CC BY
37
10. Kryukov A. V., Zakaryukin V. P. Metody sovmestnogo modelirovaniya sistem tyago-vogo i vneshnego elektrosnabzheniya zheleznyh dorogperemennogo toka (Methods of joint simulation of tractive and external electrical power supply systems of alternating current railroad). Irkutsk, 2011, 170 p.
ИНФОРМАЦИЯ ОБ АВТОРАХ
INFORMATION ABOUT THE AUTHORS
Закарюкин Василий Пантелеймонович
Иркутский государственный университет сообщения (ИрГУПС).
664074, Иркутск, ул. Чернышевского, 15. Доктор техн. наук, профессор, ИрГУПС. Тел.: (3952) 63-83-45. E-mail: zakar49@mail.ru
Zakaryukin Vasiliy Panteleymonovich
путей Irkutsk State Transport University (ISTU).
15, Chernishvsky st., Irkutsk, 664074, Russia. Dr. Sci. Tech., professor ISTU. Phone: (3952) 63-83-45. E-mail: zakar49@mail.ru
Крюков Андрей Васильевич
Иркутский государственный университет путей сообщения (ИрГУПС).
664074, Иркутск, ул. Чернышевского, 15.
Иркутский национальный исследовательский технический университет (ИРНИТУ).
64074, Россия, г. Иркутск, ул. Лермонтова, 83.
Доктор техн. наук, академик Российской академии транспорта, профессор, ИрГУПС и ИРНИТУ.
Тел.: (3952)63-83-45.
E-mail: and_kryukov@mail.ru
Kryukov Andrey Vasilievich
Irkutsk State Transport University (ISTU). 15, Chernishvsky st., Irkutsk, 664074, Russia. Irkutsk National Research Technical University (INRTU).
83, Lermontov st., Irkutsk, 664074, Russia. Dr. Sci. Tech., academician of the Russian academy of transport, professor ISTU and INRTU. Phone: (3952) 63-83-45. E-mail: and_kryukov@mail.ru
Алексеенко Евгения Алексеевна
Восточно-Сибирская дирекция по энергообеспечению - структурное подразделение Трансэнерго ОАО «РЖД». 664013, г. Иркутск, ул. Образцова, д. 20. Магистр техники и технологии, энергодиспетчер Иркутской дистанции электроснабжения. Тел.: 8 (924) 543-31-21, E-mail: alev_ia@mail.ru
Evgeniya Alekseevna Alekseenko
East Siberian directorate on power supply - structural division Transpower JSC Russian Railway. 20 Obraztsov St., Irkutsk, 664013. Master of the equipment and technology, power dispatcher of the Irkutsk distance power supply. Phone: 8 (924) 543-31-21. E-mail: alev_ia@mail.ru
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Закарюкин, В. П. Анализ применимости эквивалентов внешнего электроснабжения для расчетов токов короткого замыкания в тяговой сети 27,5 кВ [Текст] / В. П. Закарюкин, А. В. Крюков, Е. А. Алексеенко // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. - 2016. - № 4 (28). - С. 76 - 87.
BIBLIOGRAPHIC DESCRIPTION
Zakaryukin V. P., Kryukov A. V., Alekseenko E. A. Analysis of applicability of external power supply equivalents for short circuit currents' calculations in 27,5 kV traction network. Journal of Transsib Railway Studies, 2016, vol. 28, no. 4, pp. 76 - 87. (In Russian).
УДК 681.5
М. Г. Комогорцев, В. Э. Осипова
Забайкальский институт железнодорожного транспорта (ЗабИЖТ (ИрГУПС)), г. Чита, Российская Федерация
РАЗРАБОТКА МОДЕЛИ ОПРЕДЕЛЕНИЯ МЕЖПОЕЗДНЫХ ИНТЕРВАЛОВ С ИСПОЛЬЗОВАНИЕМ АППАРАТА ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
Аннотация. В статье рассматривается процесс применения оперативного расчета пропускной способности и межпоездных интервалов в рамках концепции координатного управления движением поездов. Пред-
№ 4(28) ^^ ИЗВЕСТИЯ Транссиба 87
Ц2016 Щя я
ложенная методика направлена на решение задачи поиска достоверных межпоездных интервалов в реальном времени, расчета послеаварийного установившегося режима и оценивания надежности системы тягового электроснабжения, основанная на использовании аппарата искусственных нейронных сетей и современных средств интервального регулирования движения поездов.
Ключевые слова: координатное управление, пропускная способность, искусственные нейронные сети.
Maksim G. Komogorcev, Valeriya E. Osipova
Zabaikalsky Institute of railway transport (ZiRT(ISTU))
DEVELOPMENT OF MODELS OF INTERTRAIN INTERVALS WITH USE OF THE DEVICE OF ARTIFICIAL NEURAL NETWORKS
Abstract. In article process of expeditious calculation of capacity and intertrain intervals is considered within the concept of coordinate management of train service. The technique directed to the solution ofproblems of search of reliable intertrain intervals in real time, calculation of the postemergency set operation and estimation of reliability of traction power supply system, based on use of the device of artificial neural networks and modern means of interval regulation of the movement of railway transport is offered.
Keywords: coordinate management, capacity, artificial neural networks.
В настоящее время на железнодорожном транспорте все больше внимания уделяется внедрению новых, высокоэффективных средств интервального регулирования движения поездов [1]. Все больший интерес вызывает возможность применения спутниковых навигационных систем для определения минимально допустимых межпоездных интервалов на железных дорогах России и стран ближнего зарубежья [2]. Концепция координатного управления движением поездов позволяет отказаться от традиционных блок-участков и более эффективно использовать резервы пропускной способности железной дороги.
Особый интерес представляет перспектива использования координатных определений местоположения поездов для решения задач системы тягового электроснабжения (СТЭ) [3]. На электрифицированных участках железных дорог поездной диспетчер в тесном взаимодействии с энергодиспетчером организует движение поездов на основании минимально допустимых межпоездных интервалов с учетом возможностей СТЭ, чередуя тяжеловесные поезда с более легкими. График исполненного движения поездов представляет собой многопараметрический процесс, отражающий поездную работу на участке и содержащий информацию о характеристиках поездов: их весовой норме, скорости следования, длине состава, характере вагонного состава поезда и данные о местоположении поезда на рассматриваемом участке.
В настоящее время оценка наличной пропускной способности и ее функциональной составляющей - межпоездного интервала - осуществляется либо на основании расчетов по аналитическим зависимостям, либо на основании методов имитационного моделирования с последующей их проверкой по результатам экспериментальных поездок [4]. Однако в связи со стохастическим характером поездной работы результаты экспериментальных поездок по оценке межпоездных интервалов существенно отличаются от результатов аналитических расчетов. Предварительные расчеты производят для предельного режима работы СТЭ, и минимальный межпоездной интервал определяется лишь для одного реализованного графика движения, при котором учитывается, что на межподстанционной зоне находится максимальное количество поездов повышенной массы.
Одним из ограничивающих факторов минимального межпоездного интервала по условиям работы СТЭ является автоматическая блокировка с фиксированными блок-участками, устанавливающая лимитирующее значение интервала в восемь минут. При переходе на координатное определение местоположения поездов возможно уменьшение межпоездного интервала путем оперативного расчета нагрузочной способности СТЭ на основании более точного определения местоположения нагрузки.
88 ИЗВЕСТИЯ Транссиба № 4(28) 2016
—— faV 1 V
В связи с этим возникает необходимость оперативного расчета пропускной способности и межпоездных интервалов, включающего в себя процедуры проверки адекватности расчетов реальным условиям функционирования системы тягового электроснабжения. Перспективным представляется решение этих вопросов на базе технологий искусственного интеллекта, в частности, аппарата искусственных нейронных сетей (ИНС) [5, 6].
Авторами предложена методика, направленная на решение задачи поиска достоверных межпоездных интервалов в реальном времени, а также расчета послеаварийного установившегося режима и оценивания надежности СТЭ, основанная на использовании аппарата искусственных нейронных сетей и современных средств интервального регулирования движения поездов.
На рисунке 1 представлена структурная схема, отражающая суть предлагаемой методики.
Сравнение
Посудная ситуации на лиеиетчореком
Оперативный
мимма:1ыю допустимых межпоилнык интервалов
Рисунок 1 - Структурная схема взаимодействия информационных процессов, применяемая в методике оперативного расчета межпоездных интервалов
Предварительно, вне реального времени, определяется множество возможных базисов, соответствующих всем возможным штатным и аварийным режимам работы СТЭ на заданном диспетчерском участке. Таким образом, формируется база данных, необходимая для предварительного «обучения» искусственной нейронной сети. Для каждого из полученных базисов формируется искусственная нейронная сеть (ИНС), в которой содержатся оптимальные алгоритмы действий оперативного персонала, позволяющие в автоматическом режиме рассчитывать и устанавливать минимально допустимую величину межпоездного интервала на основе данных о фактическом местоположении поездов с использованием координатных определений. Формируются также алгоритмы действий ИНС в случае наступления аварийной ситуации в системе тягового электроснабжения.
Поездная ситуация на диспетчерском участке сравнивается со всеми базисами ИНС, хранящимися в базе данных. Программными средствами выбирается базис, адекватно отражающий режим работы СТЭ в настоящий момент времени. Наиболее «подходящая» ИНС становится шаблоном для управления работой системы тягового электроснабжения.
Основной задачей системы автоматического управления (САУ) в штатном режиме функционирования становится оперативный расчет минимально допустимых межпоездных интервалов.
При возникновении внештатных режимов работы система автоматического управления СТЭ на основании «шаблона» искусственной нейронной сети выбирает алгоритм действий, наиболее подходящий для возникшей ситуации.
Быстродействие САУ, построенного на аппарате ИНС, во много раз выше, чем у человека-оператора, а решения не зависят от так называемого «человеческого фактора» [7]. Скорость и адекватность принятия решений при авариях в СТЭ имеют огромное значение. Правильные и своевременные решения энергодиспетчера позволяют минимизировать влияние аварий в СТЭ на график движения поездов, а в некоторых случаях и защитить оборудование СТЭ от необратимых повреждений, вызванных ошибочными действиями человека.
Для реализации методики предлагается использовать одну из наиболее распространенных архитектур - рекуррентную многослойную нейронную сеть [8], строящуюся по иерархическому принципу. В таких сетях сигнал с выходных нейронов или нейронов скрытого слоя частично передается обратно на входы нейронов входного слоя.
Многослойная нейронная сеть представляет собой сеть, состоящую из нескольких последовательно соединенных слоев формальных нейронов МакКаллока и Питтса. [9] Функционирование ИНС происходит следующим образом: входной сигнал, подаваемый на сеть, поступает на нейроны входного слоя, проходит по очереди через все слои и выделяется с выходов нейронов выходного слоя. По мере распространения сигнала по сети он претерпевает ряд преобразований, которые зависят от его начального значения, преобразующей функции и величин весов связей. Данный тип сетей хорошо зарекомендовал себя как эффективное средство для прогнозирования, классификации и анализа.
На низшем уровне иерархии находится входной слой, состоящий из сенсорных элементов, задачей которого является только прием и распространение по сети входной информации. Далее расположены несколько скрытых слоев, каждый их которых анализирует полученные данные в соответствии с требованиями по безопасности, надежности и эффективности работы железнодорожной инфраструктуры в пределах диспетчерского круга. Каждый нейрон на скрытом слое имеет несколько входов, соединенных с выходами нейронов предыдущего слоя или непосредственно со входными сенсорами Х\..Х„, и один выход (рисунок 2). Нейрон характеризуется уникальным вектором весовых коэффициентов 4. Веса всех нейронов слоя формируют матрицу.
х1
VII I к11 I
Ч 4112 - к22
У1
411
х2
4 21 42п I I
422 ' "
У2
Vт1
Массив весовых коэффициентов 4
- пр
Массив весовых коэффициентов к
Ур
I
Рисунок 2 - Структура многослойной ИНС
Целесообразность использования рекуррентной многослойной нейронной сети для решения задач оперативного управления режимами СТЭ обусловлена следующими причинами: обратные связи рекуррентной многослойной нейронной сети позволяют своевременно корректировать решения, принимаемые САУ;
многослойные нейронные сети характеризуются способностью к восстановлению высоконелинейных функциональных зависимостей и обнаружению скрытых закономерностей. Процессы, протекающие в СТЭ, имеют явно выраженный нелинейный характер. Доказано [8], что посредством ИНС можно аппроксимировать любую нелинейную зависимость между входными и выходными данными с заданной точностью;
многослойные нейронные сети обладают высоким быстродействием. Основной объем вычислений, связанный с обучением ИНС, выносится за контур реального времени, тогда как в режиме реального времени формируется мгновенный отклик - решение. Это удовле-
90 ИЗВЕСТИЯ Транссиба в № 4(28) 2016
- —— 1 V
творяет главному требованию работы в цикле оперативного управления - жестким временным ограничениям [3];
в многослойной нейронной сети вычисление выходных значений сети может осуществляться с высокой степенью параллелизма за число тактов, равное числу слоев [9].
Для оперативных расчетов пропускной способности системы тягового электроснабжения необходимо построение рекуррентной многослойной нейронной сети с реализацией следующих функций:
мониторинга дислокации поездов согласно графику исполненного движения; расчета режимов системы тягового электроснабжения и электропотребления по тяговым подстанциям расчетного участка;
сбора информации об электропотреблении по тяговым подстанциям из базы данных автоматизированной системы коммерческого учета электроэнергии (АСКУЭ)
оценки адекватности расчета параметров СТЭ на базе сравнения моделируемых и реальных процессов электроснабжения и настройки параметров модели;
поиска достоверных межпоездных интервалов при вариации размеров движения и количественных показателей поездной работы на участке.
Структурная схема многослойной нейронной сети для предлагаемой модели управления работой СТЭ представлена на рисунке 3.
Вы?ор алгоритма для управления работой системой тягового ■электроснабжения
Рисунок 3 - Многослойная нейронная сеть для управления работой системы тягового электроснабжения
Расчет минимального межпоездного интервала для определения потребной пропускной способности при заданных размерах движения необходимо выполнять, учитывая ограничивающие условия системы тягового электроснабжения: минимальное напряжение на токоприемнике подвижного состава, нагрев проводов контактной сети, нагрев элементов обратной тяговой сети, мощность тяговых трансформаторов и условия системы интервального регулирования движения поездов [10].
Структурная схема предлагаемой модели управления представлена на рисунке 4.
Авторами были проведены предварительные теоретические оценки величин возможных межпоездных интервалов при использовании методики оперативного расчета с использованием координатных определений местоположения поездов.
Применение предлагаемой методики с использованием аппарата ИНС позволит существенно повысить эффективность управления движением поездов, что в свою очередь позволит повысить пропускную способность некоторых участков железной дороги.
Со-иание модели расчета режима рлооты С1'!'"")
Мидель (111с]"1лтипитч| гфппгсгшрашгшия жср го п отрс-ол с- н и я
Форчт ировани^ алгоритма \ I о и С"|")
Рисунок 4 - Структурная схема предлагаемой модели управления Список литературы
1. Гапанович, В. А. Перспективы обновления подвижного состава российских железных дорог [Текст] // Транспорт Российской Федерации. - М.: Машиностроение. - 2006. -№ 3 (3). - С. 56 - 61.
2. Розенберг, Е. Н. Многоуровневая система управления и обеспечения безопасности движения поездов: Дис... доктора техн. наук / Е. Н. Розенберг. - М., 2004. - 317 с.
3. Методы решения задач реального времени в электроэнергетике [Текст] / А. З. Гамм, Ю. Н. Кучеров и др. - Новосибирск: Наука, Сиб. отд., 1991. - 294 с.
4. Крюков, А. В. Управление системами тягового электроснабжения железных дорог [Текст] / А. В. Крюков, В. П. Закарюкин, Н. А. Абрамов // Управление большими системами: сборник трудов / Иркутский гос. ун-т путей сообщения. - Иркутск, 2010. - № 29. - С. 102 -115.
5. Пантелеев, В. Н. Методы искусственного интеллекта в управлении режимами систем электроснабжения предприятий [Текст] / В. Н. Пантелеев, А. Н. Туликов // Доклады Томского гос. ун-та систем управления и радиоэлектроники. - Томск. - 2008. - № 1 (17). - С. 93 -105.
6. Крюков, А. В. Нейросетевое моделирование процессов на железнодорожном транспорте [Текст] / А. В. Крюков, Н. В. Раевский, Д. А.Яковлев // Информационные технологии и проблемы математического моделирования сложных систем. Принципы математического моделирования технических, социальных и энергетических систем: Сб. науч. тр. / Иркутский гос. ун-т путей сообщения. - Иркутск, 2006. - Вып. 3. - С. 99 - 107.
7. Марюхненко, В. С. Пути предотвращения критических состояний на транспорте [Текст] / В. С. Марюхненко, М. Г. Комогорцев, Т. В. Трускова // Современные технологии. Системный анализ. Моделирование / Иркутский гос. ун-т путей сообщения. - Иркутск, 2007. - № 2 (14). - С. 96 - 102.
92 ИЗВЕСТИЯ Транссиба № 4(28) 2016
—— 1 V
8. Горбань, А. Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей [Текст] / А. Н. Горбань // Сибирский журнал вычисл. матем. Сиб. отд. РАН. - Новосибирск, 1998. - Т. 1. - № 1. - С. 11 - 24.
9. Терехов, С. А. Лекции по теории и приложениям искусственных нейронных сетей [Электронный ресурс] / Лаборатотория искусственных нейронных сетей НТО-2 / ВНИИТФ. - Снежинск, 1998. URL: http://alife.narod.ru/lectures/neural/Neu_ch06.htm
10. Инструкция по расчету наличной пропускной способности железных дорог. Утв. ОАО «РЖД» 10 ноября 2010 г., № 128. - 305 с.
References
1. Gapanovich V. A. Prospects for the renewal of rolling stock of Russian Railways [Perspek-tivy obnovleniia podvizhnogo sostava rossiiskikh zheleznykh dorog]. Transport Rossiiskoi Feder-atsii - Transport of the Russian Federation, 2006, no. 3 (3), pp. 56 - 61.
2. Rozenberg E. N. Mnogourovnevaia sistema upravleniia i obespecheniia bezopasnosti dvizheniiapoezdov (Multi-level management system and ensure the safe movement of trains). Doctor's thesis, Moscow, 2004, 317 p.
3. Gamm A. Z. Metody resheniia zadach real'nogo vremeni v elektroenergetike (Solution methods for real-time tasks in the power industry). Novosibirsk, 1991, 294 p.
4. Kryukov A. V., Zakaryukin V. P., Abramov A. V. Managing the traction power supply of Railways [Upravlenie sistemami tiagovogo elektrosnabzheniia zheleznykh dorog]. Upravlenie bol'shimi sistemami: sbornik trudov - Managing large systems: collection of papers, 2010, no. 29, p. 102 - 115.
5. Panteleev V. N., Tulikov A. N. Artificial intelligence methods in control systems of power supply of enterprises [Metody iskusstvennogo intellekta v upravlenii rezhimami sistem elektrosnabzheniia predpriiatii]. Doklady Tomskogo gosudarstvennogo universiteta sistem upravleniia i radi-oelektroniki - Reports of Tomsk state University of control systems and Radioelectronics, 2008, no. 1(17), pp. 93 - 105.
6. Kryukov A. V., Raevskii N. V., Yakovlev D. A. Neural network modeling of the processes in railway transport [Neirosetevoe modelirovanie protsessov na zheleznodorozhnom transporte]. Informatsionnye tekhnologii i problemy matematicheskogo modelirovaniia slozhnykh sistem. Printsipy matematicheskogo modelirovaniia tekhnicheskikh, sotsial'nykh i energeticheskikh system - Information technologies and problems of mathematical modeling of complex systems. Principles of mathematical modeling of technical, social and energy systems: collection of scientific papers, 2006, pp. 99 - 107.
7. Maryuhnenko V. S., Komogorcev M. G., Truskova T. V. Ways to prevent critical States transport [Puti predotvrashcheniia kriticheskikh sostoianii na transporte]. Sovremennye tekhnologii. Sistemnyi analiz. Modelirovanie - Modern technology. System analysis. Modeling, 2007, no. 2 (14), pp. 96 - 102.
8. Gorban' A. N. Obobshchennaia approksimatsionnaia teorema i vychislitel'nye vozmozh-nosti neironnykh setei (A generalized approximation theorem and computational capabilities of neural networks). Novosibirsk: Siberian journal of computational mathematics, 1998, Т.1, no. 1, pp. 11 - 24.
9. Terehov S. A. Lectures on the theory and applications of artificial neural networks [electronic resource], Snezhinsk - 1998. URL: http://alife.narod.ru/lectures/neural/Neu ch06.htm
10. Instruktsiia po raschetu nalichnoi propusknoi sposobnosti zheleznykh dorog (Instruction for calculating the actual capacity of the Railways approved by JSC «Russian Railways» on 10 November 2010 г. no. 128), 305 p.
ИНФОРМАЦИЯ ОБ АВТОРАХ INFORMATION ABOUT THE AUTHORS
Комогорцев Максим Геннадьевич Komogorcev Maksim Gennad'evich
Забайкальский институт железнодорожного Zabaikalsky Institute of railway transport
транспорта (ЗабИЖТ (ИрГУПС)). (ZiRT(ISTU)).
672040, г. Чита, ул. Магистральная, 11. Magistral'naya street., Chita, 672040, Russia.
Кандидат технических наук, доцент кафедры «Электроснабжение», ЗабИЖТ. Тел.: +7914-443-51-77. E-mail: maximus_mk1984@list.ru
Осипова Валерия Эдуардовна
Забайкальский институт железнодорожного транспорта (ЗабИЖТ (ИрГУПС)).
672040, г. Чита, ул. Магистральная, 11. Старший преподаватель кафедры «Электроснабжение», ЗабИЖТ.
Тел.: +7964-470-11-83 E-mail: Valeri3307@mail.ru
Cand. Tech. Sci., Associate Professor of the department «Power supply», ZiRT. Phone: +7964-470-11-83 E-mail: maximus_mk1984@list.ru
Osipova Valeriya Eduardovna
Zabaikalsky Institute of railway transport (ZiRT(ISTU)).
Magistral'naya street., Chita, 672040, Russia. Chief lecturer of the department «Power supply», ZiRT.
Phone: +7964-470-11-83 E-mail: Valeri3307@mail.ru
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Комогорцев, М. Г. Разработка модели определения межпоездных интервалов с использованием аппарата искусственных нейронных сетей [Текст] / М. Г. Комогорцев, В. Э. Осипова // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. - 2016. -№ 4 (28). - С. 87 - 94.
BIBLIOGRAPHIC DESCRIPTION
Komogorcev M. G., Osipova V. E. Development of models of intertrain intervals with use of the device of artificial neural networks. Journal of Transsib Railway Studies, 2016, vol. 28, no. 4, pp. 87 - 94. (In Russian).
УДК 620.9:658.
В. З. Манусов1, Б. В. Палагушкин2, У. Бумцэнд 1
1 Новосибирский государственный технический университет (НГТУ), г. Новосибирск, Российская Федерация.
2 Сибирский государственный университет водного транспорта (СГУВТ), г. Новосибирск, Российская Федерация
ЭЛЕКТРИФИКАЦИЯ МЕЖДУНАРОДНОГО ТРАНСПОРТНОГО ЖЕЛЕЗНОДОРОЖНОГО КОРИДОРА «АЗИЯ - ЕВРОПА» КАК ПУТЬ УСТОЙЧИВОГО РАЗВИТИЯ ЭЛЕКТРОЭНЕРГЕТИЧЕСКОЙ СИСТЕМЫ
МОНГОЛИИ
Аннотация. В работе рассматривается проблема устойчивого инновационного развития электроэнергетической системы Монголии с учетом географического положения этой страны на границе транспортного пути между Китаем и Россией. В более широком понимании между азиатским промышленным регионом и Европой, товарооборот между которыми ежегодно возрастает. Основным сдерживающим фактором на пути этого процесса является неэлектрифицированная главная железнодорожная магистраль, проходящая по территории Монголии. Показаны преимущества электрификации железных дорог для решения проблемы электроснабжения промышленности и сельского хозяйства. При этом наиболее важной задачей является электрификация транспортной магистрали Сухэбатор - Уланбатор - Замын Удэ протяженностью 1111 км. Показано, что реализация этой задачи позволит сократить железнодорожный путь из Европы в центральную Азию на 1025 км. Сделан прогноз развития транспортных перевозок в будущем. Наряду с этим выполнен прогноз развития электроэнергетической системы Монголии, в которой тяговая электрическая нагрузка будет составлять примерно 22 %. Приведен соответствующий график требуемого развития генерирующих мощностей в монгольской энергосистеме, чтобы к 2025 г. довести располагаемую мощность до 3500 МВт. Доказаны существенные преимущества электрифицированной железной дороги за счет улучшения электровозной тяги по сравнению с тепловозной тягой. В отличие от значительной доли электрифицированных железных дорог на постоянном токе в России в работе предложен путь развития системы тягового электроснабжения 2 х 25 кВ переменного тока. По примеру других высокоразвитых стран это позволит перейти к использованию скоростных железных дорог. Таким образом, будет достигнуто сбалансированное развитие электроэнергетической системы Монголии с учетом электрификации транспортного коридора «Азия -Европа».
Ключевые слова: железнодорожный транспорт, электрификация, электроэнергетическая система, транспортный коридор, «Азия - Европа», Монголия.
94 ИЗВЕСТИЯ Транссиба № 4(28) 2016
—— faV 1 V
