANG Yong, et al. Short-term wind power forecasting based on integrated multi-scale LSTM[J]. Journal of Chongqing University, 2021, 44(7): 75-81. doi: 10.11835/j.issn.1000-582X.2021.07.008
[66]	BREKKEN T K A, YOKOCHI A, VON JOUANNE A, et al. Optimal energy storage sizing and control for wind power applications[J]. IEEE Transactions on Sustainable Energy, 2010, 2(1): 69-77.
[67]	琚垚,祁林,刘帅. 基于改进乌鸦算法和ESN神经网络的短期风电功率预测[J]. 电力系统保护与控制,2019,47(4): 58-64. doi: 10.7667/PSPC180251 JU Yao, QI Lin, LIU Shuai. Short-term wind power forecasting based on improved crow search algorithm and ESN neural network[J]. Power System Protection and Control, 2019, 47(4): 58-64. doi: 10.7667/PSPC180251
[68]	徐诗鸿,张宏志,林湘宁,等. 近海海岛多态能源供需自洽系统日前优化调度策略[J]. 中国电机工程学报,2019,39(增1): 15-29. XU Shihong, ZHANG Hongzhi, LIN Xiangning, et al. Optimal dispatching strategy of self-consistent supply and demand system of polymorphic energy in offshore islands recently[J]. Proceedings of the CSEE, 2019, 39(S1): 15-29.
[69]	张丽艳,李群湛,朱毅. 新建电气化铁路牵引负荷预测[J]. 西南交通大学学报,2016,51(4): 743-749. doi: 10.3969/j.issn.0258-2724.2016.04.020 ZHANG Liyan, LI Qunzhan, ZHU Yi. Prediction of traction load for new electrified railway[J]. Journal of Southwest Jiaotong University, 2016, 51(4): 743-749. doi: 10.3969/j.issn.0258-2724.2016.04.020
[70]	杨丘帆,黄煜彬,石梦璇,等. 基于一致性算法的直流微电网多组光储单元分布式控制方法[J]. 中国电机工程学报,2020,40(12): 3919-3928. YANG Qiufan, HUANG Yubin, SHI Mengxuan, et al. Consensus based distributed control for multiple PV-battery storage units in DC microgrid[J]. Proceedings of the CSEE, 2020, 40(12): 3919-3928.
[71]	金波,孙鹏飞,王青元,等. 基于混合整数规划的高速列车多区间节能优化研究[J]. 铁道学报,2020,42(2): 11-17. JIN Bo, SUN Pengfei, WANG Qingyuan, et al. Energy-saving optimization of multi-interstation high-speed train with mixed integer linear programming[J]. Journal of the China Railway Society, 2020, 42(2): 11-17.
[72]	荀径,杨欣,宁滨,等. 列车节能操纵优化求解方法综述[J]. 铁道学报,2014,36(4): 14-20. doi: 10.3969/j.issn.1001-8360.2014.04.003 XUN Jing, YANG Xin, NING Bin, et al. Survey on trajectory optimization for train operation[J]. Journal of the China Railway Society, 2014, 36(4): 14-20. doi: 10.3969/j.issn.1001-8360.2014.04.003
[73]	冷勇林,陈德旺,阴佳腾. 基于专家系统及在线调整的列车智能驾驶算法[J]. 铁道学报,2014,36(2): 62-68. doi: 10.3969/j.issn.1001-8360.2014.02.010 LENG Yonglin, CHEN Dewang, YIN Jiateng. An intelligent train operation (ITO) algorithm based on expert system and online adjustment[J]. Journal of the China Railway Society, 2014, 36(2): 62-68. doi: 10.3969/j.issn.1001-8360.2014.02.010
[74]	LU S F, WESTON P, HILLMANSEN S, et al. Increasing the regenerative braking energy for railway vehicles[J]. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(6): 2506-2515.
[75]	刘宏杰. 结合能量存储的城轨列车调度控制一体化节能优化方法研究[D]. 北京: 北京交通大学,2019.
[76]	郑亚晶,李耀辉,李雨恒,等. 再生制动条件下地铁列车运行图的节能优化[J]. 华南理工大学学报(自然科学版),2021,49(7): 1-7. doi: 10.12141/j.issn.1000-565X.200552 ZHENG Yajing, LI Yaohui, LI Yuheng, et al. Energy saving optimization of metro train working diagram under regenerative braking[J]. Journal of South China University of Technology (Natural Science Edition), 2021, 49(7): 1-7. doi: 10.12141/j.issn.1000-565X.200552
[77]	沈迪,王青元,夏菲,等. 高速列车应急自走行辅助驾驶研究[J]. 机车电传动,2021(1): 91-97. SHEN Di, WANG Qingyuan, XIA Fei, et al. Research on urgent operation assistant driving for high-speed train[J]. Electric Drive for Locomotives, 2021(1): 91-97.
[78]	王青元,冯晓云,朱金陵,等. 考虑再生制动能量利用的高速列车节能最优控制仿真研究[J]. 中国铁道科学,2015,36(1): 96-103. doi: 10.3969/j.issn.1001-4632.2015.01.14 WANG Qingyuan, FENG Xiaoyun, ZHU Jinling, et al. Simulation study on optimal energy-efficient control of high speed train considering regenerative brake energy[J]. China Railway Science, 2015, 36(1): 96-103. doi: 10.3969/j.issn.1001-4632.2015.01.14

施引文献

附加材料(0)

访问统计

点击查看大图

图(13)

计量

文章访问数: 587
HTML全文浏览量: 476
PDF下载量: 177
被引次数: 0

1. 问题描述
1.1 隧道交通网络拓扑建模
2. 模型构建
2.1 模型假设
2.2 数学描述
2.3 目标函数和约束条件
3. 模型重构
4. 案例分析
4.1 隧道网络拓扑
4.2 编制隧道交通组织方案
5. 结论与展望

轨道交通“网-源-储-车”协同供能技术体系

doi: 10.3969/j.issn.0258-2724.20220210

作者简介: 高仕斌（1964—），男，教授，博士，研究方向为变电站综合自动化与继电保护，E-mail：gao_shi_bin@126.com

计量

出版历程

Rail Transit “Network-Source-Storage-Vehicle” Collaborative Energy Supply Technology System

1. 问题描述

1.1 隧道交通网络拓扑建模

2. 模型构建

2.1 模型假设

2.2 数学描述

2.3 目标函数和约束条件

3. 模型重构

4. 案例分析

4.1 隧道网络拓扑

4.2 编制隧道交通组织方案

5. 结论与展望

计量

出版历程

目录

1. 问题描述

1.1 隧道交通网络拓扑建模

2. 模型构建

2.1 模型假设

2.2 数学描述

2.3 目标函数和约束条件

3. 模型重构

4. 案例分析

4.1 隧道网络拓扑

4.2 编制隧道交通组织方案

5. 结论与展望

作者简介:
高仕斌（1964—），男，教授，博士，研究方向为变电站综合自动化与继电保护，E-mail：gao_shi_bin@126.com