信号协调控制

信号协调控制（精选5篇）

信号协调控制 篇1

所谓的城市智能交通信号协调控制系统, 更多就是对平交路口的信号灯进行控制, 从而实现对其灯色变化的控制, 这样就可以确保过往的车辆可以更加高效迅速的通过交叉路口, 就可以对交通流的停止和通行进行指挥, 就可以更好的改善和疏通交通流。现在在我国, 很多在交通信号控制方面还没有形成一个系统的理论研究, 依旧处在一个起步的阶段, 很多方面的理论依旧在研究的阶段。

1 智能交通信号协调控制系统的类型

近几年, 随着经济与科学技术都不断发展, 这样自动控制技术和计算机技术也有了很大的进步, 此外, 在交通流方面的理论研究也在不断发展与进步, 相应提高的还有交通运输组织和技术、优化理论, 这样对于交通管制来说其中心功能就进一步的得到增强, 控制的手段也不断加强, 技术也是更加的先进, 从而形成了一个更加完善更加高效的城市道路交通信号协调控制系统。

对于智能交通信号协调控制系统的分类, 如果从控制方式和系统结构上进行分类, 可以分成集中式计算机控制系统和分布式计算机控制系统, 前者的所有信息是由控制中心集中处理之后再向各个路口发出相应的控制指令, 后者是各自级别上的电脑来进行控制, 执行的是上一级的控制指令。如果从系统的控制战略上进行分类, 那可以分成动态系统和静态系统两类, 前者是由检测器实时监测和采集到的数据对信号配时进行优化, 后者是根据历史的交通流数据来对信号配时进行优化。如果从控制的区域上的路网结构进行区分, 可以分成闭环网络和开环网络两种, 如果从系统的功能上进行区分, 可以分成具有监视、控制以及诱导等功能。总之, 对于智能交通信号协调控制系统的分类, 是多种多样的, 条件不同, 分类的标准也就不一样, 适用的范围也就会有区别。

2 智能交通信号协调控制系统的现状

2.1 国内现状

就现有的情况进行分析, 我国在这一方面来说起步比较晚。在这个领域中较为突出的是南京城市交通控制系统。这个系统的优点也是结合多种系统产生的, 也是我国国产化自行设计的第一个交通信号协调控制系统。现在在国内, 已经有很多的院校或者是研究所都开发出了模块化和微机化的信号协调控制系统, 比如有西北工业大学研发出的XATM智能交通信号机, 还有上海东川公司研制出的UTC1001多时段和多方案的信号控制系统等等, 这些新研制出的信号控制系统都采用了比较先进的技术, 比如有多时段、多相位控制技术, 这样的新产品就在很多方面克服了从前的信号机中的缺点, 提升了交通信号灯的灵活性高效性等。当然在功能方面也有了更加全面的完善, 在控制优化算法、软件人机控制界面、应急方案、联网功能、控制模式和硬件事故检测和保护等功能都有很大的提升, 这些相比从前的老旧技术都有了空前的进步。

2.2 国外现状

现在在世界各国, 都比较普遍的采用的道路交通信号协调控制系统主要有以下三个, 它们都具有很强的实效性与代表性。首先就是英国的TRANSYT系统, 这个系统是由英国的道路研究所耗费巨大的资源研制出来的比较成功的交通信号协调控制系统, 现在经过不断的更新换代和研究已经发展了很多款优秀的型号。其次, 就是英国的SCOOT系统, 这个系统是在TRANSYT系统的基础上发展出来的, 它采用了自适应的控制方法, 是动态的交通信号控制系统, 在作用和功能上比静态的系统要优秀很多, 很多国家采用的都是这款系统。最后就是澳大利亚研制的SCATS系统, 该系统主要运用了世界上比较先进的计算机网络技术, 使得其在信息传递的时候采用分层传递的模式, 这样的模块形式从结构上讲有着更加实用的作用与效果。

3 动态优化算法的实现

优化算法有很多种, 其中遗传算法是比较新型的一种方法, 其对于函数的优化也是很重要的应用领域。因为遗传算法对于函数的数学性质没有什么要求, 所以其有着比较广泛的适用面。与此同时, 因为遗传算法采用的是群体搜索技术, 在很多方面有着更强的优势和更好的应用效果, 关键问题是要确定好编码方案、遗传操作算子和适应度函数。动态控制方法的实现, 需要有一个完善的流程程序。采用该系统, 可以减少周期之内路口车辆排队的数目。采用遗传算法可以提高系统的实时性, 对于其可靠性的提高也有重要的帮助, 还能更好的适应交通流的变化。

4 控制系统的硬件电路实现

系统的性能是由设计方案决定的, 随着计算机技术的不断发展, 交通信号控制系统中的计算机应用也是逐渐的增强。这些系统的应用对于交通安全的维护起着重要的作用, 但是这些系统普遍都是引用国外的技术, 这就增加使用的成本, 在安装、使用与维护的过程中也有问题, 此外, 因为国内外的交通情况有所不同, 这样也给该系统的应用造成了一定的推广困难。这样对于研发我国自主产权, 针对我国交通状况的交通信号控制系统有着非凡的意义。

智能交通信号协调控制系统的信号机, 主要是由基于ARM的主控模块、主控模块热备份、车流量检测和处理模块、人机接口及显示模块和绿冲突检测及输出驱动等组成。该系统的设计理念是:通过图像检测、感应线圈等方法对车流量信息进行检测然后发送给主控模块, 再由主控模块进行数据处理和加密并通过以太网传输到后台协调控制服务器, 服务器协调各路口的交通状况后计算出最合适的配时方案, 通过以太网将配时方案数据下发到路口信号机, 这样就可以实现实时协调控制交叉路口的信号。后台协调控制服务器一般设置在交通管理指挥中心, 由服务器计算机和控制软件组成。除了自适应的协调控制, 还可以人工干预, 进入警卫模式等。

路口协调信号机的主控模块采用LPC2290处理器作为核心, 通过数据总线与各模块进行数据传输, 配备了用于时钟基准的GPS模块, 以及USB接口和以太网接口, USB接口可以用于数据备份, 以太网接口则用于和后台协调服务器连接。车流量检测和处理模块采用STC12C5A60S2高性能单片机作为主控制, 收集车流量检测摄像头回传的数据, 或者处理地感线圈采集的数据, 将车流量信息传送到主控模块, 每一个车流量检测和处理模块对应交叉路口的一个方向, 可按照具体路口情况来配置该模块的数量。作为人机接口及显示模块采用彩色触摸LCD屏可以直观显示各种信号状态和修改信号机设置参数。绿冲突检测及输出驱动模块采用可控硅对信号灯进行开关控 (下转第37页) 制, 通过耦合整型电路对每路输出进行电流和电压的检测, 并将每路输出的实时状态反馈到主控模块。

对于硬件方面的结构设计是不容忽视的一个重要环节, 必须要加以重视。

5 结语

本文对智能交通信号协调控制系统做了一个简单的介绍, 在概念、分类、和现状方面做了简单的论述, 对于在人工方面依旧使用的技术做了一定的讲解, 在控制电路的硬件实现方面也进行了简单的介绍, 使大家可以对智能交通信号协调控制技术有一个简单的了解。总而言之, 对于车流量的检测和控制, 依旧需要投入更多的资源, 这也是未来研究和发展的一个重要方向之一, 怎样设计一个更加高效、更加简单的交通信号协调控制系统, 也是现代交通发展的一个研究方向。要想开发出更加优秀的智能交通信号协调控制系统, 我国还需要做出更大的努力。

摘要：城市交通的拥挤状况现在是世界上普遍关注的问题之一, 本文针对目前我国交通的状况, 对智能交通信号的协调控制系统进行了初步的探讨和研究。

关键词：智能,交通信号,协调控制,系统

参考文献

[1]陈思, 吴建平.一种基于GPS/GPRS的智能交通信号控制系统[J].中国科技信息, 2006.

[2]马浩轩.基于交通流检测的智能交通系统的研究[J].科技视界, 2012.

[3]南楠.智能交通信号控制系统初探[J].现代计算机:下半月版, 2012.

[4]程海燕.智能交通信号协调控制系统研究[D].西北工业大学, 2006.

信号协调控制 篇2

随着机动车保有量的增长, 许多城市面临着严重的交通拥堵和环境污染。运用先进的交通管制手段提高出行效率、改善生活环境已成为交通规划与控制领域亟待解决的关键问题之一。

相关研究主要聚焦于两方面:①机动车排放测定与影响因素分析。一些学者将微观交通仿真软件Paramics与排放估计软件VERSIT+相结合, 探讨了信号协调对交通排放的影响[1,2,3]。Matsumoto等[4]认为利用信息提供系统能减少不必要的车辆活动 (如紧急加速/减速、长时间怠速) , 并利用微观交通仿真软件Vissim分析了信息提供对CO2排放的影响。Song等[5]使用瞬时排放与公交活动数据建立了机动车排放与交通延误、停车次数之间的关系。②考虑排放的信号配时优化。李世武等[6]构建了以减少机动车排放为目标的单点交叉口信号配时优化模型。Alsabaan等[7]假定车辆根据交通信号调整其速度至推荐值, 进而构建了最小化燃油消耗和排放的优化模型。Zhang等[8]将元胞传输模型与大气扩散模型相结合, 以最小化延误和排放为目标建立了信号配时优化模型。

针对信号交叉口, 以上研究很少关注红绿灯期间交通排放规律的差异。因此, 课题组提出了红绿灯期间排放因子的标定方法, 并基于此构建了降低交通排放的单点信号配时优化模型[9], 在此基础上建立最小化机动车排放总量的干线协调信号控制优化模型。

1研究对象

研究对象为1条干线道路上由关联性较强的3~8个交叉口构成的交叉口群。这里以规模为3的交叉口群为例, 见图1。假设每个交叉口的渠化方案见图2, 即每条进口道均渠化左转、直行和直右3条车道;其信号相位方案如图3所示, 即东西向采用前置左转+后置左转方式、南北向采用专用左转+前置左转方式, 其中M1~M8为车流编号[10]。

2优化模型

2.1两类排放因子标定

在课题组前期研究的基础上[9], 考虑干线协调信号控制的特点, 下面改进红绿灯期间排放因子的标定方法。

某一时刻交叉口某条车道组上某辆车的比功率为

式中:VSPηj, ζ (t) 为时刻t交叉口η车道组j上车辆ζ的比功率, kW/t;vηj, ζ (t) 和aηj, ζ (t) 分别为时刻t交叉口η车道组j上车辆ζ的速度, m/s和加速度, m/s2;θjη为交叉口η车道组j的道路坡度, (°) 。

此时该辆车排放某种污染物的质量为

式中:Eη, kj, ζ (t) 为时刻t交叉口η车道组j上车辆ζ排放污染物k的质量, mg;ekω, γ为ω类机动车的比功率位于分区γ时污染物k的排放因子mg/ (s·veh) ;τ为车辆速度和加速度的采样时间间隔的分辨率, s;LVSPω, γ为ω类机动车比功率分区γ的下限, kW/t;UVSPω, γ为ω类机动车比功率分区γ的上限, kW/t;Aηj, ζ (t) 为时刻t交叉口η车道组j上车辆ζ的类别属性。

考虑协调信号控制方案, 某条车道组上某类机动车在绿灯和红灯期间排放某种污染物的因子分别为

式中:EFGη, kj, ω和EFRη, kj, ω分别为交叉口η车道组j上ω类机动车在绿灯和红灯期间排放污染物k的因子, mg/ (s·veh) ;NGηj, ω (t) 和NRηj, ω (t) 分别为时刻t交叉口η车道组j上绿灯和红灯期间驶离停车线的ω类机动车数;oη为交叉口η的绝对绿时差, s;C为周期时长, s;GSηj和GEηj分别为交叉口η车道组j的绿灯起亮和结束时刻, s;ls为启动损失时间, s;mod (t-oη, C) 为t-oη除以C的余数。

2.2周期时长与绿信比优化

交叉口一条进口车道组的车均延误为[9]

式中:;djη为交叉口η车道组j的车均延误 (s/pcu) ;ujη为交叉口η车道组j的绿信比;gjη为交叉口η车道组j的有效绿灯时间, s;nη为交叉口η的相位数;φηij为交叉口η车道组j是否在相位i内有通行权的标识符, 若是φηij=1, 否则φηij=0;gηpi为交叉口η相位i的有效绿灯时间, s;xjη为交叉口η车道组j的饱和度;为机动车类别数;βω为ω类机动车的折算系数;Pηj, ω为交叉口η车道组j上ω类机动车所占比例;qjη为交叉口η车道组j的需求流率, veh/h;Qjη为交叉口η车道组j的通行能力, pcu/h;Sjη为交叉口η车道组j的饱和流率, pcu/h。

根据行程时间与行驶时间、延误之间的关系, 某类机动车在进口道上的平均停留时间为

式中:为1辆ω类机动车在交叉口η车道组j上的平均停留时间, s;sjη为交叉口η车道组j的进口道长度, m;为ω类机动车在交叉口η车道组j上的平均行驶速度, m/s。

基于标定的2类排放因子, 分析期内1条车道组上某类机动车排放某种污染物的质量为

式中:Eη, kj, ω为ω类机动车在交叉口η车道组j上排放污染物k的质量, mg。

通过集计, 分析期内交叉口车辆总延误和机动车排放总量分别为

式中:TDη为交叉口η的车辆总延误, s;mη为交叉口η的车道组数;T为分析期持续时间, h;TEη为交叉口η的机动车排放总量, mg;δ为污染物种类数。

针对干线交叉口群, 为减少因信号控制引起的机动车排放量, 优化问题的目标函数为最小化所有交叉口所有进口道机动车排放量的总和, 即

式中:κ为交叉口个数。

考虑信号配时设计, 每条车道组的有效绿灯时间不小于最小有效绿灯时间, 即

式中:gmin为最小有效绿灯时间, s。

交叉口周期时长等于所有相位有效绿灯时间之和加上总损失时间, 并介于最小与最大周期时长之间, 即

式中:Cmin为最小周期时长, s;Cmax为最大周期时长, s;ndη为交叉口η的独立相位数;l为相位损失时间, s。

针对干线协调控制系统, 各交叉口周期时长相等 (不考虑半周期的情形) , 即

另外, 各交叉口每个相位的有效绿灯时间均不小于零, 即

基于上述分析, 最小化干线道路系统机动车排放量的优化模型为

式 (15) 是在一系列线性约束条件下最小化非线性函数, 可以使用非线性优化方法进行模型求解, 本文采用Matlab软件中的fmincon函数。

分析式 (15) 可见, 该优化模型的决策变量为各交叉口每个相位的有效绿灯时间。根据交叉口相位有效绿灯时间即可确定其信号周期时长。因此, 优化模型 (15) 能够获得干线协调控制系统的共用周期时长和绿信比2种信号配时参数。

2.3绿时差优化

为使干线道路系统中的交通流获得最佳的运行状态, 首先需要确定各交叉口的信号协调相位, 然后计算各协调相位的最佳绿时差。以相邻交叉口η和η+1为例, 假设车流从交叉口η驶向η+1的方向为下行方向, 则反方向为上行方向, 这两个方向均为协调方向。对于协调相位, 若交叉口η+1相对于η的绿时差为o, 则交叉口η相对于交叉口η+1的绿时差为C-o。参考卢凯等[11]的研究成果, 使用求余方式改进干道协调控制相位差优化模型。根据上游驶出的车队到达下游停车线的不同模式, 下行车队延误分以下两类共6种情形分别进行表达。

若不考虑初始排队, 为使从交叉口η驶向η+1的车队头车不受阻所需的理想绿时差为

式中:Oη, η+1为交叉口η+1相对于η的理想绿时差, s;sη, η+1为交叉口η至η+1的停车线间距, m;vη, η+1为交叉口η至η+1的下行车速, m/s;oη, η+1为交叉口η+1相对于η的实际绿时差, s。

2.3.1车队头车受阻

记gdη+1为交叉口η+1下行协调方向的有效绿灯时间, s;rdη+1=C-gdη+1为交叉口η+1下行协调方向的有效红灯时间, s。

如果下行协调方向的车队头车在红灯期间到达, 即oη, η+1+gdη+1≤Oη, η+1<oη, η+1+C, 车队头车将在下游交叉口η+1受阻。

当下行协调方向的车队延误为

式中:Ddη+1为交叉口η+1下行协调方向的车队延误, s;tdf, η+1=C-Oη, η+1+oη, η+1为交叉口η+1下行协调方向的车队头车到达时刻至红灯结束时刻的时间间隔, s;Npη, η+1为交叉口η至η+1的车队车辆数;Sdη+1为交叉口η+1下行协调方向的饱和流率, pcu/h;qdη+1为交叉口η+1下行协调方向的需求流率, pcu/h。

当, 下行协调方向的车队延误为

当, 下行协调方向的车队延误为

2.3.2车队非头车受阻

如果下行协调方向的车队头车在绿灯期间到达, 即oη, η+1≤Oη, η+1<oη, η+1+gdη+1, 车队非头车将在下游交叉口η+1受阻。

当, 下行协调方向的车队延误为

式中:为交叉口η+1下行协调方向的红灯启亮时刻至车队尾车到达时刻的时间间隔, s。

反之, 若tdl, η+1<0, 则令tdl, η+1=0。进一步, 如果, 下行协调方向的车队延误为

如果, 下行协调方向的车队延误为

为获得双向绿波效果, 最佳绿时差应使上、下行协调方向的车队延误总和最小化。因此, 获取交叉口η+1相对于η的最佳绿时差的优化模型为

式中:Duη+1为交叉口η+1上行协调方向的车队延误, s。

3算例分析

3.1参数标定

假设所研究交叉口群的小时流量与最高15min流率 (见表1) , 左转、直行和直右车道的饱和流率分别为1 810, 1 850和1 810pcu/h[12]。

使用韦伯斯特理论计算信号周期时长与各相位绿信比[13], 然后采用上述绿时差优化方法计算协调相位的最佳绿时差。由此获得的信号配时方案称为参考配时方案。

在获得交叉口红绿灯期间的排放因子之后, 利用模型 (15) 优化信号周期时长与各相位绿信比, 然后同样采用上述绿时差优化方法计算协调相位的最佳绿时差。由此获得的信号配时方案称为优化配时方案。

为模拟交通流运行状况以获得车辆速度和加速度的实时数据, 利用Vissim软件建立仿真模型。仿真时间为4 200s, 数据采集时段为600~4 200s, 采用多步运行模式, 随机数分别取19, 29, 39, 49和59。假设交通流由100%的小汽车组成, 期望车速为48~58km/h。

标定红绿灯期间排放因子时, 小汽车比功率分区数据及污染物排放因子采用郭栋等的研究结果[14], 启动损失时间、黄灯时间和全红时间分别取2, 3和2s, 进口道长度及平均行驶速度分别取50m和50km/h。使用模型 (15) 和 (23) 时, 相位损失时间取3s, 最小有效绿灯时间取10s, 最小和最大周期时长分别取60和150s, 协调方向的上下行车速和车队车辆数分别设为50km/h和20pcu。在Vissim仿真模型中测得交叉口1~2, 2~3, 2~1和3~2的停车线间距分别为438, 430, 430和432m。

3.2结果分析

参考配时方案下交叉口周期时长、有效绿灯时间、绿时差、通行能力、车均延误和饱和度见表2。在Vissim仿真模型中运行参考配时方案, 获得每辆车的瞬时速度和加速度。然后, 根据式 (3) 和 (4) 计算红绿灯期间的排放因子, 见表3。

以表3中的数据为参数, 优化配时方案下交叉口周期时长、有效绿灯时间、绿时差、通行能力、车均延误和饱和度见表4。

对比表2和4, 与参考配时方案相比, 优化配时方案使共用周期时长缩短、交叉口通行能力和车均延误降低、饱和度提高, 每个交叉口车均延误的下降幅度大于通行能力的下降幅度。

采用参考与优化信号配时方案分别多次运行Vissim仿真模型, 获得每股车流车均延误的平均值, 如图4 (a) 。根据红绿灯期间排放因子标定方法, 分别使用这两种信号配时方案下采集的仿真数据计算每条车道组所有污染物的排放总量, 其平均值见图4 (b) 。结果显示, 相比参考配时方案, 优化配时方案下绝大数车流的车均延误明显降低、各进口车道组的排放总量显著下降。就交叉口而言, 车辆总延误和进口道排放总量均下降10%左右。

4结束语

面向规模为3~8的干线交叉口群, 改进了基于机动车比功率的红绿灯期间排放因子的标定方法。以相位有效绿灯时间为决策变量、以信号配时参数关系为约束条件, 建立了最小化所有进口道机动车排放总量的干线交叉口群时空资源优化模型。为寻求最优的绿波效果, 依据干线车流总延误与协调相位绿时差的函数关系, 使用求余方式改进了最小化干线车流总延误的绿时差优化模型。以3个交叉口为例, 设计了1个算例, 使用Matlab软件编制了模型求解程序, 利用Vissim软件建立了交通流仿真模型。采用韦伯斯特方法获得参考配时方案, 利用Vissim仿真数据标定了交叉口红绿灯期间的排放因子, 进而根据本文模型获得优化配时方案。在2种信号配时方案下, 分别多次运行交通流仿真模型, 并统计分析车均延误和排放总量。结果显示, 各污染物在红灯期间的排放因子均低于其在绿灯期间的排放因子;相对于参考配时方案, 优化配时方案下交叉口车辆总延误和进口道排放总量分别降低约10%。对于干线交叉口群, 本文模型能优化设计协调信号控制方案, 使车辆延误和交通排放同时减少, 有助于缓解城市交通拥堵问题及其引发的环境污染问题。

摘要：为降低干线道路系统的交通排放量, 基于机动车比功率改进红绿灯期间排放因子的标定方法, 进而以相位有效绿灯时间为决策变量, 构建使机动车排放总量最小化的干线交叉口群时空资源优化模型。分析相邻交叉口间车队延误与相位差的关系, 改进以车队延误最小为目标的相位差优化模型。为验证模型, 设计一个案例, 根据传统方法获得参考配时方案, 借助Vissim软件标定红绿灯期间的排放因子, 并使用所提方法获得优化配时方案。结果显示, 每种污染物绿灯期间的排放因子均明显高于红灯期间;与参考配时方案相比, 优化配时方案下各交叉口车辆延误和排放量均减少8~11%。所提模型能同时降低干线交叉口群的车辆延误和交通排放量, 可用于优化干线协调信号控制方案, 进而缓解交通拥堵。

信号协调控制 篇3

关键词：混杂自动机,信号灯控制,协调控制,Paramics

0 引 言

交通拥堵问题是当今大城市发展遇到的主要问题之一。通常城市路网的拥堵问题主要靠建设更多的道路来缓解,可是在城市中心区域,路网建设遇到瓶颈,交通拥堵问题就只能通过智能交通系统(ITS)的实施和应用来缓解。交通信号控制在ITS中有着重要的地位,尽管在这方面已进行了大量的研究工作,但是对于处理城市区域交通路口的拥堵仍然有很大的研究空间。

现今,主要的交通控制系统主要分为2类:①固定时间策略,这种方式基本都是基于历史交通数据的离线优化算法;②车辆激励策略,这是一种通过利用实时道路车辆状态和信号控制策略同步进行的在线优化方式。固定时间策略不依赖于实时的道路车辆信息,而第2种方式可以通过交通网络实时信号条件自动地响应出相应的信号控制策略。信号控制主要的决定因素是信号周期,绿信比和信号延时。

最早的也是应用最广泛的系统是英国的SCOOT系统,它通过实时信号的测量给出信号周期、绿信比和信号延时的增减量来控制城市交叉口区域信号。但是其绿信比的优化依赖于饱和度的估算,并且以小步长变化对其进行调整,因此有可能不足以及时响应每个周期的交通需求[1]。Lo[2]采用了一个元胞传输模型,提出动态信号时间策略来优化相关问题,然而其结果对于真正的现实交通网络问题是启发式的并且计算量很大。此外,Lei 和Ozguner[3]提出了一种交通响应方案,但是这种方案需要的与交叉口有关的输入数据是由混杂Petri网模型[4]提供。

本文提出一种城市区域交通信号控制策略,它能基于固定信号周期决定实时信号的绿信比,使相应交叉口信号区域的车辆排队长度最小,并应用于一个实际的两相邻交叉口信号灯控制。结果表明能有效地减轻交通拥堵,对于实际应用有其现实意义。

1 城市区域交通网络模型

1.1 相关模型分析

根据Barisone等人[5]提出相关道路宏观模型来描述道路网络。在此模型的基础上,加入路口信号周期分析,交叉口间通行时间的评估来模拟现实道路状况进行两交叉口信号灯的动态协调控制。

普通交通信号区域是由信号灯控制的一系列交叉口组成的。为了得到实时的交通信号控制策略来协调相邻路口的绿时信号比与相位差,通常认为各路口交通信号有相同的周期长度T。整个信号区域交通网络状态可以由变量ni(k)表示,其代表在K周期中,每个周期开始时各个车道Li上排队车辆数。车辆排队数量在一个信号周期内随信号变化而增减,为了描述每个车道Li车辆动态变化,用变量ui(k)和yi(k)分别表示在相同的时间间隔k周期内进入和驶离车道Li的车辆数,p和pi表示这一段时间内车道Li的车辆的驶入率与驶离率,tg为绿灯时间。则车道Li的车流状态方程为:

ni(k+1)=ni(k)+ui(k)-yi(k),i=1,…,I

yi(k)=ptg

ui(k)=piT

1.2 交叉口混杂自动机模型的建立和周期计算

1.2.1 线性混杂自动机对T形交叉口控制理论的应用

交叉口信号控制系统可以看作一个混杂切换系统,可以将信号灯控制的相位切换看作离散事件部分,道路车辆行驶状态看作是车辆实时变化的连续时间动态行为部分。

具体的交叉口系统如图2所示.此系统[6]包含4个车流方向,其中x0方向车流因不受交叉口影响故不加以考虑,设定其他3个车流方向车流以输入率pi到达路口xi,i=1,2,3。每个路口的交叉口驶离率统一为常量p>0。而且,在当车流在路口xi切换至路口xj(i≠j)的过程中,需要加入一个切换时间δij>0,这个时间包含路口黄灯时间及绿灯时刻驾驶员起步延迟时间。

所有路口驶入率及驶离率满足条件[7]

p>p1+p2+p3

对于此路口情况,定义如下切换规则:

1) 车流由图2中第1相位开始。

2) 当相位j中的相应j车道车流排空时刻,经过一个短暂的调整时间δj(j+1),相位将切换至j+1,j=1,2。当第3相位车流排空的时候,相位将在δ31时刻后转至第1相位。

此交叉口混杂自动机系统周期可表述如:

${\rm T}=\frac{(\delta {}_{12}+\delta {}_{23}+\delta {}_{31})p}{p-(p{}_1+p{}_2+p{}_3)}$

1.2.2 线性混杂自动机对十字交叉口控制理论的应用

具体的十字交叉口系统见图3。

对于此路口情况,定义如下切换规则:

1) 车流由图4中第1相位开始。

2) 当相位j中的相应j或j+4车道较大车流排空时刻,经过一个短暂的调整时间δj(j+1),相位将切换至j+1,j=1,2,3,4。当第4相位车流排空的时候,相位将在δ41时刻后转至第1相位。

将T形交叉口控制理论拓展到十字交叉路口,在p>0,p1,p2p3,…,p8>0,δ12,δ23,δ34,δ41>0且满足$p＞{\displaystyle \sum _{i=1}^4\max }(p{}_i,p{}_{i+4})$的条件下基本周期T可以表示为

${\rm T}=\frac{(\delta {}_{12}+\delta {}_{23}+\delta {}_{34}+\delta {}_{41})p}{p-{\displaystyle \sum _{i=1}^4\text{m}}\text{a}\text{x}(p{}_i,p{}_{i+4})}$

1.3 相邻交叉路口通行时间评估

假设车辆在路段中的平均速度为vi,而且在每个周期内都固定。对于路段Li的旅行时间为τi(k)=li/vi。式中:li为道路长度。旅行时间τi(k)影响同一个相位内进入和驶出道路的车辆的数量。此公式在交通欠拥堵的状态下是有实际意义的。然而,在道路拥堵的时候,路段内车辆聚积,旅行时间随车辆排队数量ni(k)一直在变化。

如图4所示,对于旅行时间τi(k)的评估的简单表达可以看作由两部分构成:车辆到达排队末端所需要的时间Tfi(k)(自由行驶时间),所有的排队车辆离开此路段所需要的时间Tci(k)(排队清空时间)。则有:

τi(k)=Tfi(k)+Tci(k)

不考虑车辆运动学,将所有车辆模型宏观化,将ta,tr分别记为车辆平均加速时间和驾驶员平均起动反应时间。设定车辆的平均长度为5 m。那么路口ni(k)数量的车辆所需要的必须的车辆排空时间Tci(k)为:

${\rm T}{}_{\text{c}i}(k)=t{}_{\text{a}}+t{}_{\text{r}}n{}_i(k)+\frac{5}{v{}_i}(n{}_i(k)-1)$

车辆由上游进入车道Li,自由通行路段长度为li-5ni(k)。因此,自由行驶时间Tfi(k)的估计为:

Tfi(k)=li-5ni(k)/vi

然而,当车辆驶入车道Li时,排队长度同时也在减小,致使进入车道的车辆自由行驶的距离增加。事实上,在li-5ni(k)/vi的时间内,有yi(k)辆车离开车道。给出其动态估计量$\widehat{y}{}_i(k)$来估计,则可以用li-5ni(k)/vi来代替${\rm T}{}_{\text{c}i}(k)‚\widehat{y}{}_i(k)$代替ni(k),经过一系列计算可知:

$\widehat{y}{}_i(k)=\max (\left[\frac{l{}_i-5(n{}_i(k)-1)-t{}_{\text{a}}v{}_i}{v{}_{i}t{}_{\text{r}}+5}\right],0)$

因此,自由行驶路段现在长度为$l{}_i-5(n{}_i(k)-\widehat{y}{}_i(k))$,所以自由行驶时间调整为:

$\begin{array}{l}{\rm T}{}_{\text{f}i}(k)=\frac{l{}_i-5(n{}_i(k)-\widehat{y}{}_i(k))}{v{}_i}\\ i=1,\cdots ‚{\rm I}‚k\in \mathbf{{\rm N}}{}_{+}\end{array}$

则旅行时间根据上式可得:

$\begin{array}{l}\tau {}_i(k)=\frac{l{}_i-5(n{}_i(k)-\widehat{y}{}_i(k))}{v{}_i}+t{}_{\text{a}}+t{}_{\text{r}}(n{}_i(k)-\\ \widehat{y}{}_i(k))+\frac{5}{v{}_i}(n{}_i(k)-\widehat{y}{}_i(k)-1)i=1,\cdots ‚{\rm I},k\in \mathbf{{\rm N}}{}_{+}\end{array}$

2 动态交通信号控制策略

文章提出的交通控制方法基于实际的交通需求。在设定的K周期优化时间内,评估每个周期时间城市交通网络内各车道车辆排队长度ni(k)。即在每个时间间隔内,控制器都需要选择一个合适的控制方案来动态地改善性能函数的表现使其最小。此方案的确定是基于前一个周期的路口检测器得到的实时交通流量参数,利用混杂自动机模型确定各路口信号周期单元,道路车流运动模型确定两相邻交叉路口的信号延时参数并将其应用于接下来的信号周期内。

为了使两路口之间车辆拥堵和回流情况的风险最小,引入以下性能指标函数[8]表示控制目标,使两路口相邻车道的车辆排队数量较小。对于两相邻路口网络之内的相关车道,其在周期时间内的平均车辆数目为:

$J{}_i=\frac{1}{{\rm K}}{\displaystyle \sum _{k=1}^{{\rm K}}n}{}_i(k),i=1,\cdots ‚{\rm I}$

动态的交通信号控制策略[9]如图5所示,本策略可以认为其在每一个离散的时间间隔内动态的评估整个交通网络的车流状况并给出相应的路口协调方式。此种方式既可以在线地应用产生实时的交通信号控制方案,也可以离线地针对历史数据得到一系列应对不同交通状况的信号控制方案,控制者可以根据相应的交通路况动态选择应用。

3 交通控制信号的协调

这一部分将讨论信号化城市区域2个相邻路口的同步协调控制方式,目的是使车流顺利通过此相邻路口。为了达到此目的,必须设定两交叉口信号延时策略,即从第1个路口绿灯相位开始到下游路口绿灯相位开始之间的时长。

假设一个路段Li内有2个相邻的交叉路口,Oi为相应的2个固定周期绿灯信号相位的信号延时表示。通常信号延时Oi=li/vi然而此表达式只在交通不拥堵状态下具有实际意义。相反,当车辆沿着道路聚积,信号延时相应的应考虑清空排队的时间,因此提出一个合适的信号延时计算方式:

由3.1内定义的Tfi(自由行驶时间)和Tci(k)(排队清空时间),对于车辆进入车道后的不同状况下,有:

1) Tfi(k)>Tci(k)。自由行驶时间大于排队清空时间的情况下,为了避免车流在车道中拥堵,建立车辆通行的绿波段,需要延迟下游路口的绿灯信号相位开始时间,相应修正信号延时为

Oi(k)=Tfi(k)-Tci(k)

2) Tfi(k)≤Tci(k)。自由行驶时间小于或者等于排队清空时间。道路拥挤程度很严重。为了尽快清空下游路口排队并使下一周期信号阶段上游到达的车辆部分排出,相邻路口相应绿灯信号相位应该即时启动。

Oi(k)=0

总的来说,在控制器端定义的相应周期时间内的信号延时的动态评估的公式为:

${\rm O}{}_i(k)=\frac{1}{{\rm K}}{\displaystyle \sum _{k=1}^{{\rm K}}\max }({\rm T}{}_{\text{f}i}(k)-{\rm T}{}_{ci}(k),0)$

此动态评估的信号延时为优化周期内的平均值,即相邻2路口这一段时间内绿灯信号差的最佳选择。这种信号延时的选择方法也可以拓展应用到多个路口信号协调控制。

4 实例仿真研究与分析

以北京市CBD地区朝阳北路路段为研究对象,通过微观交通仿真软件Paramics构建朝阳北路两相邻路口交通区域仿真路网,然后对信号控制策略进行仿真,见图6。可知区域之内的车道数共有7个,分别为link1～link7。连接路段link6=link7=800 m。

仿真实验中所采用的交通OD数据如见表1。数据为仿真时间段内模拟实际路况所设定的车流量数目。实验各参数为:

仿真步长,120 s;

仿真时间,2 h;

车辆自由行驶时的速度,50 km/h.

由于CBD地区道路渠化设计较宽,可以认为车道中车辆驶离率较大,满足混杂自动机模型的周期计算所需条件。根据第二部分相关内容,可以设定两相邻路口周期均为120 s。通过OD矩阵的车流量表示可知,此通行方向上一个公共周期内两路口信号延时约为56 s,则相邻两路口最佳相序变化见图7。

采用系统性能指标函数Ji为目标函数来评价得到的结果。link1～link7分别对应一个Ji(见表2),即采样时间内车道平均排队数量,可以总体上评估各路口排队的总体状态。将此动态2相邻路口协调控制方案与普遍应用的定时控制方案相比较。

通过分析可知在主要方向上车道7在此交通状态下定时控制通常是有较大程度的排队现象,然而在优化的动态协调控制策略实施之后,车辆可以顺畅的通过此两个相邻交叉路口之间的车道,为缓解整个路线上车流状况起到了良好的作用。

5 结束语

文章在混杂自动机模型的基础上提出了一种动态信号协调控制策略来减轻交通拥堵和车辆在道路中的积聚。此策略仿真应用于CBD地区朝阳北路相邻的交叉口路段。结果显示其对于已知交通条件下的交通状态有良好的实时优化能力。

今后的研究将以此方法为基础,继续探讨更广泛路网大区域交通信号协调控制方法,以寻求更好的方式缓解整个路网的拥堵现象,实现整个交通网络的智能控制。

参考文献

[1]刘智勇.智能交通控制理论及其应用[M].北京:科学出版社,2003.

[2]Lo H K.A cell-based traffic control formulation:Strategies and benefits of dynamic timing plans[J].Transportation Science,2001,35(2):148-164.

[3]Lei J,Ozguner U.Decentralized hybrid intersectioncontrol[C]∥Proceedings of the 40th IEEE interna-tional conference on decision and control.Orlando:Florida USA,December 2001:1237-1242.

[4]Di Febbraro A,Giglio D,Sacco N.Urban traffic con-trol structure based on hybrid Petri nets[J].IEEETransactions on Intelligent Transportation Systems,2004,5(4):224-237.

[5]Barisone A,Giglio D,R Minciardi R,et al.A macro-scopic traffic model for real-time optimization of sig-nalized urban areas[C]∥Las Vegas,Nevada USA:Proceedings of the 41th IEEE Conference on Deci-sion and Control December 2002:900-903.

[6]Savkin A V,A Mateev S,Cyclic linear differentialautomata:a simple class of hybrid dynamical sys-tems[J].Automatica,2000,36(5):727-734.

[7]Perkins J R,&Kumar P R.Stable,distributed,real-time scheduling of flexible manufacturing/assembly/disassembly systems[J].IEEE Transactions on Au-tomatic Control,1989,34(2):139-148.

[8]Bart de Schutter.Optimizing acyclic traffic signalswitching sequences through an Extended LinearComplementarity Problem formulation[J].EuropeanJournal of Operational Research,2002(139):400-415.

信号协调控制 篇4

关键词：统一电能质量调节器,稳定性,交互影响,特征根,灵敏度,协调控制

0 引言

目前, 解决单一电能质量问题的电力电子装置已经在众多文献中得到了广泛的研究, 包括补偿电网侧电压跌落的串联型补偿装置———动态电压恢复器 (DVR) [1,2,3], 补偿负荷侧无功功率的配电网静止无功补偿器 (DSTATCOM) [4,5,6,7]、补偿负荷侧谐波电流的有源电力滤波器 (APF) [8,9,10]等并联型补偿装置等。统一电能质量调节器 (UPQC) 综合了串、并联变流器的优点, 可以同时补偿电压、电流等多种电能质量问题, 但由两变流器之间的耦合作用所引起的交互影响不容忽视[11]。现有文献中主要针对UPQC串、并联变流器同时运行后的工况进行了各种特性的分析[12,13,14,15,16], 并未细致研究UPQC切换运行模式时所带来的小信号干扰问题。

由于UPQC串、并联变流器采用的控制策略与其补偿功能、应用场合密切相关, 为了简化分析, 本文以串联变流器补偿电压暂降、并联变流器补偿无功电流的UPQC为例, 在其采用间接控制策略的基础上, 建立了包括串、并联变流器自身结构及相关控制的小信号模型, 以特征根灵敏度的方法对比分析了两类变流器在独立运行与联合运行等3种运行模式下的稳定性及动态性能, 研究了控制参数、负荷等因素对装置切换运行模式时的小干扰稳定性的影响作用。同时, 本文提出了新型功率流协调控制策略, 以有效地减少UPQC串、并联变流器与电网之间的能量交换, 从而可以在电网电压深度跌落时降低串、并联变流器之间的耦合作用, 提高补偿装置的利用率。

1 UPQC基本结构及数学建模分析

1.1 串并联变流器结构模型

本文研究的UPQC结构为三相三线式, 采用了间接控制策略, 其串、并联变流器的单相基本结构如图1所示。其中, is和iL分别表示电网侧、负荷侧电流;Vs和VL分别表示电网侧、负荷侧电压;Lf1, Rf1, Cf1分别表示串联变流器的滤波电感、等效电感电阻及滤波电容;Lf2和Rf2分别表示并联变流器的连接电抗器及等效电阻;i1和ic分别表示串、并联变流器的电感电流;Cdc表示两变流器共用的直流母线电容。

当Vs正常时, 串联变流器旁路, 并联变流器以注入无功功率的方式提高电网侧的功率因数。当Vs跌落时, 串联变流器输出相应的补偿电压Vc, 从而使敏感负荷端电压VL维持在正常的范围内, 保证了敏感负荷的正常运行, 此时并联变流器负责从电网中吸收有功功率, 维持直流母线电压Vdc恒定。

设直流母线端损耗的等效并联电阻为Rdc, 并以串联型阻感Rz, Lz等效敏感负荷, 则有:

串联变流器的数学模型可表示为:

并联变流器的数学模型可表示为:

式 (2) 和式 (3) 中m1d和m1q, m2d和m2q分别是与串、并联变流器脉宽调制信号有关的变量。Vdc表示UPQC的直流母线电压, 同时也是并联变流器有功回路的控制目标, 而并联变流器无功回路的控制目标可以用功率因数表征值Kf表示。

根据式 (1) 至式 (4) 可得串并联变流器在某一静态工作点的小信号状态方程 (~表示相应量的信号) :

其中, 状态量, 输入量, 输出量分别为:

各系数矩阵的表达式见附录A。

1.2 串并联变流器控制

1.2.1 串联变流器控制

串联变流器双闭环控制示意图如附录B图B1所示。图中:V*Ld和V*Lq, i*1d和i*1q分别表示串联变流器外环、内环参考信号;k1为内环比例控制因子;kp11和ki11, kp12和ki12分别表示串联变流器d, q轴外环比例—积分 (PI) 控制因子。若设其中间变量为Vd和Vq (见图2) , 则有:

则附录B图B1中内、外环控制可表示为:

1.2.2 并联变流器控制

并联变流器双闭环控制示意图如附录B图B2所示。图中:V*dc和Kf*, i*cd和i*cq分别表示并联变流器外环、内环参考信号;k2为内环比例控制因子;kp21和ki21, kp22和ki22分别表示关联变流器d, q轴外环PI控制因子。若设定其中间变量为Id和Iq, 则有:

则图中的内、外环控制可表示为:

1.3 UPQC小信号模型

将中间变量Vd, Vq, Id, Iq作为新增的状态变量, 并根据式 (1) 至式 (12) , 可得同时包含UPQC自身模型、控制模型的小信号状态方程, 即有:

其中, 状态量, 输入量分别为:

各系数矩阵表达式见附录A。

由式 (13) 和式 (14) 可得该四输入四输出系统的传递函数为:

2 UPQC小信号分析

2.1 串并联变流器交互影响分析

UPQC实际上是两种不同运行特性的补偿装置的综合体, 每台装置的参数设计、控制算法均具有其独特性, 但将两台装置组合成UPQC后, 两台装置通过直流母线进行能量交换, 存在着固有的耦合关系, 因此需要对控制参数重新进行整定。为进一步研究两变流器之间交互影响的强弱, 针对以下3种运行模式进行系统特征根的对比分析, 本文所涉及的系统及控制参数见附录C中表C1。当电网侧电压跌落50%时, 系统在两变流器单独运行、联合运行 (UPQC) 等3种运行模式下的特征根结果如附录C中表C2所示。

1) 稳定性分析

由附录C表C2中数据可知, 3种运行模式下的系统特征根实部均为负值, 系统稳定性的变化主要由并联变流器对应的特征根 (λ7, λ8) 变化所引起, 事实上电网侧电压跌落程度越大, 特征根 (λ7, λ8) 的实部向虚轴靠近的趋势也将越明显, 从而导致了系统稳定性的下降。而串联变流器的特征根并无明显变化, 证明其控制部分对整个UPQC切换运行模式时的小扰动稳定性无明显影响。UPQC串、并联变流器之间的交互影响主要取决于两者之间的能量流动关系, 在电压跌落的工况下, 并联变流器不仅要补偿负荷端所需要的无功功率, 还需额外从电网吸收有功功率用以补偿直流母线端由于串联变流器消耗有功功率而导致的电压下降。两变流器之间的能量耦合作用降低了直流母线电压控制的稳定性。

2) 动态响应分析

由附录C表C2可知, 串并联变流器联合运行时的振荡模态主要由串联变流器、并联变流器与电网之间的振荡模态构成。其中特征根 (λ1, λ2) 、 (λ3, λ4) 、 (λ5, λ6) 、 (λ12, λ13) 表征了串联变流器的振荡模态, (λ7, λ8) 表征了并联变流器的振荡模态。而鉴于特征根 (λ9, λ10) 离虚轴过远, 对系统的稳定性及动态性能几乎不会产生影响, 因此后文将不再讨论 (λ9, λ10) 的特征根变化情况。

系统响应主要由相关传递函数的零极点共同决定, 分别作出串联变流器独立运行时的d轴电压控制、并联变流器独立运行时的d轴电流控制 (即直流母线电压控制) 的传递函数所对应的零极点位置对比示意图, 分别见附录B图B3和图B4。

可见, 当串并联变流器独立运行时, 系统传递函数的一部分极点附近存在着零点, 系统可近似为一个低阶系统, 其中串联变流器在d轴引起的高频振荡频率fd1主要由特征根 (λ1, λ2) 、 (λ3, λ4) 决定, 约为:

并联变流器引起的低频振荡频率fd2主要由特征根 (λ5, λ6) 决定, 约为:

串、并联变流器独立运行的仿真结果见图3, 其中图3 (a) 表示系统电压在0.1s跌落, 串联变流器投入运行的d轴响应结果;图3 (b) 表示并联变流器在其输入的0.1s处被施加1.25%小扰动的d轴响应结果。

与串、并联变流器独立运行的模式不同, 当两变流器同时投入运行时, 两者之间通过直流母线进行能量交换。当系统遭受到小扰动时, 每个输出量的动态分量均是与其对各输入的响应分量的叠加, 而响应中各个分量所占的比例也同时表征了响应初始阶段的特性, 并且主要取决于系统特征根的留数, 为研究串、并联变流器之间动态交互影响, 以串联变流器电压补偿的d轴控制回路和并联变流器电流补偿的d轴控制回路 (即直流母线电压控制回路) 为例, 作出两控制回路相关传递函数所对应的留数表和阶跃响应示意图, 分别见附录C中表C3、附录B图B5。

从各特征根对应的留数模值|ci|可知, 由于并联变流器振荡模态的影响, 串联变流器在受到小扰动时会出现额外的低频阻尼振荡。同理, 由于串联变流器对应的振荡模态的影响, 并联变流器在受到小扰动时会出现额外的高频振荡分量。其中, 由特征根 (λ1, λ2) 、 (λ3, λ4) 所表征的高频振荡分量在响应的初始阶段所占比例较大, 起主要作用, 随着时间的推移, 逐渐过渡到特征根 (λ7, λ8) 所对应的低频振荡分量为主。

当电网侧电压Vsd在0.1~0.2s出现50%的电压跌落时, UPQC补偿的仿真结果如图4所示。其中图4 (a) 和 (b) 分别为串、并联变流器在电压跌落过程中的动态响应示意图。

由图4可知, 串并联变流器同时运行时确实都存在高频、低频振荡分量, 与图3中两变流器独立运行的结果相比可知, 正是由于两变流器之间的交互影响, 导致了串、并联变流器联合运行时系统振荡分量的增加, 验证了上文中特征根分析两变流器动态交互影响的正确性。

2.2 参数变化对动态性能和稳定性的影响

2.2.1 电网侧电压跌落百分比Ksag对特征根的影响

其余参数不变, 将Ksag从10%调节至50%的根轨迹如图5所示, 从图中可知, 特征根 (λ5, λ6) 和 (λ12, λ13) 变化较为缓慢, 而特征根 (λ7, λ8) 逐渐靠近虚轴, 因此可认为系统稳定性随着电压跌落的增加而降低。

其余参数不变, 单独调节Ksag的仿真结果如图6所示。

图6中电网电压Vs在0.1s出现电压跌落, 此时UPQC将切换至两变流器同时运行的模式。从图中可知, Ksag越大, 系统响应越慢, 稳定性也越差。设计UPQC参数时必须考虑电压跌落性能指标对电压、电流补偿效果的影响。

2.2.2 控制参数对UPQC特征根的影响

由于直流母线在串、并联变流器之间的能量交换中起到重要的作用, 因此, 本文拟以直流母线电压控制回路为例, 探讨控制参数对系统稳定性的影响。

1) 直流母线电压Vdc比例控制因子kp21对特征根的影响

参数kp21变化时的根轨迹如图7所示。

可以看到, 当kp21从0.5逐渐调节至7时, 特征根 (λ7, λ8) 与特征根 (λ3, λ4) 的根轨迹均与虚轴相交。其中:特征根 (λ7, λ8) 的根轨迹是从虚轴右侧逐渐过渡到左侧, 与实轴相交后又有一分支向虚轴靠近;而特征根 (λ3, λ4) 则一直向虚轴靠近。其余特征根均在虚轴左侧。综合上述分析, 可认为系统是随着参数kp21的增加先从低频振荡的不稳定状态过渡到稳定状态, 然后又逐渐过渡到高频振荡的不稳定状态。

其余参数不变, 单独调节比例因子kp21的时域仿真结果如图8所示。从图中可知, 系统稳定性随着kp21的增加先强后弱, kp21的取值存在稳定极限, 取值过大或者过小将会显著地影响系统的稳定性, 与上文分析结果一致。

2) 直流母线电压Vdc积分控制因子ki21对特征根的影响

参数ki21变化时的根轨迹如图9所示。可知, 随着ki21从600调节至9 000, 特征根 (λ7, λ8) 的根轨迹从向虚轴逐渐靠近过渡到与虚轴相交, 并且逐渐远离实轴, 其所表征的特性是系统低频振荡频率逐渐增加, 而系统稳定性也随之降低, 直至失稳。

其余参数不变, 单独调节ki21的仿真结果如图10所示。从图中可知, 积分参数增大, 系统阻尼减少, 振荡频率增加, 系统稳定性变差。积分参数过大时, 系统将出现不稳定, 与特征根分析结果相一致。

2.2.3 负载对直流母线控制参数整定范围的影响

由上文可知, 在同一负荷工况下, 直流母线控制参数kp21, ki21均有一定的整定范围。同理, 可得不同负荷工况下kp21, ki21的整定范围, 如表1所示。

从表1可知, 其余参数不变, 参数kp21, ki21的整定范围随着负荷的增加而变小, 负荷对kp21, ki21的整定范围有较大的影响。

3 UPQC控制参数灵敏度分析

在设计补偿装置的结构及控制参数时往往需要考虑系统的某些参数变化对特征根的影响。而参数的灵敏度[17,18,19]表征了参数对特征根影响的强弱及变化趋势, 设系统矩阵为A, λi为系统的特征根, 与之对应的左右特征向量元素分别为vi和ui, 则该特征根λi对参数k的灵敏度可表示为:

鉴于本文系统矩阵A较为简单, 通过选择适当的微增量Δk, 可采用近似计算公式:

仍以附录C中表C1各参数所确定的工况为例, 由式 (18) 和式 (19) 可计算得到该工况下串并联变流器的外环PI控制参数对系统特征根的灵敏度, 见附录C中表C4。可知, 在该特定工况下, 并联变流器直流母线电压控制参数kp21对特征根 (λ7, λ8) 的灵敏度影响较大, 因为该参数控制了串并联变流器与电网之间的有功功率交换, 与本文2.2节中采用特征根方法分析的结果相一致。在设计UPQC结构及控制参数时, 需重点分析kp21对系统稳定性及动态性能的影响。

4 UPQC协调控制策略分析

4.1 新型功率流协调控制策略分析

UPQC的串、并联变流器需要与电网侧进行能量交换, 当电网侧电压跌落幅值较大时, 串、并联变流器之间的有功环流较大, 很可能会对补偿效果造成影响[20,21,22]。同时由于传统UPQC的串联变流器长期处于旁路状态, 并联变流器长期处于重载状态, 导致了两者的容量未得到充分合理地利用, 也可能会造成投资成本的增加。为减少串、并联变流器在电压跌落时的有功功率交换, 提高串联变流器的利用效率, 本文提出了新型功率流协调控制策略。该控制策略的核心在于UPQC串联变流器始终以注入极限补偿电压Vcmax的方式减少电网侧的功率因数角, 降低了并联变流器的容量需求, 同时将电网侧电压处于正常时的状态作为其跌落0%的特殊情况进行处理, 从而可以在满足电压与无功功率等补偿需求的前提下, 尽量减少串并联变流器与电网之间的能量交换。

图11为UPQC协调控制的相量示意图, 其中分别表示电网电压、电流相量;分别表示串联变流器输出的极限补偿电压相量、并联变流器输出的电流相量;分别表示负荷侧的电压、电流相量;φ和δ分别表示负荷侧、电网侧的功率因数角;θ表示的相角差;β和γ分别表示的相角差。

图中以O点为起点, 圆弧ABC表示从未跌落过渡到最大跌落的相量终点集合。其中A和C点分别表示未跌落、出现最大跌落时的终点位置, B点表示正好与串联变流器输出的电压正交时的终点位置, 若以Vcmax表示串联变流器的电压补偿极限, 则此时幅值可表示为:

为便于分析, 本文将针对以下两种工况研究UPQC的协调控制策略, 其相量图分别与图11 (a) 和 (b) 对应。

1) 工况1, 若幅值满足:

此时定义轻度跌落, 其相量的终点位于圆弧AB段;该工况下UPQC串联变流器从电网吸收能量, 并联变流器向电网回馈能量, 两变流器同时向负荷侧注入无功功率。

从图11 (a) 可知, 工况1下串联变流器注入幅值、相角分别为:

的相角差θ为:

而对于并联变流器而言, 只需将补偿至与同相, 即可在满足电网侧功率因数补偿需求的前提下, 达到串并联变流器之间有功环流最小的控制目标。由于此时负荷所需有功功率全部来源于电网, 根据能量守恒, 可计算电网电流幅值为:

此时, 并联变流器输出电流幅值、相位分别为:

2) 工况2, 若幅值满足:

此时定义深度跌落, 其相量的终点位于圆弧BC段;该工况下UPQC并联变流器从电网吸收能量, 串联变流器向电网回馈能量, 两变流器同时向负荷侧注入无功功率。

从图11 (b) 可知, 工况2下串联变流器注入电压幅值Vc、相角β表达式同式 (22) ;的相角差θ的表达式同式 (23) 。同时, 对于并联变流器而言, 经过其补偿后的电网侧功率因数角δ需满足:

考虑到裕量, 则δ范围可设为:

然而, 该工况下串并联变流器与电网之间的有功环流将随着δ的减少而增加, 综合考虑功率因数及有功环流两种因素, 并联变流器可根据θ决定其补偿后的电网功率因数角δ。若θ满足:

则补偿后的电网电流只需与OB同相即可, 此时δ表达式为:

若θ满足:

则并联变流器需控制电网侧功率因数角δ恒定为:

根据能量守恒, 可得补偿后的电网电流幅值为:

进而可得并联变流器输出电流的幅值、相位分别为:

综上所述, 本文提出的协调控制策略中, 当电网电压在由式 (21) 所决定的工况1下, 串并联变流器补偿矢量需分别满足式 (22) 和式 (25) ;当电网电压在由式 (26) 所决定的工况2下, 串并联变流器补偿矢量需分别满足式 (22) 和式 (34) , 则补偿后的负荷电压幅值将满足额定电压幅值, 补偿后电网侧功率因数值将高于0.9, 满足补偿的约束条件。

4.2 仿真验证

为验证本文提出的新型功率流协调控制策略的有效性, 仍以附录C中的参数为例, 并设串联变流器的最大输出电压为0.6VL, 电网侧电压最大跌落百分比为50%, 由式 (21) 和式 (26) 可知两种工况所对应的电压跌落区间, 如表2所示。

以Vs跌落0% (未跌落) 为例, 对UPQC在工况1下采用的协调控制策略进行仿真验证, a相仿真结果如图12所示, 从图中可知, 电网端a相电压Vsa未跌落时, 并联变流器通过输出相应的补偿电流ica, 使得电网侧功率因数为1;而串联变流器通过输出一个相位超前于Vsa的极限补偿电压Vca, 使得串并联变流器与电网之间的有功交换最小。仿真结果验证了该协调控制策略在工况1下的有效性。

同理, 以Vs跌落50% (最大跌落) 为例, 对UPQC在工况2下采用的协调控制策略进行仿真验证, a相仿真结果如图13所示。

从图中可知, Vsa重度跌落时, 串联变流器通过输出一个相位超前于Vsa的极限补偿电压Vca, 减少了电网侧的功率因数角, 而并联变流器通过注入相应的补偿电流ica调节电网侧的功率因数, 并将相应的功率因数角维持在20°恒定。该协调控制策略使得两变流器在电网侧功率因数满足需求的前提下, 与电网之间的有功交换达到最小。仿真结果验证了该协调控制策略在工况2下的有效性。

5 结论

1) 与串、并联变流器独立运行相比, 由于两单元自身振荡模态不同, 导致UPQC在切换运行模式时, 其串联变流器的补偿结果中出现了额外的低频振荡分量, 并联变流器的补偿结果中出现了额外的高频振荡分量。

2) 由于UPQC串并联变流器通过直流母线交换能量, 无超级电容等快速储能的支撑, 导致了串、并联变流器联合运行时的稳定性比串、并联变流器独立运行模式下的稳定性低。

3) UPQC直流母线电压的控制参数对UPQC切换运行模式时的小干扰稳定性有较大的影响, 而控制参数的稳定极限及整定范围受到负荷等因素的影响。

4) UPQC新型功率流协调控制策略可在电网侧电压轻度跌落、深度跌落两种工况下有效地减少串并联变流器与电网之间的有功功率交换, 提高了串联补偿装置的利用率。

需要强调的是, 本文重点论述了小信号分析在UPQC领域的应用, 当UPQC的补偿功能与控制策略发生变化时, 仍可采用文中UPQC切换运行模式时的小信号建模及分析思路, 只是结论可能与本文略有不同。

信号协调控制 篇5

城市干道信号协调控制是指干道中若干相邻交叉口间的信号配时协调控制,使得主要方向的交通流获取最大的连续通过时间,又称为“绿波带”控制[1]。在干道信号协调控制领域,Synchro等信号配时优化模型被广泛应用[2,3,4]。

目前,国内外对Synchro的运用主要集中在对交叉口或者干道的信号进行协调优化。Maze和Kamyab[5]运用Synchro对US61干道的交通信号配时方案进行协调优化,然后利用Corsim仿真所得配时方案,通过对比前后结果发现延误、排放等都有明显下降。郭谨一等[6]利用Synchro对北京市某一典型十字信号控制交叉口的现有配时方案进行现状评价及仿真优化,使得交叉口各进口的控制延误和每车停车延误都有所降低,服务水平得到了提高。邹志云、陈绍宽[7]使用Synchro对北京市某一信号控制交叉口进行优化研究,通过改善道路几何条件和优化配时方案相结合的研究方案使得交叉口的延误等得到改善。鲁相林等[8]对山东省威海市某一交叉口通过交叉口渠化和利用Synchro对其当前的配时方案进行优化,然后通过Vissim模型仿真,选用行程延误、停车次数、最大排队长度等作为评价指标,对比了交叉口优化前后的交通状况,结果表明优化后方案其延误等指标有所降低。北京工业大学尚德申、石建军等[9]探讨了Synchro在Actra系统中的应用,其中提到Synchro在干道协调优化中效果明显。

Synchro对干道进行信号协调优化时可以得到基于不同目标的优化方案,如基于最小PI(the performance index)值方案、最小延误时间方案、基于最少停车次数方案等。选择合适的优化方案对于交通管理与控制有着重要作用,在以往的研究中,研究者常常直接采用Synchro默认的优化方案,即基于最小PI[4]值的优化方案。

${\rm P}{\rm I}=\frac{\text{延}\text{误}+\text{停}\text{车}\text{次}\text{数}\times 10}{3600}(1)$

因PI同时考虑了延误及停车次数2项指标,人们主观上认为该优化方案的结果优于其他优化目标的配时方案。为了讨论Synchro对干道进行信号协调优化的效果,基于最小PI值的优化方案是否优于其他优化方案,进而探讨基于何种目标得到的优化方案使得干道上行驶车辆的行程时间、延误、停车次数等参数较小。本文以实际调研数据为基础,结合Vissim仿真平台,对比分析了Synchro中基于不同目标所得优化方案的仿真结果,提出相对较优的优化方案。

1 研究方法

Vissim[10]是目前使用最为广泛的微观仿真模型之一,通过输入行驶速度、交通量、车辆比例等参数,它可以仿真各种交通条件下的城市道路运行状况,得到描述道路运行的多个参数,如行程时间、延误、排队长度等,因此常常被用来评估拟定的交通方案。

Synchro作为一款专门用于信号配时优化的交通模型,输入道路通行能力、交通量、车道数、车道划分等数据后,可以对交叉口/干道进行信号优化。尽管Synchro的SimTraffic模块[11]也能进行交通仿真,但是无论是驾驶行为参数的设置还是道路模型的刻画,以及仿真平台中交通流行为原理,Vissim仿真更能准确的模拟交通运行状况。Synchro优化后的配时方案可以直接输入到Vissim中,为Synchro及Vissim两者相结合提供了基础。

本文基于调查所得数据搭建Synchro干道信号优化平台和Vissim交通仿真平台,使用Synchro优化干道现有配时方案,得到基于不同目标的优化方案,利用Vissim仿真未优化配时方案及各优化后的配时方案[12],得到各方案的仿真结果,以行程时间、延误、平均排队长度以及停车次数为指标[13]分析各方案的适用条件,为选取Synchro干道信号协调控制的最优方案提供依据。

一般来说,进行交通信号协调控制的交通干道应少受外界的干扰[14]:干道内最好没有公交专用道,无过多的出租车停靠点、公交站台等,无较大影响的平曲线及纵坡,具有多个相距较近的交叉口。综合考虑以上要求和实际调研结果,本文选择北京市首都机场东区东西走向的四纬路作为研究对象,并于2011年4月6日和4月20日对四纬路进行了数据调查,采集到的数据包括干道几何特征参数、交通流特性参数及现有信号配时方案等数据。

1.1Synchro优化平台搭建

利用调查得到的几何特征参数,搭建了四纬路干道信号协调优化平台,见图1。

搭建Synchro优化平台时路段、流量及配时设置中的各项参数[8]是基于调查所得数据,包括:路段参数设置中的车道通行能力、车道划分、车道宽、区域类型、转弯车速、总损失时间、红灯是否右转;流量参数设置中的车道交通量、高峰小时系数、增长系数;配时参数设置中的交叉口控制方式、转弯相位配时、各相位时长、黄灯时间、全红时间。因本文所有交叉口都为固定配时交叉口,故相位设置中不需要设置绿灯延长步长、绿灯极限延长时间等参数,黄灯时间、全红时间等参数与配时方案一致。

1.2优化方案提出

因一经路与四纬路相交的交叉口固定周期最长,故以它为主控交叉口进行干道的信号协调优化[1]。按照Synchro优化信号步骤先后对四纬路现行配时方案的周期时长、绿信比及相位差进行优化,最后选取关注较多的基于最小延误、基于最少停车次数以及基于最小PI值的3种优化方案,见图2。

其中值得说明的是,Synchro中延误的计算结合了更适合于信号调整的百分比延误方法(percentile delay method, PDM)[4]和HCM2000的Webster延误计算公式。基于2种方法计算延误最终得到延误最小的优化配时方案,见图2(a)。而停车次数的计算类似于延误的计算,即停车延误的车辆数就是排队车辆数。但也有细微不同,Synchro将延误小于10 s的车辆不算完全停车,对于这部分车辆,Synchro通过计算车辆每次延误的时间进行调节得到停车次数,最终两部分相加得到最后的停车次数,从而得到停车次数最小的优化配时方案,见图2(b)。所以,信号周期的长短直接影响到交叉口的通行能力及车辆的延误时间。对比3种不同优化目标配时方案的周期长发现,基于最小延误的优化方案信号周期最短,T=40 s;基于最少停车次数的优化方案信号周期最长,T=100 s;基于最小PI值的优化方案信号周期居中,T=45 s。因此,利用Synchro进行信号配时优化时,选择基于何种目标的优化配时方案值得展开研究。

利用调查得到的几何特征参数,搭建路网、设置检测器及交叉口处优先规则等最终得到Vissim仿真平台,见图3。

在Vissim仿真平台中输入调查所得的行驶速度、交通量、车辆比例等参数,见表1。另基于国内对Vissim的研究,调整了跟车模型中的最小前视距离、最小后视距离等参数。

2 Vissim仿真结果的对比分析

把3种优化方案输入Vissim仿真平台,运行仿真平台7 200 s,统计时间间隔为600 s。因Vissim仿真刚开始时车辆未全进入仿真平台,此时生成的仿真结果不能反映实际的交通状况,为了保证仿真结果更符合实际路网运行状况,故选取1 800～5 600 s的仿真结果,分别以行程时间、延误、排队长度及停车次数为评价指标,对比分析3种优化方案,并与未优化的原配时方案仿真结果进行比较。

2.1以行程时间为评价指标

行程时间是出行者用来评价道路拥堵状况最直接的指标,也是出行者出行最关注的指标。Vissim中通过设置行程时间检测区段,可以得到车辆通过检测区段的起点直至离开终点的时间间隔(包括停车时间)。

因四纬路为东西走向干道,故本文对比分析了东西走向、西东走向车辆的行程时间。未优化的原配时方案和基于不同目标的优化配时方案的对比结果见图4。

对比原配时方案与3种优化配时方案的行程时间,东西走向,基于最小延误、基于最小PI值和基于最少停车次数的优化方案的行程时间分别比原配时方案的行程时间降低了23.26%、18.63%、1.04%。西东走向,3种优化方案依次比原配时方案降低了21.05%、10.55%、6.89%。故使用Synchro对干道进行信号协调控制能够缩短车辆的行程时间。

对比分析3种优化配时方案的行程时间,东西走向,基于最小延误的优化方案比基于最小PI值的优化方案、基于最少停车次数的优化方案多降低4.63%和10.50%,西东走向,基于最小延误的优化方案比基于最小PI值的优化方案、基于最少停车次数的优化方案分别多降低22.21%和14.16%。故基于最小延误的优化方案是3种优化方案中最优的方案,基于最小PI值的优化方案次之,基于最少停车次数的优化方案最差。

2.2以延误为评价指标

延误反映了路段的交通性能及交通管理效率,常用来评价路段畅通情况及排队状况。Vissim仿真结果中延误为平均延误时间,即通过交叉口的所有车辆平均每辆车的延误时间。未优化的原配时方案及3种优化配时方案的延误对比图,见图5。

从东西、西东2个走向,对比分析未优化的配时方案与3种优化后的配时方案的延误,同样得到Synchro对干道进行信号协调控制是有效的。

对比3种优化配时方案的延误,东西方向和西东方向,基于最小延误的优化方案比基于最小PI值的优化方案分别多降低13.74%和23.08%,比基于最少停车次数的优化方案分别多降低49.71%和32.63%。故基于最小延误的优化方案是3种优化方案中延误最小的方案,基于最小PI值的优化方案次之,基于最少停车次数最差。

2.3以平均排队长度为评价指标

交叉口平均排队长度是指通过交叉口前,车辆在各个进口道排队等候长度的平均值。见式(2)。它反映了交叉口各进口道拥堵阻塞状况,跟交叉口的通行能力、信号配时等有关。

$\begin{array}{l}\text{交}\text{叉}\text{口}\text{平}\text{均}\text{排}\text{队}\text{长}\text{度}=\\ \frac{{\displaystyle {\sum }_{i=0}^n\text{第}}i\text{进}\text{口}\text{道}\text{排}\text{队}\text{长}\text{度}}{\text{交}\text{叉}\text{口}\text{进}\text{口}\text{道}\text{数}}(2)\end{array}$

式中:n为交叉口的进口道数。

Vissim中在交叉口各进口道处设置排队计算器,记录每个仿真步长当前的排队长度,对检测时间间隔内测得的所有排队长度进行算术平均,最终得到仿真时间内各进口道的平均排队长度。未优化配时方案及3种优化配时方案仿真结果,见表2。

基于表2数据,利用式(2)计算出各交叉口的平均排队长,对比结果见图6。

由表2可见,26个进口道中,有23个进口道显示基于最小停车次数优化方案的平均排队长度最长,3个进口道显示基于最小PI值优化方案的平均排队长度最长,但该3个进口道数据显示,基于最小延误优化方案的平均排队长度是最短的。故从进口道角度分析何种优化方案使得排队长度最短时只需对比基于最小PI值和基于最小延误的两种优化方案。基于最小PI值优化配时方案较好的进口道共9个分别为:一经路与四纬路交叉口的北进口与南进口、二经路与四纬路交叉口的东进口、三经路与四纬路交叉口的北进口、五经路与四纬路交叉口的东进口、六经路与四纬路交叉口的东/北/西进口、高架口匝道与四纬路交叉口的西进口。六经路与四纬路交叉口的南进口、四经路与四纬路交叉口的南进口共2个进口道显示2种优化方案使得其平均排队长度相等;其他15个进口道显示基于最小延误优化配时方案优于基于最小PI值优化配时方案。

由图6可知,7个交叉口都显示基于最少停车次数的优化方案平均排队长度最长。二经路、六经路与四纬路相交的2个交叉口的排队长度基于最小延误的优化方案较长,另外5个交叉口基于最小PI值的优化方案排队长度较长。但是,对比四纬路各交叉口排队长度总和,基于最小PI值的优化方案排队长度大于基于最小延误的优化方案的排队长度,基于最少停车次数的优化方案排队长度最大,但都比未优化配时方案的排度长度小。

综上分析,以平均排队长度为评价指标时,所有进口道中56.52%的进口道仿真结果表明基于最小延误的优化方案最优,39.13%的进口道仿真结果表明基于最小PI值的优化方案最优,8.70%的进口道仿真结果显示基于最小延误和最小PI值得优化方案效果相同。结合各交叉口排队长度的对比结果,可以判定基于最小延误的优化方案最优,基于最小PI值的优化方案次之,基于最小停车次数的优化方案最差。

2.4以停车次数为评价指标

停车次数为车辆进入排队状态之后停车次数的总和,可表征车辆二次停车等特征,其同样受到交叉口信号配时的影响。因四纬路为东西走向的干道,所以在分析停车次数时主要以各交叉口东西进口道为分析对象,仿真结果见表3。

由表3可见,基于最小延误的优化方案在各交叉口东进口道停车次数总和为1 521次,比基于最少停车次数的优化方案少78次,比基于最小PI值的优化方案少170次;其西进口道停车次数总和为1 268次,比基于最少停车次数优化方案少31次,比基于最小PI值优化方案少332次。故以停车次数为评价指标时,基于最小延误的优化方案都比其它2种方案的停车次数少。对比其他2种方案,在东、西进口道处基于最少停车次数比基于最小PI值的优化方案的停车次数都少。因此可以得到,基于最小延误的优化方案最优,基于最少停车次数的优化方案次之,基于最小PI值的优化方案最差。

3 结论与建议

城市干道协调优化可以降低车辆的行程时间,减少其延误,增加其连续通过时间,有效提高道路利用效率,降低对环境的污染。本文以北京市首都机场东区四纬路为例,基于Vissim仿真结果,以延误、行程时间、平均排队长度、停车次数为评价指标,对比分析Synchro中基于最小延误、最小PI值及最少停车次数3种优化方案,并与未优化的原配时方案进行比较,对比结果如下:

1) Synchro对干道进行协调优化效果显著。以行程时间、延误及排队长度为评价指标对比表明,各优化方案比未优化的原配时方案的行程时间短,延误小,总排队长度小。

2) 利用Synchro进行信号配时优化时,无论以行程时间、延误、排队长度还是停车次数为评价指标,以基于最小延误的优化方案都为最优,故建议以基于最小延误(而非Synchro默认的最小PI值)的进行优化。

3) 在以常关注的行程时间和延误为评价指标时,基于最小延误的优化方案优于基于最小PI值的方案,基于最小PI值的优化方案优于基于最少停车次数的方案。由式(2)知,PI值为延误与停车次数的线性表达式,故可以推测延误对选取Synchro最优优化配时方案的作用高于停车次数,建议设置PI值时降低停车次数的权重。

本文选取的研究对象为非饱和交通流,且各交叉口都为固定配时,故本文研究结论仅在上述条件下具有一定的适用性。针对饱和交通流以及感应控制交叉口时,利用Synchro进行干道信号协调优化时方案的选取可以做进一步研究。也可以针对Vissim和Synchro 2种模型关于停车次数的算法进一步探讨,研究和验证两者停车次数算法对信号优化影响及其差异性。此外,停车次数是影响道路交通油耗和排放的敏感参数,后续研究可从机动车油耗排放角度对比和验证不同停车次数算法的准确性。