地铁列车一次运行包含加速、匀速、惰行、制动多个阶段，运行过程中牵引电机、车载储能装置和供电网络不断进行能量交换。列车实际运行会受到客流、坡度、限速、停站时长、前后列车状态等多重因素干扰，如何保障安全准点的同时降低能耗，是城市轨道交通绿色转型亟待解决的难题。

日前，华南理工大学吴贤铭智能工程学院卢少锋团队围绕列车节能运控、车载储能、车网融合方向开展研究，研发兼具列车、储能、电网调控能力的节能运控系统，可依据实时工况规划列车速度曲线，最大化回收制动能量，实现单车到多列车与供电网络的协同调度，将研究目标从单纯节约用电拓展至轨道交通低碳运行。

传统列车节能方案大多简化牵引特性，离线计算固定速度曲线，一旦现场运行条件发生变动，方案便不再适用。列车运行控制需要平衡安全、准点、乘坐舒适度与节能目标，牵引力会受到电机性能、轮轨黏着、再生制动能力等多重条件约束。卢少锋团队融合混合整数规划与凸优化算法，将复杂的牵引、制动约束构建为可高效求解的数学模型，把机械制动、再生制动纳入统一优化框架。再生制动虽能把减速动能转化为电能，但会受电网消纳能力、储能设备状态制约。模型可以同步核算列车减速方式切换时机、电能流向，提升能量利用效率。部分算例显示，该算法求解效率较传统算法提升数十至数百倍，在同等离散分段条件下，凸优化模型解算时间仅为混合整数线性规划模型的十分之一，兼顾全局最优与工程落地价值。

团队提出在线列车节能控制思路，系统实时采集速度、线路限速、剩余运行时间等数据，列车行驶途中动态更新控制指令，遭遇运行扰动时快速重新规划运行方案。为检验算法在有限算力环境下的可靠性，科研人员搭建硬件在环实验平台，依靠实时仿真器模拟列车与线路工况，配合实物控制器完成闭环测试；同时基于边缘计算设备开发辅助驾驶原型系统，操作界面可展示速度、限速、运行轨迹、累计能耗等信息。技术落地的难点不只是算出最优方案，更要保证解算速度、硬件资源、安全约束全部满足实际运营要求。

单列车节能不等于整条线路实现最优能耗。列车制动产生的再生电能，可以供给区间内加速列车，或是被储能设备储存，若无用电负荷承接，这部分能量就会被浪费。只追求单车最优运行曲线，会损失系统层面的节能潜力，电网电压、变电所容量同样会限制列车牵引与制动性能。

团队建立车载储能设备和列车运行协同优化模型，将运行策略、储能容量配置、能量管理、全生命周期成本纳入统一考量：列车牵引时储能放电减轻电网负荷，制动时依据设备电量和后续工况吸纳电能，权衡能耗、设备成本和运行性能。进一步开展车网融合系统级优化，搭建列车时刻表、再生能量利用、牵引电网调度一体化模型，兼顾新能源接入、电网潮流约束，通过分段线性化、模型预测控制，把大规模耦合优化问题拆解为可滚动求解的任务。基于广州地铁真实线路仿真测试表明，这套优化方案节能效果突出，实现从单车优化到全线车电协同。未来该技术还可支撑电网削峰填谷，助力消纳可再生能源。

团队指出，最低能耗不等于最低碳排放。风电、光伏并网后，不同时段电网电力的碳排放强度存在差异，城轨优化不仅要关注耗电量，还要考量用电时段与电力来源。为此团队将碳流理论引入储能列车优化，解析列车运行全流程碳流变化，开展动态碳排放因子预测，把电网实时碳信号传递到轨道交通用能端。经优化后的方案能耗略有上升，但碳排放显著下降，推动列车控制目标升级为兼顾准点安全、能耗、碳排放的综合目标。

科研成果落地离不开产业协同，团队依托广州地铁国家工程研究中心，和广州地铁搭建产学研合作网络，依托真实运营数据迭代模型，评估不同线路的节能潜力。在线节能控制技术落地，还需要完成线路实测、控制器适配、通信、安全评估等多项工作，高密度行车场景下节能必须服从安全准点，算法要支持异常工况安全退出，不能直接简单复制到不同线路。下一步团队将迭代车‑储‑网协同模型，研究有限算力下的多层级能量管理，开展城轨全生命周期碳排放动态评估，推进硬件在环验证走向工程试验，开发适配各类线路的控制工具。

科研项目方面，2025‑2028年卢少锋团队主持国家自然科学基金面上项目，解析牵引系统、储能、供电网络对列车控制的作用机理；主持广州市重点研发计划，研究轨道交通全生命周期碳排放管控；2025‑2027年作为中方负责人承担国家重点研发计划“政府间国际科技创新合作”重点专项项目，和海外高校开展合作，推动绿色能源与轨道交通技术融合。

文丨记者 陈亮 通讯员 华轩
图丨学校提供