华南理工科研团队为地铁列车装上“会算电”的节能大脑 —广东站

　　一列地铁驶离站台，要经历加速、匀速、惰行和制动。短短几分钟内，牵引电机、车载储能装置与供电网络持续交换能量。线路和时刻表看似固定，实际运行仍受客流、坡度、限速、停站时间及前后列车状态影响。如何在确保安全、准点前提下降低能耗，是城市轨道交通绿色转型的一道“计算题”。

团队搭建的列车在线节能控制硬件在环实验平台，可开展控制算法、实物控制器与实时仿真系统之间的闭环测试

　　华南理工大学吴贤铭智能工程学院卢少锋团队持续开展列车节能运控、车载储能与车网融合研究，尝试构建既懂列车、又懂储能和电网的节能运控系统：根据实时状态规划速度曲线，制动时尽可能回收能量，并将单列车控制延伸到多列车与牵引供电网络协同；随着新能源接入，研究还从“少用电”延伸到“更低碳”。

　　如何让列车“会算电”

列车牵引与制动能力会随速度变化，优化模型需要同时处理牵引区、恒功率区、自然特性区和制动区等约束

感应电机与永磁同步电机结构示意。不同类型的牵引电机具有不同的效率和功率特性

　　传统方法往往先简化牵引特性，再离线计算一条速度曲线；一旦临时限速、停站时间或供电条件变化，原方案可能不再适用。列车运行控制还要在安全、准点、舒适与节能之间寻找平衡，牵引力受电机效率、功率限制、轮轨黏着、机械制动和再生制动能力等多重约束。

　　卢少锋团队将混合整数规划与凸优化结合，把复杂牵引和制动约束转化为高效求解的数学模型。关键之一，是将机械制动与再生制动放进同一优化框架。再生制动可把减速动能转化为电能，但受电网吸收能力、储能状态和制动需求限制，不能简单理解为“刹车就一定能发电”；只有同时算清列车怎样减速、何时切换制动方式以及电能流向哪里，才可能提高能量利用率。在部分算例中，相关方法求解速度较传统算法提高数十倍至数百倍，并兼顾全局最优性和工程可实施性。例如，相同离散分段数下，凸优化模型解算时间约为混合整数线性规划模型的十分之一。

列车辅助驾驶系统实时显示速度曲线、线路限速与累计能耗，为在线节能操控提供决策支持

团队基于边缘计算设备搭建的辅助驾驶系统原型

　　节能控制要进入真实运营，就不能只在出发前计算一次。团队提出在线列车节能控制思路：系统持续接收速度、运行距离、线路限速和剩余时间等信息，在运行中滚动更新建议速度或控制指令；遇扰动时可根据新约束重新规划。为验证算法在有限算力和实时通信条件下运行，团队搭建硬件在环实验平台：实时仿真器模拟列车和线路，实物控制器运行算法，闭环检验实时性、稳定性和控制逻辑。辅助驾驶界面可显示当前速度、线路限速、建议运行轨迹和累计能耗；基于边缘计算设备的原型用于验证车载部署条件。真正困难的不仅是求最优解，更要让解算速度、硬件资源与安全约束同时满足工程需要。

　　车网协同，让整条线路的车都省电

列车在牵引与制动状态下，车载储能系统的能量流向示意

　　列车制动产生的再生电能，可被同一供电区间内正在加速的列车使用，也可被车载或地面储能装置吸收。如果此时没有合适用电负荷，或储能装置接近满电，部分能量便可能无法回收。因此，列车如何操控、储能装置配多大、何时充放电，都会影响再生能量实际利用效果。单列车节能，并不等于整条线路最节能；如果只追求每列车各自的最优速度曲线，反而可能错过系统层面的节能机会。牵引供电网络中的电压、潮流和变电所容量，也会限制列车牵引与再生制动能力。

　　卢少锋团队提出车载储能设备与列车运控协同优化方法，将运行策略、储能容量配置、能量管理和全生命周期成本纳入同一套模型。列车牵引时，储能可适时放电，减轻电网负担；制动时，则根据电量状态和后续运行需求吸收能量。模型要回答的是：在车辆全寿命周期内，如何以合适的设备规模和控制方式，在能耗、成本与运行性能之间取得平衡。团队进一步将研究拓展到车网融合的系统级优化，建立列车运行时分、再生能量利用与牵引电网调度一体化模型，并考虑新能源接入和供电网络潮流约束。通过分段线性化、模型预测控制等方法，原本耦合紧密、规模庞大的优化问题被拆解为可滚动求解的任务。

列车在不同位置运行时与直流牵引供电网络形成动态耦合，电压和能量流随运行状态变化

　　基于广州地铁真实线路参数开展的仿真显示，团队联合优化方法与先后进行的分步优化法相比，具有显著节能。相当于把“怎样开好一列车”升级为“怎样让整条线路上的车与电协同工作”。未来，当光伏、储能和多种交通用能设施接入后，车网协同还可为削峰填谷、消纳可再生能源和降低全生命周期碳排放提供技术路径。

　　最低能耗未必最低碳，既要节能也要减排

　　列车低碳运行不能只看用了多少电。随着风电、光伏等新能源逐步接入电网，电力来源和供电结构会随时间变化，不同时段电力对应的碳排放水平也可能存在差异。因此，列车运行优化关注的就不只是“用了多少电”，还包括“用了什么样的电、在什么时候用电”。

列车、车载储能与牵引供电系统中的能量流与碳流示意

　　围绕这一问题，团队将碳流理论引入车载储能列车运行优化，对牵引阶段储存、制动阶段释放以及列车运行过程中实际消耗的碳流进行分析，并考虑不同能量来源对应的碳排放责任。团队还开展动态碳排放因子预测研究，考虑风电、光伏出力变化以及电网运行状态，预测电网侧碳排放水平动态变化，并尝试将随时间变化的“碳信号”传递到城轨用能侧。考虑碳流后的优化方案虽然能耗略微增加，但碳排放有更大幅度降低。这说明，最低能耗并不一定对应最低碳排放。当不同时段电力碳排放水平变化时，列车何时牵引用电、储能装置何时充放电，都可能影响最终碳排放结果。未来，列车运行优化可在安全、准点前提下，同时考虑速度、能耗、储能状态和碳排放水平，使协同目标从单纯节能拓展到低碳运行。

　　与广州地铁共建产学研合作网络

　　轨道交通节能研究走向真实场景，既需要算法和实验平台，也离不开运营单位提供实际问题与需求。团队依托广州地铁国家工程研究中心等平台，与广州地铁建立涵盖联合研究、技术交流和应用需求对接的合作网络，以列车一线运行、供电和能耗问题支撑模型研究，并用优化算法和实验平台分析不同线路的节能潜力。

团队与铁路运营相关单位开展技术交流，了解现场运行与节能控制需求

　　在线节能控制进入运营系统，仍需真实线路数据验证、控制器适配、通信可靠性测试和安全评估。高密度行车中，节能必须服从安全与准点，算法要可解释、可校核，异常时安全退出；不同线路条件差异大，技术不能简单复制。下一步，团队将完善列车、储能与电网协同模型，研究有限算力下的多层级能量管理，推进城市轨道交通全生命周期碳排放动态评估，并推动仿真与硬件在环验证走向工程试验，形成适配不同线路的工具和控制方案。

　　链接：

　　绿色轨道交通，是共建“一带一路”国家基础设施互联互通和可持续发展中的重要议题。2025—2028年，卢少锋团队主持国家自然科学基金面上项目，探索牵引系统、储能设备和供电网络对列车运行控制的作用机理；主持广州市科技计划重点研发项目，开展城市轨道交通全生命周期碳排放动态评估与管控；2025—2027年，卢少锋作为中方负责人与新乌兹别克斯坦大学Sangyhuk Lee教授联合承担国家重点研发计划政府间重点专项“面向城市轨道交通系统的节能自动化技术研究”。团队还与日本上智大学等保持合作，通过联合科研攻关和人员交流，促进绿色能源技术与轨道交通系统深度融合。

　　编辑：林剑通讯员：樊济舟

　　实习编辑：杨云帆