一种降低列车能耗的ATO控车方法

技术领域

本发明涉及轨道列车信号控制技术领域，特别是一种降低列车能耗的ATO控车方法。

背景技术

ATO列车自动驾驶系统(简称ATO或ATO系统)在列车自动防护系统(ATP系统)防护下工作，是实现列车自动行驶、精确停车、站台自动化作业、无人折返、列车自动运行调整等功能的列车自动控制系统，可大大降低司机的劳动强度，是目前高速度高密度的城市轨道交通系统高效、舒适、准点、精确停车、节能运行的主要保证。

在城市轨道交通快速发展的同时，城轨系统的耗电量也在不断增大，城轨系统的能耗问题由此引起了社会各方的密切关注。特别是随着社会经济不断发展，消费结构持续升级，人民群众对城市轨道交通安全、可靠、便捷、舒适、经济的要求越来越高，做好城市轨道交通节能减排工作愈发显得重要。

发明内容

本发明的目的在于：提出一种降低列车能耗的ATO控车方法，通过预测时间偏移后的ATO目标速度控制曲线走势并与当前控制阶段对比，来识别前方曲线的变化模型，根据识别出的模型对当前控制指令进行优化调整，减少输出不必要的牵引和制动，达到降低列车能耗的节能目的。

本发明采用的技术方案如下：

本发明是一种降低列车能耗的ATO控车方法，包括以下步骤：

车载ATO系统计算当前目标速度CurSbi，将列车当前位置向运行方向推进运行距离PreDist后，得到列车预估新位置，并计算此位置下对应的预测目标速度PreSbi，计算当前位置允许达到的最高目标速度MaxSbi；

根据当前目标速度CurSbi和预测目标速度PreSbi的ATO系统连续三周期运行变化规律，识别目标速度曲线变化模型；

根据当前目标速度CurSbi和当前车速Vc对PID控制器进行动态P系数超调控制防护检查，若满足超调防护，则调节PID控制器的P系数；

车载ATO系统根据PID控制器计算当前周期的预期输出控制指令Rst0，基于已识别出的目标速度曲线变化模型对控制指令Rst0优化，得到输出控制指令Rst1；

进行最高目标速度MaxSbi制动防护检查，若最高目标速度MaxSbi对应的PID控制计算指令为需要输出制动，则清除上述步骤对Rst0的优化修订。

进一步的，设定时间偏移量PreT，基于列车当前车速Vc得到列车当前位置向运行方向推进距离：PreDist＝Vc*PreT，即可得到列车预估新位置，结合MA及查询列车预估新位置所对应的坡度、静态限速、目标停车点信息，计算该位置的ATO系统预测目标速度PreSbi。

进一步的，在ATO系统连续三个运行周期内，随着列车运行中真实位置的持续更新和ATO系统持续设定时间偏移量PreT的目标速度预测PreSbi，即可得到CurSbi和PreSbi两条目标速度曲线，通过对比当前目标速度曲线和预测目标速度曲线的变化规律，即可识别目标曲线追踪的变化模型。

进一步的，目标速度曲线变化模型包括：

C-C模型：当前为匀速，预测前方仍为匀速，PreSbi高于CurSbi，但PreSbi为匀速时也属于此模型；

C-D模型：当前为匀速，预测前方即将进入减速制动；

D-D模型：当前为制动，预测前方仍为减速制动；

D-C模型：当前为制动，预测前方即将进入匀速，PreSbi高于CurSbi，但PreSbi为匀速时也属于此模型；

D-S模型：当前为制动，预测前方即将停车；

其中，C表示处于匀速阶段，D表示处于减速阶段，S表示处于停车阶段；为了保证判别目标速度Sbi所处控制阶段的稳定性，目标速度Sbi需连续三个运行周期处于匀速、减速或零速时才认为转入对应阶段。

进一步的，所述动态P系数超调控制防护具体为：

ATO系统处于巡航控制阶段且处于非降速区段时，当前车速Vc和当前目标速度CurSbi差值小于“调节P系数的车速与目标速度差值门限”时，按照“P系数调节系数”调节PID控制器的P系数。

进一步的，基于目标速度曲线变化模型包括对控制指令Rst0优化具体为：

C-C模型：当前车速预计在当前目标速度和预测目标速度之间匀速运行，即PreSbi>＝CurSbi时，应尽可能多的采用惰行控制，即在允许牵引速度门限和惰行速度门限之间追踪目标速度曲线；PreSbiPreSbi时，此时若Rst0>0，则优化输出Rst1＝0，过滤牵引能耗，此时若Rst0<0但当前车速Vc低于最高目标速度MaxSbi，也优化输出Rst1＝0，过滤小段的制动降速转为惰行降速；除上述情形之外的其他场景保持输出指令Rst0；

C-D模型下：预示着过段时间就要进入减速区，此时需要根据当前车速Vc和PreSbi计算当前速度下是否应施加小制动或提前进入惰行，小制动率的计算公式为：

DestV ＝ CurSbi*a + PreSbi*b (1)

ErrorV ＝ DestV – Vc (2)

BrakeMin ＝ p*ErrorV + i*Xi + d*ErrorDiff + GradAcc (3)

其中，公式(1)的系数a，b是CurSbi和PreSbi的调控系数，以此得到当前车速Vc和PreSbi的速度差ErrorV，再基于ErrorV进行PID控制器计算得到控制结果BrakeMin；a，b系数的设定正相关于车辆制动响应特性，

此模型下若Rst0>＝0，当BrakeMin>0时，优化为Rst1＝0；当BrakeMin0的其他场景，优化为Rst1＝BrakeMin，Rst0<0时，无优化处理；

D-D模型下：预示着持续减速，此模型需防止前期制动率较大时导致的当前车速Vc和CurSbi偏差过大后续二次牵引制动，目的过滤牵引+制动能耗；当Vc>PreSbi且Rst0>0时，优化为Rst1＝0；

D-C模型下：预示着进入了减速区的末段，减速末段是大下坡时，PID控制器存在控制超调严重的问题，为了过滤制动超调导致的二次牵引能耗，通过下述公式优化输出后的制动率Rst1；

BrkMin ＝ (PreSbi - Vc) / TimeRateA(4)

Rst1 ＝ BrkMin + GradAcc(5)

其中，TimeRateA是制动末段加速度计算的时间范围；

除上述模型涉及的优化场景外，其余场景保持控制指令输出结果Rst0。

进一步的，所述最高目标速度MaxSbi为在不考虑运行级别限速情况下，当前车速下允许达到的最高目标速度MaxSbi，根据最高目标速度MaxSbi计算的PID控制结果RstMax为不需输出制动时，允许ATO惰行，以减少制动以实现节能；RstMax需输出制动时，优化控制结果为惰行或小于RstMax的制动率，是不被允许的，防护ATO系统运行超速风险。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明是一种降低列车能耗的ATO控车方法，通过预测固定时间偏移后的ATO目标速度控制曲线走势并与当前控制阶段对比，来识别前方曲线的变化模型，根据识别出的模型对当前控制指令进行优化调整，减少输出不必要的牵引和制动，达到降低列车能耗的节能目的。

本发明是一种降低列车能耗的ATO控车方法，车载ATO系统根据接收到的移动授权MA及当前位置信息、坡度、静态限速、是否需要站台停车及节能运行等因素计算列车运行的推荐速度，控制列车按照推荐速度运行，自动完成对列车的启动、加速、巡航、惰行、减速和停车的合理控制。本发明具备在线计算固定时间偏移后的ATO目标速度曲线功能，提前识别运行前方接近减速区、退出减速区或停车等，结合当前的运行状态计算应施加的合理控制操作，以达到节能目的。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图，其中：

图1，描述了当前目标速度曲线和预测目标速度曲线之前的关系；

图2，描述了目标速度曲线变化模型包括的识别类型；

图3，描述了C-C模型下的目标速度曲线优化输出特征；

图4，描述了C-D模型下的目标速度曲线优化输出特征；

图5，描述了D-D模型下的目标速度曲线优化输出特征；

图6，描述了D-C模型下的目标速度曲线优化输出特征；

图7，描述了本发明提供的基于曲线预测的ATO列车节能控制策略的确定方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

下面结合实施例对本发明的特征和性能作进一步的详细描述。

实施例一

本发明是一种降低列车能耗的ATO控车方法，其方法流程图如图7所示，具体步骤为：

车载ATO系统计算当前目标速度CurSbi，将列车当前位置向运行方向推进运行距离PreDist后，得到列车预估新位置，并计算此位置下对应的预测目标速度PreSbi，计算当前位置允许达到的最高目标速度MaxSbi；

具体的，设定时间偏移量PreT，时间偏移量PreT为3s～7s，本实施例时间偏移量PreT为5s，基于列车当前车速Vc得到列车当前位置向运行方向推进距离：PreDist＝Vc*PreT，即可得到列车预估新位置，结合MA及查询列车预估新位置所对应的坡度、静态限速、目标停车点信息，计算该位置的ATO系统预测目标速度PreSbi。

ATO系统会根据当前列车位置计算当前目标速度CurSbi。

根据当前目标速度CurSbi和预测目标速度PreSbi的ATO系统连续三周期运行变化规律，识别目标速度曲线变化模型；

在ATO系统连续三个运行周期内，随着列车运行中真实位置的持续更新和ATO系统持续设定时间偏移量PreT的目标速度预测PreSbi，即可得到CurSbi和PreSbi两条目标速度曲线，如图1所示，通过对比当前目标速度曲线和预测目标速度曲线的变化规律，即可识别目标曲线追踪的变化模型。

目标速度曲线变化模型包括：

C-C模型：当前为匀速，预测前方仍为匀速，PreSbi高于CurSbi，但PreSbi为匀速时也属于此模型，如图2中(1)所示；

C-D模型：当前为匀速，预测前方即将进入减速制动，如图2中(2)所示；

D-D模型：当前为制动，预测前方仍为减速制动，如图2中(3)所示；

D-C模型：当前为制动，预测前方即将进入匀速，PreSbi高于CurSbi，但PreSbi为匀速时也属于此模型，如图2中(4)所示；

D-S模型：当前为制动，预测前方即将停车；

其中，C表示处于匀速阶段，D表示处于减速阶段，S表示处于停车阶段；为了保证判别目标速度Sbi所处控制阶段的稳定性，目标速度Sbi需连续三个运行周期处于匀速、减速或零速时才认为转入对应阶段。

根据当前目标速度CurSbi和当前车速Vc对PID控制器进行动态P系数超调控制防护检查，若满足超调防护，则调节PID控制器的P系数；

所述动态P系数超调控制防护具体为：

ATO系统处于巡航控制阶段且处于非降速区段时，当前车速Vc和当前目标速度CurSbi差值小于“调节P系数的车速与目标速度差值门限”时，按照“P系数调节系数”调节PID控制器的P系数，降低误差响应敏感度，目的在于减少牵引超调导致的再制动能耗，在本实施例中，参数“调节P系数的车速与目标速度差值门限”取5km/h，“P系数调节系数”取0.7。

车载ATO系统根据PID控制器计算当前周期的预期输出控制指令Rst0，基于已识别出的目标速度曲线变化模型对控制指令Rst0优化，得到输出控制指令Rst1；

区间运行时ATO系统遵循设定，在允许牵引速度门限和惰行速度门限之间控制列车追踪目标速度曲线，进入精确停车阶段时，基于目标停车制动率进行制动停车。在上述速度追踪基础上，结合目标速度曲线变化模型对控制指令输出结果Rst0进一步优化，Rst0为一般PID控制器在考虑坡度加速度补偿GradAcc(正值表下坡加速率，负值上坡减速率)下计算得到的，其中，Rst0>0代表需要牵引，Rst0<0代表需要制动。

基于目标速度曲线变化模型包括对控制指令Rst0优化具体为：

C-C模型：当前车速预计在当前目标速度和预测目标速度之间匀速运行，即PreSbi>＝CurSbi时，应尽可能多的采用惰行控制，即在允许牵引速度门限和惰行速度门限之间追踪目标速度曲线；PreSbiPreSbi时，此时若Rst0>0，则优化输出Rst1＝0，过滤牵引能耗，此时若Rst0<0但当前车速Vc低于最高目标速度MaxSbi，也优化输出Rst1＝0，过滤小段的制动降速转为惰行降速；除上述情形之外的其他场景保持输出指令Rst0，控制指令优化的曲线示意如图3所示；

C-D模型下：预示着过段时间就要进入减速区，此时需要根据当前车速Vc和PreSbi计算当前速度下是否应施加小制动或提前进入惰行，小制动率的计算公式为：

DestV ＝ CurSbi*a + PreSbi*b (1)

ErrorV ＝ DestV – Vc (2)

BrakeMin ＝ p*ErrorV + i*Xi + d*ErrorDiff + GradAcc (3)

其中，公式(1)的系数a，b是CurSbi和PreSbi的调控系数，以此得到当前车速Vc和PreSbi的速度差ErrorV，再基于ErrorV进行PID控制器计算得到控制结果BrakeMin；a，b系数的设定正相关于车辆制动响应特性，本发明中，a＝0.7,b＝0.3。

此模型下若Rst0>＝0，当BrakeMin>0时，优化为Rst1＝0；当BrakeMin0的其他场景，优化为Rst1＝BrakeMin，Rst0<0时，无需优化处理；控制指令优化的曲线示意如图4所示；

D-D模型下：预示着持续减速，此模型需防止前期制动率较大时导致的当前车速Vc和CurSbi偏差过大后续二次牵引制动，目的过滤牵引+制动能耗；当Vc>PreSbi且Rst0>0时，优化为Rst1＝0；控制指令优化的曲线示意如图5所示；

D-C模型下：预示着进入了减速区的末段，减速末段是大下坡时，PID控制器存在控制超调严重的问题，为了过滤制动超调导致的二次牵引能耗，通过下述公式优化输出后的制动率Rst1；

BrkMin ＝ (PreSbi - Vc) / TimeRateA(4)

Rst1 ＝ BrkMin + GradAcc(5)

其中，TimeRateA是制动末段加速度计算的时间范围；本发明中取实验经验参数3.5秒，控制指令优化的曲线示意如图6所示；

除上述模型涉及的优化场景外，其余场景保持控制指令输出结果Rst0。

进行最高目标速度MaxSbi制动防护检查，若最高目标速度MaxSbi对应的PID控制计算指令为需要输出制动，则清除上述步骤对Rst0的优化修订；

所述最高目标速度MaxSbi为在不考虑运行级别限速情况下，当前车速下允许达到的最高目标速度MaxSbi，根据最高目标速度MaxSbi计算的PID控制结果RstMax为不需输出制动时，允许ATO惰行，以减少制动以实现节能；RstMax需输出制动时，优化控制结果为惰行或小于RstMax的制动率，是不被允许的，防护ATO系统运行超速风险。

本发明的车载ATO系统根据接收到的移动授权MA及当前位置信息、坡度、静态限速、是否需要站台停车及节能运行等因素计算列车运行的推荐速度，通过对列车当前速度的控制(控制列车按照推荐速度运行)，自动完成对列车的启动、加速、巡航、惰行、减速和停车的合理控制。本发明具备在线计算固定时间偏移后的ATO目标速度曲线功能，提前识别运行前方接近减速区、退出减速区或停车等，结合当前的运行状态计算应施加的合理控制操作，以达到节能目的。

为使本发明实例的优点更加清楚，本发明采用了现场调试测试(呼和浩特1号线)来验证基于曲线预测的ATO节能控制策略的节能效果。除上述控制方法外，现场实验中同步调整了精确停车阶段的目标停车制动级位，选取小交路进行测试对比了使用策略前后的区间运行曲线，其试验结果如表1，

表1，列车实验结果

注：节能比率，在日常运营常用的等级下，采用单车节能策略优化后的单公里能耗、单列次能耗与未使用节能策略单车的单公里能耗、单列次能耗对比。

该统计方式是采用车辆TCMS屏上显示的牵引能耗数据，采集了列车行驶公里数及对应的牵引能耗进行的能耗数据分析，单辆车单公里能耗为10.87Kwh，节能了9.52％。在2021年冬季节能策略升级前后的供电专业侧对列车的使用能耗进行统计对比后，得出结论：每万车公里的能耗能节能4.27％；整体一个月的能耗节约为3.2％。

对以上统计数据偏差做以下说明：

(1)供电专业能耗统计是在运营载客阶段，信号在调试期间的TCMS能耗统计为空载调试。(2)冬季车辆本身的空调等能耗也有提高，能耗基数较大，也会影响能耗降低的百分比。(3)供电专业的能耗统计单位比较大，对于单车单圈的能耗统计只能通过多跑公里数，从而进行平均取值。但多跑时的工况会略有区别，发现按车辆统计、按天统计能耗降低的百分比均会有所区别。(4)供电专业统计的能耗为车辆整体的消耗，并非只包含牵引能耗；TCMS屏统计的仅为牵引能耗统计，影响了统计能耗降低的百分比。

以上所述，仅为本发明的优选实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明所揭露的技术范围内，可不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。