CC BY
1
Sattorov Samandar Baxtiyorovich
Tashkent State Transport University (TSTU).
Сатторов Самандар Бахтиерович
Ташкентский государственный транспортный университет (ТГТрУ).
Темирйулчилар ул., д. 1, г. Ташкент, Республика Узбекистан.
Кандидат технических наук, старший преподаватель кафедры «Транспортно-грузовые системы», ТГТрУ.
Тел.: +998 (77) 073-51-57.
E-mail: sattorovsamandar [email protected]
Бозоров Рамазон Шамилович
Ташкентский государственный транспортный университет (ТГТрУ).
Темирйулчилар ул., д. 1, г. Ташкент, Республика Узбекистан.
Докторант кафедры «Транспортно-грузовые системы», ТГТрУ.
Тел.: +998 (91) 251-33-77.
E-mail: [email protected]
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Саидивалиев, Ш. У. Анализ движения порожнего вагона по продольному профилю сортировочной горки / Ш. У. Саидивалиев, С. Б. Сатторов, Р. Ш. Бозоров. - Текст : непосредственный // Известия Транссиба. - 2023. - № 2 (54). - С. 2 - 9.
УДК 621.331:621.332
Temiryo'lchiler st., 1, Tashkent City, the Republic of Uzbekistan.
Ph.D. in Engineering, senior lecturer of the department «Transport cargo system», TSTU.
Phone: +998 (77) 073-51-57.
E-mail: sattorovsamandar 100@gmail. com
Bozorov Ramazon Shamilovich
Tashkent State Transport University (TSTU).
Temiryo'lchiler st., 1, Tashkent City, the Republic of Uzbekistan.
Doctoral student of the department «Transport cargo system», TSTU.
Phone: +998 (91) 251-33-77.
E-mail: [email protected]
BIBLIOGRAPHIC DESCRIPTION
Saidivaliev Sh.U., Sattorov S.B., Bozorov R.Sh. Analysis of the movement of an empty car on the longitudinal profile of the hill. Journal of Transsib Railway Studies, 2023, no. 2 (54), pp. 2-9 (In Russian).
С. А. Фроленков
Самарский государственный университет путей сообщения (СамГУПС), г. Самара, Российская Федерация
СОВЕРШЕНСТВОВАНИЕ АЛГОРИТМА ОПРЕДЕЛЕНИЯ ПОЛОЖЕНИЯ ПРОВОДОВ КОНТАКТНОЙ ПОДВЕСКИ В ПЛАНЕ ПУТИ С ПОМОЩЬЮ ЦИФРОВОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
Аннотация. Статья содержит результаты исследования, посвященного совершенствованию технологии диагностики контактной сети на основе цифровой обработки изображения. В качестве основного инструмента предложен способ обработки видеоизображения алгоритмами на основе искусственной нейронной сети. В работе проведен анализ развития бесконтактной диагностики железнодорожной инфраструктуры на основе сквозных цифровых технологий, разработанного алгоритма и технологии распознавания видеоизображения; описаны перспективы развития предлагаемой технологии. Предлагаемый способ бесконтактной диагностики контактной сети электрифицированных железных дорог позволит повысить точность диагностики, сократить время между последующими измерениями и позволит создать цифровую диагностику контактной сети в рамках цифровой железной дороги. В рамках исследования разработаны алгоритм и технология распознавания видеоизображения и определения геометрических параметров контактного провода. Работа алгоритма основана на цифровой обработке видеоизображения процесса взаимодействия токоприемника (пантографа) и контактной подвески. Практическим результатом работы стало программное обеспечение, позволяющее идентифицировать отклонение контакта между токоприемником и контактными проводами от середины токоприемника. Предлагаемая технология позволяет пересмотреть подход к диагностике контактной сети, отказавшись от диагностических комплексов (диагностических вагонов-лабораторий) в пользу диагностических модулей. Коммерческий успех такой технологии обеспечат три фактора: рыночная стоимость диагностических модулей, не превышающая 500 - 700 тыс. руб., что вполне достижимо при увеличении закупаемых модулей; увеличение частоты измерения до одного - двух раз в сутки при установке модулей на подвижном составе, осуществляющем движение по графику (пассажирские поезда); сокращение затрат за счет отказа от использования диагностических вагонов-лабораторий как капиталоемкой части системы диагностики.
Ключевые слова: железная дорога, система тягового электроснабжения, контактная сеть, диагностика, алгоритм, датчик, распознавание объектов, цифровая обработка видеоизображения.
№ 2(54 2023
Sergey A. Frolenkov
Samara State Transport University (SSTU), Samara, the Russian Federation
IMPROVEMENT OF THE ALGORITHM FOR DETERMINING THE POSITION OF THE CONTACT SUSPENSION WIRES IN TERMS OF THE PATH USING DIGITAL IMAGE PROCESSING
Abstract. The article contains the results ofa study devoted to improving the technology of diagnostics of the contact network based on digital image processing. As the main tool, a methodfor processing video images by algorithms based on an artificial neural network is proposed. The paper analyzes the development of contactless diagnostics of railway infrastructure based on end-to-end digital technologies, developed algorithm and video image recognition technology; describes the prospects for the development of the proposed technology. The proposed method of contactless diagnostics of the contact network of electrified railways will improve the accuracy of diagnostics, reduce the time between subsequent measurements and will allow creating digital diagnostics of the contact network within the digital railway. As part of the research, an algorithm and technology for video image recognition and determination of geometric parameters of the contact wire were developed. The algorithm is based on digital processing of the video image of the interaction of the pantograph and the contact suspension. The practical result of the work was software that allows you to identify the deviation of the contact between the current collector and the contact wires from the middle of the current collector. The proposed technology makes it possible to revise the approach to the diagnosis of the contact network, abandoning diagnostic complexes (diagnostic laboratory cars) in favor of diagnostic modules. The commercial success of such a technology will be ensured by three factors: the market value of diagnostic modules, not exceeding 500 -700 thousand rubles, which is quite achievable with an increase in the purchased modules; increasing the measurement frequency to one or two times a day when installing modules on rolling stock moving according to schedule (passenger trains); reducing costs by eliminating the use of diagnostic laboratory cars as a capital-intensive part of the diagnostic system.
Keywords: railway, traction power supply system, contact network, geometry, dimensions, diagnostics, algorithm, sensor, deserted technologies, image transformation, digital technologies.
Контактная сеть электрифицированных железных дорог относится к объектам повышенного внимания. Это обусловлено тем, что указанный элемент железнодорожной инфраструктуры не имеет резерва, а также работает в неблагоприятных условиях: динамическое воздействие подвижного состава, ветровые и гололедные нагрузки, повышенные электрические нагрузки. Последний фактор особенно актуален в условиях, когда стратегическая задача железнодорожного транспорта по увеличению пропускной и провозной способности решается за счет увеличения массы грузовых поездов и сокращения интервалов попутного следования.
В настоящее время положение проводов контактной подвески относительно оси пути измеряется в ходе экспериментальных поездок вагонами-лабораториями производства ООО «МСД Холдинг» и «Инфотранс». Измерение производится при помощи разновысотных контактных датчиков. Недостатком такого способа измерения является высокая чувствительность к парусности самого вагона. При изучении видеокартинки возникают сложности - засвечивание матрицы в солнечную погоду [1].
Сказанное выше повышает актуальность работы по развитию методов, технологий и технических средств диагностики контактной сети. Основными факторами направления научно-технического развития являются расширение использования безлюдных технологий, сокращение эксплуатационных затрат, повышение достоверности оценки технического состояния, повышение возможности раннего выявления и прогнозирование аварийной ситуации. К числу указанных факторов следует отнести бесконтактную диагностику элементов контактной сети, а также возможность работы на высоких скоростях подвижного состава, а следовательно, сократить время диагностики состояния устройств контактной сети.
В стратегии научно-технического развития инфраструктуры железнодорожного транспорта можно выделить два основных фактора: развитие безлюдных и малолюдных технологий, переход от планово-предупредительного ремонта к ремонту по фактическому
состоянию на основе применения бортовой системы диагностики с функцией прогноза остаточного ресурса оборудования. Первый фактор обусловлен необходимостью снижения ошибок из-за человеческого фактора, повышением качества технической эксплуатации элементов железнодорожной инфраструктуры. Второй фактор определяет необходимость постоянного контроля состояния объектов и предсказание появления аварийного и предотказного состояния.
Ответом на удовлетворение потребностей владельцев железнодорожной инфраструктуры является применение продуктов цифровой революции, эффективность использования которых доказана в других отраслях промышленности. Развитие бесконтактной диагностики железнодорожной инфраструктуры на основе сквозных цифровых технологий следует рассматривать с точки зрения двух составляющих: технологии и технические средства измерения параметров; технологии обработки результатов измерения.
Решение задачи развития методов, технологий и технических средств диагностики контактной сети возможно на основе цифровой обработки изображений с применением алгоритмов, включающих в себя нейронные сети и искусственный интеллект [2 - 4]. Такие технологии хорошо зарекомендовали себя в таких областях, как безопасность (распознавание нарушений), медицина (выявление признаков заболевания), строительство и сервис (нарушение технологического процесса), углеводородная энергетика (предупреждение несанкционированного доступа к объекту) и др. В сфере транспорта и промышленности данные технологии эффективно применялись в области контроля за перемещением работников в опасных зонах. Очевидно, что возможности применения цифровой обработки изображений на основе алгоритмов, включающих в себя нейронные сети и искусственный интеллект, не ограничиваются перечисленными примерами и могут быть шире, что определяет актуальность настоящего исследования.
Целью исследования является разработка технологии диагностики контактной сети на основе цифровой обработки изображений. Для достижения этой цели необходимо решить следующие основные задачи: провести анализ развития бесконтактной диагностики железнодорожной инфраструктуры на основе сквозных цифровых технологий; разработать алгоритм и технологии распознавания видеоизображения; описать перспективы развития предлагаемой технологии.
Методологической основой исследования стали результаты научных исследований, посвященных вопросам совершенствования диагностики контактной сети на основе цифровых решений, а также результаты научных исследований, посвященных цифровой обработке изображений [5, 6]. В исследовании использовались результаты научных исследований отечественных и зарубежных ученых в области проблем, рассматриваемых в отношении совершенствования системы тягового электроснабжения, рассмотрен опыт европейских и азиатских стран [7, 8]. Исследование является развитием тематики научной школы «Электроснабжение железнодорожного транспорта» Самарского государственного университета путей сообщения в области совершенствования системы тягового электроснабжения [9], в том числе исследований, выполненных с участием автора [10]. В ходе решения поставленных задач нашли применение такие методы: аналитический метод, метод математического моделирования, теория вероятностей и математическая статистика, метод классификации на основе создания и обучения искусственной нейронной сети и др.
Средства измерения включают в себя как технические приборы для измерения параметров, так и носители этих устройств. В качестве последних исследователи и разработчики в последние три десятилетия рассматривали как мобильные (переносные) средства диагностического оборудования, так и размещение диагностического оборудования на подвижном составе. Данный вариант, в свою очередь, можно разделить по типу носителя на специальный подвижной состав и подвижной состав, используемый для перевозки грузов и пассажиров. В качестве регистрирующего оборудования используются видео- и фотокамеры и оптоэлектронные сканеры.
12 2(54) 2023
Обработка зарегистрированных данных получила дополнительный импульс развития за счет использования цифровых средств обработки. Нейротехнологии и искусственный интеллект позволяют обработать изображение, при этом скорость и качество обработки в последнее время существенно выросли. Искусственная нейронная сеть позволяет обрабатывать сигнал видео- и фотоизображений и определять геометрические параметры проводов контактной подвески и положение поддерживающих устройств.
Рассматривая этапы развития средств диагностики, можно выделить два основных направления дальнейшего развития систем диагностики контактной сети. Первое направление предполагает применение специального диагностического оборудования, использующего современные средства измерения и технологии обработки данных. Недостатком этого направления является ограничение возможности диагностики - не чаще одного раза в неделю на магистральных участках и не чаще одного - двух раз в месяц на второстепенных линиях. Второе направление предполагает использование автономных необслуживаемых устройств диагностики оборудования, устанавливаемых на подвижном составе, работающем в графике, с автоматической обработкой данных и передачей полученных сведений в центр управления. Второй вариант представляется наиболее перспективным, поскольку существующие в настоящее время ограничения его использования (сложность конструкции и надежность работы) купируются развитием современных средств измерения и методов обработки данных. Мобильные переносные средства измерения рассматриваются как тупиковое направление развития систем диагностики, поскольку ограничены человеческим фактором, что противоречит Энергетической стратегии холдинга «Российские железные дороги» на период до 2020 года и на перспективу до 2030 года.
В рамках исследования разработаны алгоритм и технология распознавания видеоизображения и определения геометрических параметров контактного провода. Работа алгоритма основана на цифровой обработке видеоизображения процесса взаимодействия токоприемника (пантографа) и контактной подвески. Практическим результатом работы стала разработка программного обеспечения, позволяющего идентифицировать отклонение контакта между токоприемником и контактными проводами от середины токоприемника. При обнаружении отклонения, выходящего за предустановленные границы, начинают расти показания счетчика отклонений и фиксируется место отклонения.
Работа алгоритма строится на искусственной нейронной сети. Для обнаружения (распознавания) пантографа, проводов и контакта между ними используются алгоритмы Canny Edge Detection и Hough transform, а также решение системы линейных уравнений. Технологический стек: программа может работать на операционных системах Windows, Linux (Ubuntu). Для работы программы в системе должен быть установлен Python версии 3.8 и выше. Для работы программы необходимы следующие библиотеки: streamlit, numpy и opencv-python. Для использования программы требуется браузер Chrome, Edge, Yandex. На рисунках 1, 2 представлены интерфейс программы для распознавания изображения контактной сети с целью диагностики ее параметров, размещенный на облачном сервере, а также визуализация процесса работы программы.
Алгоритм позволяет успешно работать с контактной подвеской как с одним контактным проводом, так и с двумя контактными проводами. Алгоритм апробирован на магистральных участках железной дороги с различным положением видеокамеры и различными помехами видеоизображения. Погрешность измерения не превышает 3 %, что удовлетворительно для бесконтактного способа измерения. Окончательное решение о нарушении принимает работник, эксплуатирующий систему диагностики. На рисунке 2 наглядно продемонстрирована работа программы. Алгоритм распознал положение двух контактных проводов (выделен на контактном проводе), а также положение лыжи токоприемника (выделена граница на полозе). Вертикальными линиями отмечены границы допустимого отклонения и выход за них. Все параметры регулируются и могут быть настроены пользователем самостоятельно (см. рисунок 1).
Рисунок 1 - Интерфейс программы для распознавания изображения контактной сети с целью диагностики ее параметров
Рисунок 2 - Визуализация процесса работы программы
Предлагаемая технология имеет три варианта работы в зависимости от количества камер и наличия токоприемника в кадре.
Первый вариант - одна камера и токоприемник, постоянно находящийся в кадре, при этом положение камеры и токоприемника фиксировано на протяжении всего времени диагностики (см. рисунок 2). Точность измерения - в пределах 3 %. Стоимость установки не превышает стоимости существующей технологии диагностического вагона-лаборатории. Возможность применения - только в составе диагностического вагона-лаборатории.
Второй вариант - две камеры и токоприемник, временно находящийся в кадре. Вариант предусматривает два режима: режим настройки (используется поднятый токоприемник) и режим диагностики (токоприемник опущен). При этом положение камер и токоприемника фиксируется только в режиме настройки. Точность измерения - в пределах 5 %. Стоимость
установки незначительно превышает стоимость существующейтехнологии диагностичес-кого вагона-лаборатории. Возможность применения - только в составе диагностического вагона-лаборатории.
Третий вариант - две или четыре камеры, токоприемник не требуется. Положение контактного провода (проводов) определяется с помощью триангуляции. Вариант готов к работе с момента запуска. Точность измерения - в пределах 5 % (для двух видеокамер) и 3 % (для четырех видеокамер). Стоимость установки существенно ниже стоимости существующей технологии диагностического вагона-лаборатории: не требуются вышка и измерительный токоприемник. Возможность применения - на любом подвижном составе, оператор не требуется.
Из трех описанных вариантов последний представляется наиболее перспективным, поскольку позволяет существенно сократить затраты на диагностику и повысить качество диагностики за счет увеличения частоты измерений. Практической реализацией предлагаемого решения является диагностический модуль, устанавливаемый на крышу подвижного состава, включающий в себя измерительное оборудование, оборудование контроля положения диагностического оборудования относительно пройденного пути, а также оборудования связи с диспетчерским центром и передачи полученных данных. Диагностический модуль должен быть оборудован питанием 220 В от электросети подвижного состава и устройством автономного питания на случай пропадания питания.
Предлагаемая технология позволяет пересмотреть подход к диагностике контактной сети, отказавшись от диагностических комплексов (диагностических вагонов-лабораторий) в пользу диагностических модулей. Коммерческий успех такой технологии обеспечат три фактора. Рыночная стоимость диагностических модулей, не превышающая 500 - 700 тыс. руб., что вполне достижимо при увеличении закупаемых модулей; увеличение частоты измерения до одного - двух раз в сутки при установке модулей на подвижном составе, осуществляющем движение по графику (пассажирские поезда); сокращение затрат за счет отказа от использования диагностических вагонов-лабораторий как капиталоемкой части системы диагностики.
Список литературы
1. Петухова, В. А. Анализ методов и средств неразрушающего контроля контактной сети в ОАО «РЖД» / В. А. Петухова, Е. Г. Донских. - Текст : непосредственный // Приборы и методы измерений, контроля качества и диагностики в промышленности и на транспорте : материалы всероссийской научно-технической конференции с международным участием / Омский государственный университет путей сообщения. - Омск, 2022. - С. 229-234.
2. Вьюхин, В. А. Реализация нейронной сети Хопфилда на примере распознавания образов /
B. А. Вьюхин, А. И. Газейкина. - Текст : непосредственный // Актуальные вопросы преподавания математики, информатики и информационных технологий. - 2017. - № 2. -
C. 157-163.
3. Еремеев, Е. А. Распознавание образов в экспертных системах принятия решений / Е. А. Еремеев. - Текст : непосредственный // Научно-технический вестник информационных технологий, механики и оптики. - 2019. - Т. 19. - № 4. - С. 704-713.
4. Харин, Ю. С. Робастное статистическое распознавание образов: теория и применения / Ю. С. Харин. - Текст : непосредственный // Вестник Белорусского государственного университета. Серия 1: Физика. Математика. Информатика. - 1998. - № 1. - С. 3-12.
5. Локтев, А. А. Алгоритм распознавания объектов / А. А. Локтев, А. Н. Алфимцев, Д. А. Локтев. - Текст : непосредственный // Вестник Московского государственного строительного университета . - 2012. - № 5. - С. 194-201.
6. Бондур, В. Г. Современные подходы к обработке больших потоков гиперспектральной и многоспектральной аэрокосмической информации / В. Г. Бондур. - Текст : непосредственный // Исследование Земли из космоса. - 2014. - № 1. - С. 4-17.
7. Снижение затрат на содержание региональных линий в Японии. - Текст : непосредственный // Железные дороги мира. - 2018. - № 1. - С. 72-75.
8. Железные дороги Германии: проблемы и решения. - Текст : непосредственный // Железные дороги мира. - 2022. - № 11. - С. 25-29.
9. Гаранин, М. А. Распознавание проводов контактной сети по измерениям бесконтактных лазерных сканеров / М. А. Гаранин, А. Г. Бахрах, С. А. Митрофанов. - Текст : непосредственный // Актуальные проблемы проектирования и эксплуатации контактных подвесок и токоприемников электрического транспорта : материалы всероссийской научно-практической конференции с международным участием, Омск, 25-26 мая 2011 года / Омский гос. ун-т путей сообщения. - Омск, 2011. - С. 189-196.
10. Гаранин, М. А. Методика бесконтактной диагностики проводов контактной сети электрифицированных железных дорог / М. А. Гаранин, С. А. Фроленков. - Текст : непосредственный // Вестник транспорта Поволжья. - 2020. - № 6 (84). - С. 7-14.
References
1. Petukhova V.A. [Analysis of methods and means of non-destructive testing of the contact network in JSC «Russian Railways»]. Pribory i metody izmerenij, kontrolya kachestva i diagnostiki v promyshlennosti i na transporte : materialy V vserossijskoj nauchno-tekhnicheskoj konferencii s mezhdunarodnym uchastiem [Instruments and methods of measurement, quality control and diagnostics in industry and transport : Materials of the V All-Russian Scientific and Technical Conference with international participation]. Omsk, 2022, pp. 229-234 (In Russian).
2. V'yuhin V.A. Implementation of the Hopfield neural network on the example of pattern recognition. Aktual'nye voprosy prepodavaniya matematiki, informatiki i informacionnyh technology - Current issues of teaching mathematics, computer science and information technology, 2017, no. 2, рp. 157-163 (In Russian).
3. Eremeev E.A. Pattern recognition in expert decision-making systems. Nauchno-tekhnicheskij vestnik informacionnyh tekhnologij, mekhaniki i optiki - Scientific and technical bulletin of information technologies, mechanics and optics, 2019, vol. 19, no. 4, pр. 704-713 (In Russian).
4. Harin Yu.S. Robust statistical pattern recognition: theory and applications. Vestnik Belorusskogo gosudarstvennogo universiteta. Seriya 1: Fizika. Matematika. Informatika - Bulletin of the Belarusian State University. Series 1: Physics. Mathematics. Computer science, 1998, no. 1, рp. 3-12 (In Russian).
5. Loktev A.A., Alfimcev A.N., Loktev D.A. Object recognition algorithm. Vestnik Moskovskogo gosudarstvennogo stroitel'nogo universiteta - Bulletin of the Moscow state university of civil engineering, 2012, no. 5, рp. 194-201 (In Russian).
6. Bondur V.G. Modern approaches to processing large streams of hyperspectral and multispectral aerospace information. Issledovanie Zemli iz kosmosa - Exploring the Earth from space, 2014, no. 1, рp. 4-17 (In Russian).
7. Reducing the cost of maintaining regional lines in Japan. Zheleznye dorogi mira - Railways of the world, 2018, no. 1, pp. 72-75 (In Russian).
8. German railways: problems and solutions. Zheleznye dorogi mira - Railways of the world, 2022, no. 11, pp. 25-29 (In Russian).
9. Garanin M.A. [Recognition of contact network wires by measurements of contactless laser scanners] Aktual'nye problemy proektirovaniya i ekspluatacii kontaktnyh podvesok i tokopriemnikov elektricheskogo transporta : vserossijskaya nauchno-prakticheskaya konferenciya s mezhdunarodnym uchastiem [Actual problems of design and operation of contact suspensions and current collectors of electric transport : All-Russian scientific and practical conference with international participation]. Omsk, 2011, pр. 189-196 (In Russian).
10. Garanin M.A. The method of contactless diagnostics of wires of the contact network of electrified railways. Vestnik transporta Povolzh'ya - Bulletin of transport of the Volga region, 2020, no. 6 (84), pр. 7-14 (In Russian).
№ 2(54 2023
ИНФОРМАЦИЯ ОБ АВТОРЕ
Фроленков Сергей Андреевич
Самарский государственный университет путей сообщения (СамГУПС).
Свободы ул., д. 2 в, г. Самара, 443066, Российская Федерация.
Аспирант кафедры «Электроснабжение железнодорожного транспорта», СамГУПС.
Тел.: +7 (927) 656-09-96.
E-mail: [email protected]
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Фроленков, С. А. Совершенствование алгоритма определения положения проводов контактной подвески в плане пути с помощью цифровой обработки изображений / С. А. Фроленков. - Текст : непосредственный // Известия Транссиба. - 2023. -№ 2 (54). - С. 9 - 16.
УДК 621.331
INFORMATION ABOUT THE AUTHOR
Frolenkov Sergey Andreevich
Samara State Transport University (SSTU).
2v, Svobody st., Samara, 443066, the Russian Federation.
Postgraduate student of the department «The supply of rail transport», SSTU.
Phone: +7 (927) 656-09-96.
E-mail: [email protected]
BIBLIOGRAPHIC DESCRIPTION
Frolenkov S.A. Improvement of the algorithm for determining the position of the contact suspension wires in terms of the path using digital image processing. Journal of Transsib Railway Studies, 2023, no. 2 (54), pp. 9-16 (In Russian).
А. А. Комяков, А. И. Шкулов, Л. А. Бартель
Омский государственный университет путей сообщения (ОмГУПС), г. Омск, Российская Федерация
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ДИНАМИЧЕСКИХ ПРОЦЕССОВ В СИСТЕМЕ ТЯГОВОГО ЭЛЕКТРОСНАБЖЕНИЯ
Аннотация. В статье рассмотрены вопросы имитационного моделирования динамических процессов в системе тягового электроснабжения. В качестве инструмента для разработки модели выбрана среда SimlnTech. Для модели составлены схема обмена данными внутри программного комплекса, разработан алгоритм динамического расчета расстояний от подстанций до электроподвижного состава, позволяющий произвести расчет сопротивлений элементов системы тягового электроснабжения, представлены основные блоки модели и дано описание к ним. Разработана модель расчетного участка для одной из межподстанционных зон Западно-Сибирской железной дороги, позволяющая анализировать динамические процессы в системе тягового электроснабжения с учетом движения поездов. Произведено моделирование работы участка в SimlnTech, приведены графики мгновенных и среднеквадратических значений тока и напряжения присоединений контактной сети подстанций, показана возможность анализа показателей качества электроэнергии при работе модели. Полученные результаты верифицированы путем сравнения с результатами моделирования в программном комплексе «КОРТЭС». Получено, что расход по присоединениям контактной сети с учетом потерь электроэнергии в SimlnTech составил 4036,7 кВтч, а в «КОРТЭС» - 4085,3 кВтч, расхождение составило 1,18 %. Таким образом, доказана работоспособность модели. Сделаны выводы о работе программного комплекса и рассмотрены перспективы дальнейших исследований в рамках решения прикладных задач по повышению энергоэффективности и пропускной способности участков железных дорог.
Ключевые слова: система тягового электроснабжения, имитационное моделирование, тяговая нагрузка, динамические процессы.
Alexander A. Komyakov, Andrey I. Shkulov, Lyubov A. Bartel
Omsk State Transport University (OSTU), Omsk, the Russian Federation
SIMULATION MODELING OF DYNAMIC PROCESSES IN THE TRACTION POWER SUPPLY SYSTEM
Abstract. The article deals with the issues of simulation modeling of dynamic processes in the traction power supply system. As a tool for the development of the model, the development environment for algorithms, mathematical models, and control interfaces of the SimlnTech software package was chosen. A model of a single-track design section of the
