一种非金属矿铁水联运的车船仓协同配置方法与流程
本发明涉及交通运输,特别涉及一种非金属矿铁水联运的车船仓协同配置方法。
背景技术:
1、非金属矿(如石灰石、白云石、磷矿石等)是我国重要的工业原材料,其运输通常采用“铁路+水路”的铁水联运模式。在该模式下,非金属矿物先通过铁路由矿区运至港口,卸载至筒仓暂存,再通过船舶装船运往下游用户。这一过程涉及铁路运输子系统(本务机车、底开门车辆)、港口仓储子系统(筒仓)和水路运输子系统(船舶)三个紧密耦合的环节。
2、然而,现有技术中存在以下问题:
3、第一,资源配置缺乏全局协调。机车数量、编组列数和筒仓容量之间存在复杂的非线性耦合关系,例如编组列数的增加会同时导致牵引动力需求和筒仓容积需求的上升。然而,传统方法中铁路、港口和仓储通常由不同部门独立决策,未能建立三者之间的定量关联模型,导致资源浪费或系统瓶颈频发。
4、第二,系统综合成本难以优化。铁水联运系统的全生命周期成本包括基础设施建设投资与运营期延误损失等多个部分,各部分之间存在此消彼长的权衡关系。传统方法缺乏有效的全局优化手段,难以在满足运能需求的前提下实现系统综合成本的最低化。
5、因此,亟需一种能够实现“车、船、仓”三大要素协同配置的方法,以解决上述技术问题。
技术实现思路
1、鉴于现有技术中存在的技术缺陷和技术弊端,本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种非金属矿铁水联运的车船仓协同配置方法,具体方案如下;
2、一种非金属矿铁水联运的车船仓协同配置方法,包括以下步骤:
3、步骤s1,获取与目标港口的铁水联运系统相关的多个初始配置参数,所述多个初始配置参数至少包括:本务机车数量、底开门车辆编组列数、以及用于存储非金属矿物的筒仓数量;
4、步骤s2,以所述底开门车辆编组列数为协同锚点,构建用于描述所述本务机车数量、所述底开门车辆编组列数以及所述筒仓数量之间非线性联动关系的多维度资源耦合约束模型;
5、步骤s3,基于预设的年运量总目标与船舶到达分布规律,利用混合整数规划算法对所述多维度资源耦合约束模型进行求解,以获得一个满足运能需求且使系统综合成本最低的目标配置方案集合,所述目标配置方案集合包含经优化的本务机车数量、底开门车辆编组列数以及筒仓数量;
6、步骤s4,根据所述目标配置方案集合,生成并输出对应的铁路运输调度计划、港口泊位分配计划以及筒仓库存管理计划,以指导所述目标港口的铁水联运系统的实际运营。
7、在一些实施例中,所述步骤s2中,以所述底开门车辆编组列数为协同锚点,构建用于描述所述本务机车数量、所述底开门车辆编组列数以及所述筒仓数量之间非线性联动关系的多维度资源耦合约束模型,具体包括以下子步骤:
8、步骤s21,定义所述底开门车辆编组列数t为决策变量,其中t∈[tmin,tmax],且tmin和tmax分别由历史运营数据中列车编组列数的统计分布的下分位数和上分位数确定;
9、步骤s22,构建第一约束函数,用于将所述本务机车数量l与所述底开门车辆编组列数t相关联,所述第一约束函数表示为:
10、
11、其中,wtrain表示单列底开门车辆的标准满载重量,rgrade表示限制坡道的单位坡度阻力系数,rcurve表示限制坡道区段的单位曲线附加阻力系数,rstart表示单位起动阻力系数,floco表示单台本务机车的额定牵引力,符号⌈⌉表示向上取整运算,以确保牵引力充足;
12、步骤s23,构建第二约束函数,用于将筒仓总有效容积vtotal与所述底开门车辆编组列数t相关联,所述第二约束函数表示为:
13、vtotal ≥ g(t)=tvcar(tunload/tcycle+β)
14、其中,vcar表示单列底开门车辆的额定载货容积,tunload表示单列底开门车辆的平均卸车耗时,tcycle表示单个筒仓完成一次卸料-储存-装船完整周转周期的平均时长,β表示用于应对船舶到达波动性的安全缓冲系数,且β>0。
15、在一些实施例中,所述步骤s23中,构建第二约束函数,用于将筒仓总有效容积vtotal与所述底开门车辆编组列数t相关联,包括以下子步骤:
16、步骤s231,获取待存储的非金属矿物种类总数n,并设定一个预设的货种阈值m;
17、步骤s232,基于所述非金属矿物种类总数n与所述货种阈值m的比较结果,定义一个货种切换惩罚因子α,所述货种切换惩罚因子α的计算规则如下:
18、
19、其中,α1为大于1的第一系数,α2为等于1的第二系数;
20、步骤s233,基于所述货种切换惩罚因子α,将所述第二约束函数修正为考虑货种切换影响的缓冲容积约束,修正后的第二约束函数表示为:
21、vtotal ≥ αg(t)=αtvcar(tunload/tcycle+β)
22、其中,所述修正后的第二约束函数用于在所述非金属矿物种类总数n超过所述货种阈值m时,通过引入所述第一系数α1来增大所需的筒仓总有效容积下限,从而为频繁切换货种所导致的卸车作业中断风险提供额外的缓冲容积储备。
23、在一些实施例中,所述步骤s3中,基于预设的年运量总目标与船舶到达分布规律,利用混合整数规划算法对所述多维度资源耦合约束模型进行求解,以获得一个满足运能需求且使系统综合成本最低的目标配置方案集合,包括以下子步骤:
24、步骤s31,建立目标函数,所述目标函数用于最小化系统全生命周期成本ctotal,所述系统全生命周期成本ctotal由以下四个成本分量加权求和得到:
25、ctotal=csilo(q)+cloco(l)+ccar(t)+cdelay(w)
26、其中:q表示筒仓数量,csilo(q)为关于筒仓数量q的分段线性递增函数,用于表征筒仓建设投资成本;l表示本务机车数量,cloco(l)为关于本务机车数量l的线性函数,用于表征机车购置与运维成本;t表示底开门车辆编组列数,ccar(t)为关于底开门车辆编组列数t的线性函数,用于表征车辆购置与运维成本;w表示船舶平均等待时间,cdelay(w)为关于船舶平均等待时间w的指数函数,用于表征因系统拥堵导致的延误损失成本;
27、步骤s32,建立所述船舶平均等待时间w与所述底开门车辆编组列数t以及所述筒仓数量q之间的耦合关系,所述耦合关系表示为:
28、w=h(t,q)=λ/(μ(t,q)(μ(t,q)-λ))
29、其中,λ表示船舶到达率,由所述船舶到达分布规律确定;μ(t,q)表示系统服务率,为所述底开门车辆编组列数t和所述筒仓数量q共同决定的卸车-装船吞吐速率的函数,且满足μ(t,q)>λ的系统稳定性条件;
30、步骤s33,以所述目标函数ctotal的最小化为优化目标,以第一约束函数和修正后的第二约束函数为约束条件,利用混合整数规划算法进行求解,获得使所述系统全生命周期成本最低的所述目标配置方案集合。
31、在一些实施例中,所述步骤s33中,以所述目标函数ctotal的最小化为优化目标,利用混合整数规划算法进行求解,包括以下子步骤:
32、步骤s331,在每次迭代求解过程中,生成一个当前候选配置方案,所述当前候选配置方案包含一组决策变量值,所述决策变量包括本务机车数量l、底开门车辆编组列数t以及筒仓数量q;
33、步骤s332,基于所述当前候选配置方案,计算对应的系统全生命周期成本ctotal与系统年运能p,并将所述当前候选配置方案映射至以总投资为横轴、以系统年运能为纵轴的二维坐标系中,形成一个坐标点(ctotal,p);
34、步骤s333,获取预先构建的投资-运能权衡曲线,所述投资-运能权衡曲线为由多个帕累托最优解所构成的边界曲线,所述帕累托最优解是指在所述二维坐标系中,不存在任何一个其他可行解能够在同等或更低的总投资下实现更高的系统年运能,或者能够在同等的系统年运能下实现更低的总投资;
35、步骤s334,判断所述当前候选配置方案所对应的坐标点(ctotal, p) 是否被所述投资-运能权衡曲线上的任一已知解所支配:若存在一个已知解 (c'total, p') 满足c'total≤ ctotal且p' ≥ p,且至少一个不等式成立,则判定所述当前候选配置方案为被支配解,予以排除;否则,判定其为非支配解,纳入所述目标配置方案集合,并更新所述投资-运能权衡曲线。
36、在一些实施例中,所述步骤s4中,根据所述目标配置方案集合,生成并输出对应的铁路运输调度计划,包括以下子步骤:
37、步骤s41,从所述目标配置方案集合中提取经优化的底开门车辆编组列数topt和经优化的本务机车数量lopt;
38、步骤s42,基于所述经优化的底开门车辆编组列数topt,结合预设的单列底开门车辆标准载重量wcar,计算每日需从矿区发往港口的重载列车总对数ntrain,所述重载列车总对数ntrain的计算公式为:
39、
40、其中,gannual表示所述预设的年运量总目标,doperating表示年度计划运营天数,符号⌈⌉表示向上取整运算,以确保运能不低于年运量总目标;
41、步骤s43,基于经优化的本务机车数量lopt和每日重载列车总对数ntrain,制定机车交路计划,所述机车交路计划用于为每一列从矿区发出的重载列车分配指定数量的本务机车进行牵引或推送,并满足以下约束条件:
42、
43、其中,li表示分配给第i列重载列车的本务机车数量,kshift表示每日可投入运用的机车班次数,且li不小于第一约束函数f(topt)所确定的最小所需机车数量,以确保每列重载列车具备足够的牵引动力。
44、在一些实施例中,所述步骤s4中,根据所述目标配置方案集合,生成并输出对应的港口泊位分配计划,包括以下子步骤:
45、从所述目标配置方案集合中提取经优化的筒仓数量qopt,并获取各货种在所述筒仓中的实时库存水平数据,所述实时库存水平数据至少包括每个货种对应的当前库存量sj及其对应的筒仓最大容量cj,其中j=1,2,…,n,n表示非金属矿物种类总数;
46、实时采集到港船舶信息,所述到港船舶信息至少包括每条船舶的预计抵港时间ak、载重吨位dk以及所需装载的非金属矿物货种标识gk,其中k=1,2,…,k,k表示当前计划周期内的到港船舶总数;
47、基于所述实时库存水平数据和所述到港船舶信息,计算每条船舶的泊位分配优先级pk,所述泊位分配优先级pk的计算公式为:
48、
49、其中,sgk表示货种gk的当前库存量,cgk表示货种gk对应的筒仓最大容量,anow表示当前时刻,ε为一个极小的正数以防止分母为零,且ak >anow;
50、按照所述泊位分配优先级pk从高到低的顺序,依次为各船舶分配泊位,并同步生成对应的装船作业计划,其中,优先为所述泊位分配优先级pk较高的船舶分配泊位,以减少船舶在港停留时间。
51、在一些实施例中,所述步骤s4中,根据所述目标配置方案集合,生成并输出对应的筒仓库存管理计划,包括以下子步骤:
52、从所述目标配置方案集合中提取经优化的底开门车辆编组列数topt和经优化的筒仓数量qopt,并获取各货种对应的筒仓实时库存水平数据,所述实时库存水平数据至少包括每个货种当前的库存量sj(t),其中j=1,2,…,n,n表示非金属矿物种类总数,t表示当前时刻;
53、建立筒仓库存的动态预警机制,所述动态预警机制基于所述经优化的底开门车辆编组列数topt所对应的卸车速率runload与泊位装船速率rship的实时差值,计算各货种筒仓的净流入率δj(t),所述净流入率δj(t)的计算公式为:
54、δj(t)=αj(t)runload - βj(t)rship
55、其中,αj(t)表示当前时刻货种j的卸车占比系数,βj(t)表示当前时刻货种j的装船占比系数,且满足和;
56、基于所述净流入率δj(t)和所述实时库存量sj(t),分别设定各货种筒仓的第一库存阈值llow,j和第二库存阈值hhigh,j,其中llow,j 57、根据所述实时库存量sj(t)与所述第一库存阈值llow,j和所述第二库存阈值hhigh,j的比较结果,执行相应的库存调控指令: 58、当sj(t) 59、当sj(t)>hhigh,j时,触发清库指令,暂停货种j对应的卸车作业,并加速货种j对应的装船作业,直至sj(t)≤hhigh,j-δsafe。 60、在一些实施例中; 61、所述步骤s1中,获取与目标港口的铁水联运系统相关的多个初始配置参数,包括以下子步骤: 62、识别位于同一水系但不同地理位置的多个港口,并将所述多个港口标记为p1,p2,…,pm,其中m表示参与协同配置的港口总数,且m≥2; 63、分别获取每个港口pi各自的初始配置参数集,所述初始配置参数集至少包括:该港口对应的本务机车数量初始范围li∈[li,min,li,max]、底开门车辆编组列数初始范围ti∈[ti,min,ti,max]、以及筒仓数量初始范围qi∈[qi,min,qi,max],其中i=1,2,…,m; 64、将所述多个港口的初始配置参数集汇总,形成一个跨港口的联合初始配置参数空间θ,所述联合初始配置参数空间θ表示为: 65、θ=\([li,min,li,max]×[ti,min,ti,max]×[qi,min,qi,max]) 66、其中,符号\bigtimes表示笛卡尔积运算,所述联合初始配置参数空间θ的维度为3m; 67、所述步骤s2中,以所述底开门车辆编组列数为协同锚点,构建用于描述所述本务机车数量、所述底开门车辆编组列数以及所述筒仓数量之间非线性联动关系的多维度资源耦合约束模型,包括: 68、基于所述联合初始配置参数空间θ,建立一个跨港口的联合资源耦合约束模型,所述联合资源耦合约束模型在所述多个港口之间共享本务机车资源和底开门车辆资源,并通过一个中央调度中心进行统一调配,所述联合资源耦合约束模型包含以下全局约束条件: 69、 70、 71、其中,lglobal表示可跨港口调配的本务机车资源总量上限,tglobal表示可跨港口调配的底开门车辆资源总量上限。 72、在一些实施例中,所述步骤s3中,基于预设的年运量总目标与船舶到达分布规律,利用混合整数规划算法对所述多维度资源耦合约束模型进行求解,包括以下子步骤: 73、步骤s101,将跨港口的联合资源耦合约束模型分解为一个主问题和一个或多个子问题,其中: 74、所述主问题负责全局资源的优化配置,所述全局资源至少包括可跨港口调配的本务机车资源总量lglobal和可跨港口调配的底开门车辆资源总量tglobal; 75、每个所述子问题对应一个单一港口pi的局部资源配置优化,所述局部资源至少包括该港口对应的本务机车数量li、底开门车辆编组列数ti以及筒仓数量qi; 76、步骤s102,采用benders分解算法对所述主问题和所述多个子问题进行迭代求解,所述迭代求解过程包括以下循环操作: 77、步骤s102a,求解所述主问题,获得所述全局资源lglobal和tglobal在当前迭代轮次中的初步分配方案,并将所述初步分配方案传递给各个所述子问题; 78、步骤s102b,各个所述子问题基于接收到的所述初步分配方案,分别求解各自对应的单一港口局部资源配置优化问题,并生成对应的局部最优解和可行性反馈信息,所述可行性反馈信息包括:若某个子问题在当前分配方案下不可行,则生成一个benders可行性割平面;若所有子问题均可行,则生成一个benders最优性割平面; 79、步骤s102c,将各个所述子问题生成的所述可行性反馈信息返回至所述主问题,所述主问题据此更新自身的约束条件,并进入下一轮迭代求解; 80、步骤s103,重复执行步骤s102a至步骤s102c,直至满足预设的收敛条件,所述收敛条件包括以下至少一项: 81、所述主问题的目标函数值与各个所述子问题的目标函数值之和的差值小于预设的容忍误差ϵtol; 82、迭代次数达到预设的最大迭代次数kmax; 83、步骤s104,当满足所述收敛条件时,终止迭代,并将最后一次迭代中获得的所述主问题的全局资源分配方案与各个所述子问题的局部资源配置方案进行组合,形成适用于所述多个港口的全局协同配置方案。 84、本发明具有以下有益效果: 85、本发明以底开门车辆编组列数为协同锚点,首次建立了机车数量、编组列数与筒仓容量之间的定量耦合模型,打破传统各自独立决策的壁垒,实现了“车、船、仓”三大子系统的一体化协同优化。通过将筒仓建设投资、机车购置运维、车辆购置运维以及船舶延误损失纳入统一目标函数,并利用混合整数规划算法求解,能够在满足年运量总目标的前提下自动寻找使系统综合成本最低的最优资源配置方案,避免了传统方法中因局部决策导致的资源浪费和成本偏高问题。此外,本发明输出的铁路运输调度计划、港口泊位分配计划和筒仓库存管理计划可直接用于指导实际运营,兼具理论最优性与工程实用性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com