简介:为准确计算动车组牵引能耗,提出BP神经网络模型和改进牵规法预测动车组牵引能耗。选取机车类型、坡度、目标速度、停站方案等8个因素作为动车组牵引能耗之BP神经网络的输入变量,建立3层BP神经网络模型。采用增加动车组运动方程和优化基本阻力公式方式对牵规法进行优化。利用正交实验法对动车组牵引能耗影响因素进行分析,并对111组数据进行模拟验证。研究结果表明:BP神经网络模型的误差在4.26%以内,改进牵规法的误差基本在10%以内,证明BP神经网络模型比改进牵规法模型能更好地预测动车组的牵引能耗,而且当目标速度增大时,BP神经网络模型的计算精度明显比改进牵规法的计算精度高;目标速度和坡度对牵引能耗有显著影响。
简介:城市轨道交通客运量的不断增长使得能源消耗越来越大,在此背景下,从动态客流层面研究城市轨道交通列车牵引能耗对实现城市轨道交通可持续发展具有重要意义。首先建立一个基于动态客流的城市轨道交通列车牵引能耗算法流程,通过研究动态客流对列车牵引能耗的影响,初步得到动态客流和列车牵引能耗的耦合机理。以广州地铁某线路区段为例,利用城轨列车运行计算模拟实验系统进行算例分析,以动态客流为x变量,牵引时分为y变量,牵引能耗为z变量,并利用Matlab对570组模拟实验数据进行多项式拟合,并对动态客流进行灵敏度分析。分析结果表明,列车牵引能耗随着客流的增大呈线性增长关系。