ДОСЛІДЖЕННЯ ВИТРАТ ЕЛЕКТРОЕНЕРГІЇ ЗА ПОВТОРНО-КОРОТКОЧАСНОГО РЕЖИМУ РОБОТИ ЕЛЕКТРОРУХОМОГО СКЛАДУ НА ДІЛЯНКАХ РІЗНОГО ПРОФІЛЮ
DOI:
https://doi.org/10.18664/1994-7852.211.2025.327149Ключові слова:
оптимізація траєкторії руху поїздів, міський залізничний транспорт, профілі перегонів, енергоефективність, динамічне програмуванняАнотація
Стаття присвячена розгляду питань оптимізації енергетичних витрат на системах рейкового транспорту. Ця проблема ускладнена невизначеністю щодо умов експлуатації та характеристик електрорухомого складу, що працює в повторнокороткочасному режимі тяги. З огляду на значний вплив мінливості поздовжнього профілю на споживання енергії, у дослідженні подано метод синтезу типових профілів для цілей моделювання та оптимізації. Шляхом застосування алгоритму кластеризації за методом kсередніх до реальних даних про профілі перегонів у метрополітенах визначено три «типові» профілі, що відповідають легким, середнім і важким умовам руху. Кожен типовий профіль відображує основні статистичні показники (такі як максимальний ухил, середня довжина відрізка та загальна довжина перегону), узагальнено репрезентуючи різноманіття характеристик ухилів маршрутів міських рейкових систем. Оптимізаційна модель, результати роботи якої використані в дослідженні, інтегрує в собі модель руху поїзда і стратегію керування ним, використовуючи принципи динамічного програмування для мінімізації енергоспоживання з дотриманням графіка руху. За результатами дослідження пропоновано використання коефіцієнта доданих енергетичних витрат для комплексного оцінювання енергетичної ефективності системи рейкового транспорту на певному перегоні.
Посилання
Ignacio Villalba Sanchis, Pablo Salvador Zuriaga. An Energy-efficient Metro Speed Profiles for Energy Savings: Application to the Valencia Metro. Transportation Research Procedia. 2016. Т. 18. С. 226-233. DOI: 10.1016/j.trpro.2016.12.031.
Franke R., Meyer M., Terwiesch P. Optimal control of the driving of trains. Automatisierungstechnik. 2002. Т. 50. С. 606-613. DOI: 10.1524/auto.2002.50.12.606.
Khmelnitsky E. On an optimal control problem of train operation. IEEE Trans. Autom. Control. 2000. Т. 45. С. 1257-1266. DOI: 10.1109/9.867018.
Jacyna M., Gołębiowski P. An approach to optimizing the train timetable on a railway network. WIT Transactions on the Built Environment. 2015. № 146. С. 699-710. DOI: 10.2495/UT150571.
Caimi G., Kroon L., Liebchen Christian. Models for railway timetable optimization: Applicability and applications in practice. Journal of Rail Transport Planning & Management. 2017. № 6. С. 285-312. DOI: 10.1016/j.jrtpm.2016.11.002.
Gallo M., Botte M., Ruggiero A., D’Acierno L.A Simulation Approach for Optimising Energy-Efficient Driving Speed Profiles in Metro Lines. Energies. 2020. Т. 13, № 22. DOI: 10.3390/en13226038.
Barrero R., Tackoen X. & Mierlo J. Stationary or onboard energy storage systems for energy consumption reduction in a metro network. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit. 2010. Т. 224, № 3. С. 207-225. DOI: 10.1243/09544097JRRT322.
Electrical transport with onboard energy storage / Sergiy Yatsko, Yaroslav Vashchenko, Anatoliy Sidorenko, Borys Liubarskyi, Bagish Yeritsyan. International Journal of Renewable Energy Research. 2019. Т. 9, № 2. С. 848-858. DOI: 10.20508/ijrer.v9i2.9143.g7652.
González-Gil A., Palacin R., Batty P. Sustainable urban rail systems: strategies and technologies for optimal management of regenerative braking energy. Energy Conversion and Management. 2013. № 75. С. 374-388. DOI: 10.1016/j.enconman.2013.06.039.
Energy storage systems to exploit regenerative braking in DC railway systems: Different approaches to improve efficiency of modern high-speed trains / M. Ceraolo, G. Lutzemberger, E. Meli, L. Pugi, A. Rindi, G. Pancari. Journal of Energy Storage. 2018. № 16. С. 269-279. DOI: 10.1016/j.est.2018.01.017.
A systems approach to reduce urban rail energy consumption / A. González-Gil, R. Palacin, P. Batty, J. P. Powell. Energy Conversion and Management. 2014. Т. 80. С. 509-524. DOI: 10.1016/j.enconman.2014.01.060.
Yatsko Serhiy, Vashchenko Yaroslav, Sidorenko Anatoliy. Development of strategies for reducing traction energy consumption by electric rolling stock. Computational Problems of Electrical Engineering. 2019. Т. 9, № 1. С. 44-51. DOI: 10.23939/jcpee2019.01.044.
Energy Savings in Metropolitan Railway Substations Through Regenerative Energy Recovery and Optimal Design of ATO Speed Profiles / María Domínguez Gago, A. FernándezCardador, Asunción Paloma Cucala García, R. R. Pecharromán. IEEE Transactions on Automation Science and Engineering. 2012. Т. 9. С. 496-504. DOI: 10.1109/TASE.2012.2201148.
Oettich S., Albrecht T. & Scholz S. Improvements of energy efficiency of urban rapid rail systems. WIT Transactions on the Built Environment. 2004. Т. 75. DOI: 10.2495/UT040561.
Neural networks for modelling the energy consumption of metro trains / M. Fernández, S. Zuriaga, V. Sanchis & I. Franco. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit. 2019. Т. 234, № 7. С. 722-733. DOI: 10.1177/0954409719861595.
Everitt Brian S., Landau Sabine, Leese Morven, Stahl Daniel. Cluster Analysis. 5th Edition. Chichester: John Wiley & Sons, Ltd, 2011. 330 с.
Bellman Richard E., Dreyfus Stuart E.. Applied Dynamic Programming. Princeton: Princeton University Press, 1962. 363 с.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.