[论文解读] A fast-solved model for energy-efficient train control based on convex optimization

Minling Feng, Kunpeng Wu+1 more|arXiv (Cornell University)|Jan 26, 2022

Railway Systems and Energy Efficiency被引用 4

一句话总结

本文提出了一种基于凸优化的节能列车牵引控制（EETC）模型，通过放松与速度和动能相关的非凸约束，实现了快速、全局最优的解。与MILP和Radau伪谱法相比，该方法在计算效率方面表现更优，数值验证确认了解的精确性，且松弛变量的偏差可忽略不计。

ABSTRACT

In modern rail transportation, energy-efficient train control (EETC) is concerned with the optimal train speed trajectory or control strategies to achieve the minimum energy cost under various operation and traction constraints. This paper proposes an EETC model based on convex optimization so that the model can be rapidly solved by convex optimization algorithms. The high computational efficiency and robustness of the convex model can be verified by comparing the results achieved by the method proposed by this paper and other mainstream mathematical programming methods including mixed-integer linear programming (MILP) and Radau pseudospectral method (RPM). Based on the characteristics of convex optimization, the proposed method boasts more significant advantages over its counterparts in terms of computational efficiency in the promising online applications for automatic train control systems of various types of rail transportation.

研究动机与目标

• 开发一种计算高效且全局最优的节能列车牵引控制（EETC）解决方案，以满足实际运行约束。
• 通过将非凸约束重新表述为凸框架，解决现有EETC方法的计算瓶颈。
• 通过确保松弛后凸模型的最优解位于原始非凸问题的可行域内，验证其精确性。
• 证明凸优化在计算速度上的优越性，尤其是在问题规模增大时，相较于MILP和Radau伪谱法（RPM）的表现。
• 通过可快速求解且鲁棒的优化方法，实现EETC在自动列车控制系统中实际的在线应用。

提出的方法

• 通过在涉及倒数速度（1/v_i）和平方速度（v_i^2）的非凸约束上应用松弛与凸化技术，将EETC问题重新表述为凸优化模型。
• 引入辅助变量α_i和β_i，分别替代1/v_i和v_i^2，通过松弛将非凸项转化为凸项。
• 该模型利用凸优化算法，通过内点法或障碍法实现快速求解，确保高计算效率和鲁棒性。
• 通过在最优解处强制要求辅助变量与原变量相等，验证了松弛的合理性，确认解在原始问题中的可行性。
• 与MILP和Radau伪谱法（RPM）进行数值比较，使用相同的实例和验证仿真，确保评估的公平性。
• 实现了一个专用的验证仿真程序，通过相同的速度轨迹重新计算能耗和运行时间，考虑阻力、动能和势能变化，并引入效率因子。

实验结果

研究问题

• RQ1 能否在不牺牲解精度的前提下，有效松弛并凸化涉及1/v_i和v_i^2的非凸EETC约束？
• RQ2 所得凸优化模型是否保持精确性，即其最优解是否位于原始非凸问题的可行域内？
• RQ3 随着问题规模增大，该凸模型的计算性能与MILP和Radau伪谱法（RPM）相比如何？
• RQ4 该凸模型能否在保持与MILP和RPM相当的能耗效率和轨迹精度的同时，实现更快的求解时间？
• RQ5 松弛对最优性间隙有何影响？在实际中，原变量与辅助变量之间的偏差是否可证明为可忽略？

主要发现

• 凸模型的最优解位于原始非凸问题的可行域内，证实了松弛方法的精确性。
• 原变量（1/v_i, v_i^2）与辅助变量（α_i, β_i）之间的最大偏差分别为0.00074%和0.00132%，表明误差可忽略不计。
• 凸优化在计算时间上显著优于MILP和RPM，尤其在大规模问题（N > 4550）中表现更优，且随着问题规模增大，CPU时间的增长速率更慢。
• 在CPU时间低于100秒时，MILP方法的计算时间随问题规模增长更快，凸显了凸优化方法在可扩展性方面的优势。
• 通过验证仿真程序计算的能耗和运行时间表明，凸模型的解与物理和运行约束一致。
• 凸模型在计算效率方面优于MILP和RPM，同时保持了解的质量，因此非常适用于在线自动列车控制应用。