[发明专利]基于灰狼优化算法的重载列车能耗优化方法

权利要求书

1.基于灰狼优化算法的重载列车能耗优化方法，其特征在于，包括：

根据列车牵引力曲线与列车制动力曲线以及列车运行阻力曲线确定列车理想运行曲线；

根据列车理想运行曲线构建列车总能耗模型并设置约束条件，所述列车总能耗模型包括牵引能耗E_T、动力制动能耗E_D、空气制动能耗E_A、基本阻力能耗E_P、重力势能ΔE_G、列车动能ΔE_K，minE_总＝min[E_T-(E_D+E_A+E_P+ΔE_K+ΔE_G)]；

采用改进的灰狼优化算法确定列车总能耗模型minE_总＝min[E_T-(E_D+E_A+E_P+ΔE_K+ΔE_G)]的最优解，包括：

将列车总能耗公式minE_总输入到改进的灰狼算法中，即：

其中，X(t)表示当前灰狼的位置向量，X_P(t)表示猎物的位置向量；rand₁和rand₂是[0,1]中的随机向量；A和C是协同系数向量，当|A|＞1时，表示灰狼分散在各区域并搜寻猎物，当|A|＜1时，表示灰狼集中捜索猎物；向量C为区间范围[0,2]上的随机值构成的向量；a(t)为收敛因子，且满足：

其中，a_int和a_fin分别为收敛因子的初始值和终止值，t为当前迭代次数，t_max为最大迭代次数，k1和k2为非线性调节系数；

以基本阻力能耗E_P、牵引能耗E_T、列车动能ΔE_K为灰狼个体，将基本阻力能耗E_P设为α、牵引能耗E_T设为β、列车动能ΔE_K设为δ，其余各能耗设为ω，由式(1)-(2)构造列车总能耗的灰狼优化模型，即:

式中：分别表示当前种群中α、β、δ的位置向量；迭代计算，将每次迭代过程中α,β,δ的局部最优解执行变异操作以产生新的灰狼个体，构造为多样性变异算子并带入列车总能耗的灰狼优化模型进一步优化，直到最大迭代次数，获得α,β,δ的全局最优解；

根据α,β,δ的全局最优解计算各工况的最优速度，确定最优的速度曲线。

2.根据权利要求1所述的基于灰狼优化算法的重载列车能耗优化方法，其特征在于，列车牵引力曲线表示为：

其中，s为列车的回转质量系数，a为一级牵引加速度，g为重力加速度，v为列车速度，v₁为初始速度，v_max为允许的最大速度，P为列车启动所需功率，系数k的取值根据考虑的阻力确定；

列车制动力曲线表示为：

其中，B₁表示空气制动力、β为列车减速度、M为列车质量；B₀表示再生制动力，v₀为采用空气制动时的临界速度，P_R为再生功率，r为[0,1]的随机数；

列车运行阻力曲线表示为：

f₀＝m₁+m₂v+m₃v²

其中，f₀为基本阻力，m₁、m₂、m₃为系数；

然后，根据确定的列车牵引力曲线与列车制动力曲线以及列车运行阻力曲线得到关于力与速度的列车理想运行曲线。