46

Железнодорожный транспорт является важным видом транспорта, перевозящим большое количество пассажиров и грузов. Однако железнодорожный транспорт также является крупным потребителем энергии, и значительная часть этой энергии используется для тяги поездов. В связи с растущей стоимостью энергии и необходимостью сокращения выбросов парниковых газов существует большая потребность в разработке методов оптимизации режимов ведения поездов для экономии электроэнергии. Существует несколько методов оптимизации стиля вождения поездов для экономии электроэнергии. Эти методы можно разделить на две основные категории: 1) Методы на основе моделирования. Эти методы используют математические модели поездов для расчета оптимального режима ведения. Модели поездов могут быть как простыми, так и сложными, в зависимости от требуемой точности расчетов. 2) Методы на основе реальных данных. Эти методы используют данные о реальном движении поездов для обучения алгоритмов машинного обучения, которые затем могут использоваться для оптимизации режима ведения. Оптимизация режима ведения поездов может привести к значительной экономии электроэнергии. Например, исследования показали, что оптимизация режима ведения может привести к экономии электроэнергии до 30%.

  • Internet ҳавола
  • DOI
  • UzSCI тизимида яратилган сана 16-09-2024
  • Ўқишлар сони 46
  • Нашр санаси 30-03-2024
  • Мақола тилиRus
  • Саҳифалар сони51-60
English

Rail transport is an important mode of transportation, carrying a large number of passengers and cargo. However, rail transportation is also a significant consumer of energy, with a significant portion of that energy used to pull trains. Due to the rising cost of energy and the need to reduce greenhouse gas emissions, there is an urgent need to develop methods for optimizing train operating modes in order to save electricity. There are several ways to optimize train operation to save energy. These methods can be categorized into two main groups: 1) modeling-based methods, which use mathematical models to calculate the most efficient driving mode; and 2) methods based on real-world data, which rely on actual train traffic information to train machine-learning algorithms that can then be applied to optimize driving. For example, studies have shown that optimizing the driving mode can lead to energy savings of up to 30%.

Русский

Железнодорожный транспорт является важным видом транспорта, перевозящим большое количество пассажиров и грузов. Однако железнодорожный транспорт также является крупным потребителем энергии, и значительная часть этой энергии используется для тяги поездов. В связи с растущей стоимостью энергии и необходимостью сокращения выбросов парниковых газов существует большая потребность в разработке методов оптимизации режимов ведения поездов для экономии электроэнергии. Существует несколько методов оптимизации стиля вождения поездов для экономии электроэнергии. Эти методы можно разделить на две основные категории: 1) Методы на основе моделирования. Эти методы используют математические модели поездов для расчета оптимального режима ведения. Модели поездов могут быть как простыми, так и сложными, в зависимости от требуемой точности расчетов. 2) Методы на основе реальных данных. Эти методы используют данные о реальном движении поездов для обучения алгоритмов машинного обучения, которые затем могут использоваться для оптимизации режима ведения. Оптимизация режима ведения поездов может привести к значительной экономии электроэнергии. Например, исследования показали, что оптимизация режима ведения может привести к экономии электроэнергии до 30%.

№ Муаллифнинг исми Лавозими Ташкилот номи
1 Shadmonkhodjaev M.S. Assistent Tashkent State Transport University
2 Adilov N.. Professor Tashkent State Transport University
3 Nazirkhonov T.. Katta o'qituvchi Tashkent State Transport University
4 Lesov A.. Katta o'qituvchi Tashkent State Transport University
№ Ҳавола номи
1 1. K. Ichikawa, “Application of optimization theory for bounded state variable problems to the operation of a train,” Bulletin of Japanese Society of Mechanical Engineering, vol. 11, no. 47, pp. 857– 865, Nov. 1968.
2 2. Nazirkhonov, T.M., Evaluation of the efficiency of a 4q-S converter of an alternating current electric locomotive of the O'Z-ELR series using a computer simulation model / Nazirkhonov, T.M., Radjibaev, D.O. // AIP Conference Proceedings, 2023, 2476, 020055. DOI10.1063/5.0103507.
3 3. Shadmonxodjayev M. Regulation of feeding part of complex of vibroacoustic diagnostics of rotary units of rolling stock / Shadmonxodjayev M., D. Insapov // E3S Web of Conferences. Vol. 401, July 2023. pp. 1-15. DOI: https://doi.org/10.1051/e3sconf/202340105007.
4 4. Baranov L. A., Golovicher Y.M., Erofeev E. V., Maksimov V. M. Mikroprocessornye sistemy avtovedeniya elektropodvizhnogo sostava [Microprocessor systems for driving electric rolling stock]. Moscow, Transport, 1990, 272 p.
5 5. Baranov L. A., Erofeev E. V., Melyoshin I. S., Chin L. M. Optimizatsiya upravleniya dvijeniem poezdov [Optimization of train traffic control]. Moscow, Moscow Institute of Transport Engineers, 2011, 164 p.
6 6. Donskoy A. L. Automated control systems for traction rolling stock / A. L. Donskoy // Science and transport. – 2008. – No. 3. – pp. 20-21.
7 7. Erofeev E.V. Vybor optimal'nogo rezhima vedeniya poezda na ACVM s primeneniem metoda dinamicheskogo programmirovaniya [Choosing the optimal mode of driving a train on a computer using the dynamic programming method], Transport, Moscow Institute of Transport Engineers, 1967, no.228, pp.16–30
8 8. Erofeev E.V. Opredelenie optimal'nogo rezhima vedeniya dvizheniya poezda pri zadannom vremeni hoda [Determination of the optimal mode of train driving at a given running time], Vestnik VNIIZHT [bulletin of research institute of railway transport], 1969, no.1, pp.54–57
9 9. Lesov A. T. Energy optimization of train movement modes in the C# program language/ A. T. Lesov, V. O. Ivashchenko // Proceedings of the St. Petersburg University of Railway Engineering. – St. Petersburg: PGUPS, 2021. – vol. 18, issue 4. – pp. 480-490.
10 10. Lesov A. T., Ivashchenko V. O. Optimization of the curve of train movement to minimize energy consumption on the basis of railway of Uzbekistan // Bulletin of the results of scientific research. - 2022. — Issue 1. — pp. 68-79. DOI: 10.20295/2223-9987-2022-1-68-79
11 11. Muginshtejn L.A., Ilyutovich A.E., Yabko I.A. Energooptimal'nye metody upravleniya dvizheniem poezdov [Energy-optimal methods of train traffic control], Sb. nauchn. tr. OAO “VNIIZHT”, Moscow, Intekst, 2012, 80 p
12 12. Osipov S.I., Fundamentals of train traction: a textbook for students of technical schools and colleges of railway transport [Text] / S.I. Osipov, S.S. Osipov. – M.: UMK MPS of Russia, 2000. – 592 p.
13 13. Petrov Y.P. Variacionnye metody teorii optimal'nogo upravleniya [Variational methods of optimal control theory], Moscow, Energiya [Energy], 1977, 96 p
14 14. Petrov Y.P. Optimal'noe upravlenie dvizheniem transportnyh sredstv [Optimal vehicle traffic management], Moscow, Energiya [Energy], 1969, 96 p
15 15. Plaks A.V. Control systems for electric rolling stock [Text]: textbook for universities of railway transport / Plaks A.V. - Moscow: Educational and Methodological Center for Education in railway transport, Route, 2005. – 358 p.
Кутилмоқда