CC BY
15
Кандидат технических наук, старший научный сотрудник научно-производственной лаборатории «Энергосберегающие технологии и электромагнитная совместимость», доцент. Тел.: (381-2) 44-39-23. E-mail: vilgelm87@gmail.com
nologies and electromagnetic compatibility», Assistant Professor.
Phone: (3812) 44-39-23. E-mail: vilgelm87@gmail.com
Еркебаев Айбек Жомартович
Омский государственный университет путей сообщения (ОмГУПС).
Маркса пр., д. 35, г. Омск, 644046, Российская Федерация.
Аспирант кафедры «Электроснабжение железнодорожного транспорта». Тел.: 8 (960) 989-13-12. E-mail: yerkebayev.a@mail.ru
Yerkebayev Aibek Jomartovich
Omsk State Transport University (OSTU). 35, Marx av. Omsk, 644046, Russia. Post-graduate student of the department «Electric power supply of railway transport». Phone: 8 (960) 989-13-12. E-mail: yerkebayev.a@mail.ru
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Никифоров, М. М. Влияние технической и участковой скорости на эффективность использования энергии рекуперации [Текст] / М. М. Никифоров, А. С. Вильгельм, А. Ж. Еркебаев // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. - 2018. -№ 2 (34). - С. 94 - 106.
BIBLIOGRAPHIC DESCRIPTION
Nikiforov M. M., Vilgelm A. S. Yerkebayev A. J. Influence of technical and site speed on efficiency of energy recovery use. Journal of Transsib Railway Studies, 2018, vol. 2, no 34, pp. 94 - 106 (In Russian).
УДК 629.4.072.2
С. С. Саркенов
Омский государственный университет путей сообщения (ОмГУПС), г. Омск, Российская Федерация
ОЦЕНКА ЭНЕРГОЭФФЕКТИВНОСТИ ГРАФИКОВ ДВИЖЕНИЯ
ПОЕЗДОВ НА ОСНОВЕ МОДЕЛИРОВАНИЯ МЕТОДАМИ НЕЛИНЕЙНОЙ РЕГРЕССИИ И НЕЙРОННЫХ СЕТЕЙ
Аннотация. В статье рассматриваются вопросы моделирования электроподвижного состава и системы тягового электроснабжения с целью решения задачи по сокращению потребления электроэнергии на тягу поездов в условиях изменения расписания грузовых поездов. Имитационное моделирование выполнено для условий изменения массы поезда и нагрузки на ось. Описание полученных результатов выполнено на основе регрессионных моделей и нейронных сетей, приведен порядок применения моделей на практике.
Ключевые слова: график движения поездов, тяговые расчеты, система тягового электроснабжения, расход электроэнергии, потери электроэнергии, масса поезда, нагрузка на ось, межпоездной интервал, пакет поездов, нейросетевая модель.
Sovetkhan S. Sarkenov
Omsk State Transport University (OSTU), Omsk, the Russian Federation
EVALUATION OF ENERGY EFFICIENCY OF TRAIN MOTION SCHEDULES BASED ON MODELING BY NONLINEAR REGRESSION AND NEURAL
NETWORK METHODS
Annotation. The article deals with the modeling of the electric rolling stock and traction power supply system with the aim of solving the problem of reducing the electric power consumption for the traction of trains in the conditions of changing the schedule offreight trains. Simulation modeling is performed for the conditions of changing the mass of the train and the load on the axis. The description of the results obtained is based on regression models, the order of application of models in practice is given.
Keywords: train traffic schedule, traction calculations, traction power supply system, electric power consumption, power losses, train mass, axle load, inter-train interval, train package, neural network model.
Потребление электроэнергии на тягу поездов относится к одной из приоритетных задач при реализации государственной политики в сфере энергосбережения. Государственная политика в данной сфере стимулирует мероприятия, направленные на повышение энергетической эффективности, вводя, например, льготное налогообложение для объектов высокой энергетической эффективности [1]. Энергетическая стратегия ОАО «РЖД» определяет целевые ориентиры повышения энергетической эффективности перевозок [2]. В связи с развитием информационных технологий в области организации движения поездов представляется актуальным решение задачи организации движения грузовых поездов по критерию снижения потребления электроэнергии на тягу поездов или повышения энергетической эффективности перевозочного процесса [3].
Рассмотрим взаимодействие электроподвижного состава и системы тягового электроснабжения в условиях организации движения грузовых поездов на участках железных дорог с различными типами профиля пути. С этой целью для ряда участков железной дороги выполнены тяговые расчеты с помощью программного комплекса «КОРТЭС» в условиях изменения масс составов и нагрузки на ось [4]. Фрагмент тягового расчета в программном комплексе «КОРТЭС» представлен на рисунке 1.
В качестве участков рассмотрены двухпутные участки железных дорог постоянного тока, режим питания межподстанционных зон на которых двусторонний параллельный [5].
Рисунок 1 - Фрагмент тягового расчета в программном комплексе «КОРТЭС»
В качестве параметров графика движения поездов для условий пакетной организации движения рассматриваются межпоездной интервал и количество поездов в пакете. При моделировании принято, что изменение межпоездного интервала выполняется в диапазоне от 10 до 18 мин с шагом одна минута, изменение количества поездов в пакете - от трех до восьми штук с шагом один поезд.
Рисунок 2 - Гистограмма распределения нагрузки на ось на участке по данным ТХО-125
№ 2(34) 2018
ИЗВЕСТИЯ Транссиба
107
На основании данных ТХО-125 (рисунок 2) принимается: изменение масс грузовых поездов в диапазоне от 1000 до 7000 т с шагом 1000 т; изменение нагрузки на ось в диапазоне от 5 до 25 т/ось с шагом 5 т/ось.
В программном комплексе «КОРТЭС» на основании тяговых расчетов были смоделированы суточные графики движения поездов на всех типах профиля железнодорожного пути. Проведен анализ результатов электрических расчетов и на рисунке 3 представлен график зависимости удельного расхода от параметров графика движения при постоянных массе и нагрузке на ось.
Рисунок 3 - График изменения удельного расхода электроэнергии в зависимости от параметров графика поездов при массе состава 1000 т и нагрузке на ось 5 т/ось
Анализируя полученные результаты моделирования, можно сделать следующие выводы: на всех типах профиля расход электроэнергии на тягу поездов минимален при межпоездном интервале 18 мин и количестве поездов в пакете, равном трем;
максимальный расход электроэнергии на тягу поездов на всех типах профиля при межпоездном интервале 10 мин и количестве поездов в пакете, равном восьми.
Это объясняется тем, что при минимальном интервале и максимальном количестве поездов на участке увеличивается потребление электроэнергии.
Для определения влияния параметров на расход и потери электроэнергии на тягу поездов воспользуемся корреляционным анализом [6]. Корреляционная зависимость удельного расхода от четырех параметров представлена в таблице 1.
Таблица 1 - Корреляционная матрица удельного расхода
Нормообразующие факторы тось т N ^инт
0,07 0,79 0,32 - 0,22
т '"ось 0,38 0 0
т 0 0
N 0
^инт
Из анализа таблицы 1 видно, что влияние массы состава на электропотребления значительно и достигает 79 % [7]. Поэтому целесообразно рассмотреть каждую массу и нагрузку на ось отдельно. Рассмотрим корреляционную зависимость удельного расхода от параметров графика движения, т. е. от количества поездов и межпоездного интервала при постоянной массе состава и постоянной нагрузке на ось.
Таблица 2 - Корреляционная матрица удельного расхода при массе состава 1000 т и нагрузке на ось 5 т/ось
Нормообразующие факторы N ^инт
0,79 - 0,56
N 0
^инт
Корреляционная связь удельного расхода и количества поездов в пакете прямо пропорциональна и равна 79 %, а корреляционная связь межпоездного интервала обратно пропорциональна и равна 56 %.
Воспользовавшись математическими аппаратами обработки массива данных [8], построим нелинейную регрессионную модель вида:
м = а + В • N + С • г + В • N + Е • '2
к расчет А + В И + С 'инт + В И + Е 'инт ,
где А , В , С , В, Е - коэффициенты нелинейной регрессионной модели.
На рисунке 4 представлен вариант нелинейной регрессионной модели при массе состава 1000 т и нагрузке на ось 5 т/ось. Коэффициент детерминации данной модели равен 0,97, что больше 0,9 и позволяет говорить о достаточной точности модели.
Рисунок 4 - Удельный расход электроэнергии в зависимости от параметров графика поездов при массе состава 1000 т и нагрузке на ось 5 т/ось (нелинейная регрессия)
Данную модель можно использовать в прогнозировании расхода электроэнергии на тягу поездов. При известных параметрах графика движения, количества поездов, их массы и длины, используя коэффициенты нелинейной регрессии, можно рассчитывать расход на будущий период.
С помощью нейронных сетей рассчитаем модели графиков движения поездов [9]. Методы нейронных сетей могут использоваться независимо или служить дополнением к традиционным методам анализа данных. Большинство статистических методов связано с построением моделей, основанных на тех или иных предположениях и теоретических выводах (например, в предположении, что искомая зависимость является линейной или переменные имеют нормальное распределение) [10].
Нейросетевой подход свободен от модельных ограничений, но одинаково годится для линейных и сложных нелинейных зависимостей и особенно эффективен в разведочном анализе данных, когда необходимо выяснить, имеются ли вообще зависимости между переменными [10]. Алгоритм нейронной сети представлен на рисунке 5. Результаты расчетов
№ 2(34) ЛЛ л о ___-ИЗВЕСТИЯ Транссиба 109
=2018 ■
нейронных сетей приведены в таблице 3, где представлены пять вариантов нейронных сетей со скрытыми функциями, функциями на выходе и точностями обучения и тестирования.
Рисунок 5 - Нейронная сеть со скрытыми слоями Таблица 3 - Варианты расчета нейронными сетями
Название нейросети Точность обучения Точность тестирования Ошибка обучения Ошибка тестирования Функция на выходе
MLP 2-3-1 0,998206 0,998891 0,000138 0,000058 Exponential
MLP 2-9-1 0,999061 0,999388 0,000075 0,000043 Tanh
MLP 2-3-1 0,997802 0,998999 0,000168 0,000056 Exponential
MLP 2-8-1 0,998830 0,999720 0,000086 0,000014 Identity
MLP 2-4-1 0,998313 0,999411 0,000132 0,000038 Logistic
Сравнение результатов регрессионной модели и нейронных сетей показывает, что коэффициент детерминации нейронных сетей для рассмотренных вариантов составляет более 0,99. Для регрессионных моделей коэффициент детерминации находится в диапазоне 0,93 - 0,97. Точность прогноза для нейронных сетей составляет 99,9 %, для регрессионных моделей - изменяется в диапазоне 93,0 - 96,0 %.
Таким образом, результаты построения модели электропотребления на тягу поездов позволяют сделать следующие выводы.
При сокращении количества грузовых поездов в пакете с восьми до трех наблюдается сокращение удельного расхода на 50,5 %, наибольшее снижение отмечается на I и II типах профиля.
При увеличении межпоездного интервала с 10 до 18 минут наблюдается снижение удельного расхода на всех типах профиля при формировании пакетного графика с тремя поездами в пакетах.
Выявленные корреляционные зависимости показывают, что при увеличении количества поездов в пакете наблюдается повышение удельного расхода, а при увеличении межпоездного интервала - снижение удельного расхода на 70,8 % при трех поездах в пакете и на 57 % при восьми поездах в пакете.
Корреляционная матрица показывает, что влияние количества поездов в пакете на удельный расход прямо пропорциональное, а межпоездного интервала обратно пропорциональное - при увеличении количества поездов в пакете с трех до восьми удельный расход увеличивается на 50,5 %, а при увеличении межпоездного интервала с 10 до 18 минут удельный расход снижается на 50,5 %.
При сравнении моделей, построенных на основе регрессионных моделей и нейронных сетей, установлено, что коэффициент детерминации для моделей достигает 0,97 для регрес-
сионной и 0,99 для нейронной, средняя абсолютная ошибка для моделей достигает 0,04 для регрессионной и 0,001 для нейронной.
Выбор вида нейронных сетей позволяет получить ряд моделей с различным количеством скрытых слоев. Сравнение моделей показывает, что для указанного вида задач нейронные сети для рассмотренных вариантов графиков движения позволяют добиться снижения наблюдаемой средней абсолютной ошибки с 0,000138 до 0,000075, повышения коэффициента детерминации с 0,997 до 0,999.
Список литературы
1. Энергетическая стратегия холдинга «Российские железные дороги» на период до 2015 года и на перспективу до 2030 года от 15 декабря 2011 г. № 2718р [Текст] / ОАО «РЖД». -М., 2011. - 97 с.
2. Методика анализа и прогнозирования топливно-энергетических ресурсов [Электронный ресурс]: Распоряжение ОАО «РЖД» № 512 от 26.12.2014. https://jd-doc.ru/2013/dekabr-2013/5126-rasporyazheni e-oao-rzhd-ot-31-12-2013 -n-2967r
3. Сидорова, Е. А. Характеристика энергопотребления на тягу поездов в энергетическом паспорте железной дороги [Текст] / Е. А. Сидорова, А. И. Давыдов // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. - 2010. - № 4 (4). - С. 76 - 80.
4. Черемисин, В. Т. Характеристики профилей пути на электрифицированных участках железных дорог в аспекте классификации типов [Текст] / В. Т. Черемисин, В. Л. Незевак,
A. В. Перестенко // Вестник Ростовского государственного университета путей сообщения / Ростовский гос. ун-т путей сообщения. - Ростов-на-Дону. - 2017. - № 2. - С. 118 - 128.
5. Черемисин, В. Т. Оценка влияния пакетной организации движения на объем электроэнергии на тягу на участках постоянного тока с I типом профиля [Текст] / В. Т. Черемисин, В. Л. Незевак, С. С. Саркенов // Современные технологии. Системный анализ. Моделирование / Иркутский гос. ун-т путей сообщения. - Иркутск. - 2017. - № 3 (55). -С. 135 - 144.
6. Незевак, В. Л. Оценка изменения объема электропотребления на тягу от графика движения поездов на участках c I типом профиля пути на основе регрессионных моделей и нейронных сетей / В. Л. Незевак // Транспорт Урала / Уральский гос. ун-т путей сообщения. - Екатеринбург. - 2017. - № 4 (55). - С. 65 - 70.
7. Незевак, В. Л. Основные зависимости изменения объема электроэнергии от параметров графика движения поездов на участках постоянного тока с I типом профиля [Текст] /
B. Л. Незевак // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. 2017. - № 2 (30). - С. 87 - 99.
8. Правила тяговых расчетов для поездной работы [Текст] / П. Т. Гребенюк, А. Н. Долга-нов и др. - М.: Транспорт, 1985. - 287 с.
9. Нейронные сети: Методология и технологии современного анализа данных [Текст] / Под ред. В. П. Боровикова. - М.: Горячая линия-Телеком, 2008. - 392 с.
10. W. Gunselmann . Technologies for increased energy efficiency in railway systems [Text] / Power Electronics and Applications, 2005 European Conference on.
References
1. Energeticheskaia strategiia kholdinga «Rossiiskie zheleznye dorogi» na period do 2015 goda i na perspektivu do 2030 goda (Energy strategy of the holding «Russian Railways» for the period until 2015 and for the future until 2030): Order of JSC Russian Railways of December 15, 2011, No. 2718r, 97 p.
2. Metodika analiza i prognozirovaniia toplivno-energeticheskikh resursov (Methods of analysis and forecasting of fuel and energy resources): Order of JSC Russian Railways No. 512 of December 26, 2014.
3. Sidorova E. A., Davydov A. I. Characteristics of energy consumption for the traction of trains in the power railroad passport [Kharakteristika energopotrebleniia na tiagu poezdov v ener-geticheskom pasporte zheleznoi dorogi]. Izvestiia Transsiba - The journal of Transsib Railway Studies, 2010, no. 4 (4), pp. 76 - 80.
4. Cheremisin V. T., Nezevak V. L., Perestanenko A. V. Characteristics of path profiles on electrified sections of railways in the aspect of classification of types [Kharakteristiki profilei puti na elektrifitsirovannykh uchastkakh zheleznykh dorog v aspekte klassifikatsii tipov]. Vestnik ros-tovskogo gosudarstvennogo universiteta putei soobshcheniia - The journal of Vestnik of the Rostov State Transport University, 2017, no. 2, pp. 118 - 128.
5. Cheremisin V. T., Nezevak V. L., Sarkenov S. S. Evaluation of the effect of batch traffic organization on the amount of electric power for traction on the sections of direct current with the I type profile [Otsenka vliianiia paketnoi organizatsii dvizheniia na ob"em elektroenergii na tiagu na uchastkakh postoiannogo toka s I-m tipom profilia]. Sovremennye tekhnologii. Sistemnyi analiz. Modelirovanie - The journal of Modern technologies. System analysis. Modeling, 2017, no. 3 (55), pp. 135 - 144.
6. Nezevak V. L. Estimation of the change in the amount of power consumption for traction from the train schedule on sections with the I type of the path profile based on regression models and neural networks [Otsenka izmeneniia ob"ema elektropotrebleniia na tiagu ot grafika dvizheniia poezdov na uchastkakh c I tipom profilia puti na osnove regressionnykh modelei i neironnykh setei]. Transport Urala - The journal of Transport of the Urals, 2017, № 4 (55), pp. 65 - 70.
7. Nezevak V. L. The main dependencies of the change in the volume of electric power from the parameters of the train schedule on the sections of direct current with the i-th profile type [Os-novnye zavisimosti izmeneniia ob"ema elektroenergii ot parametrov grafika dvizheniia poezdov na uchastkakh postoiannogo toka s I-m tipom profilia]. Izvestiia Transsiba - The journal of Transsib Railway, 2017, no. 2 (30), pp. 87 - 99.
8. Grebenyuk P. T. Pravila tiagovykh raschetov dliapoezdnoi raboty (Rules of traction calculations for train work). Moscow: Transport, 1985, 287 p.
9. Borovikov V.P. Neironnye seti: Metodologiia i tekhnologii sovremennogo analiza dannykh (Neural networks: Methodology and technologies of modern data analysis). Moscow: Telecom, 2008, 392 p.
10. Gunselmann W. Technologies for increased energy efficiency in railway systems. Power Electronics and Applications, 2005 European Conference on.
ИНФОРМАЦИЯ ОБ АВТОРЕ
Саркенов Советхан Сатжанович
Омский государственный университет путей сообщения (ОмГУПС).
Маркса пр., д. 35, г. Омск, 644046, Российская Федерация.
Аспирант кафедры «Подвижной состав электрических железных дорог», ОмГУПС.
E-mail: sovet201@mail.ru
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Саркенов, С. С. Оценка энергоэффективности графиков движения поездов на основе моделирования методами нелинейной регрессии и нейронных сетей [Текст] / С. С. Саркенов // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. - 2018. -№ 2(34). - С. 106 - 112.
INFORMATION ABOUT THE AUTOR
Sarkenov Sovetkhan Satganovich
Omsk State Transport University (OSTU). 35, Marx st., Omsk, 644046, the Russian Federation. Post-graduate student of the department «Rolling stock electric railway», OSTU. E-mail: sovet201@mail.ru
BIBLIOGRAPHIC DESCRIPTION
Sarkenov S. S. Modeling of electric consumption processes on the track of trains in the aspect of influence of norm-forming factors. The journal of Transsib Railway Studies, 2018, vol. 2, no 34, pp. 106 - 112 (In Russian).
