Las técnicas de optimización de horarios ofrecen la oportunidad de ahorrar energía y reducir así los costes de explotación de los servicios ferroviarios de alta velocidad. La optimización de horarios para ahorrar energía se centra principalmente en el ajuste del estado de marcha del tren y en la redistribución del tiempo de marcha entre dos estaciones. No sólo el espacio de ajuste de los horarios es limitado, sino que también es difícil que el tren alcance el estado de marcha optimizado en la realidad, y es difícil conseguir un horario factible con redistribución del tiempo de marcha entre dos estaciones para ahorrar energía. Este artículo presenta un horario de ahorro de energía para trenes de alta velocidad basado en la optimización del horario de paradas. Bajo las restricciones de intervalo de seguridad y tasa de paradas, con el objetivo de minimizar el consumo creciente de energía de las paradas de los trenes y el menor tiempo de viaje de los trenes, se establece el modelo de optimización del horario de ahorro de energía del ferrocarril de alta velocidad. Se utiliza el método de programación matemática difusa para diseñar un algoritmo eficiente. El modelo y el algoritmo propuestos se demuestran con los datos reales de funcionamiento del ferrocarril de alta velocidad Pekín-Shanghai. Los resultados muestran que el consumo total de energía de funcionamiento del tren se reduce en un 3,7%, y el tiempo total de viaje del tren se reduce en 11 minutos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Algoritmo "Branch-and-Price-and-Cut" para el problema integrado de planificación y asignación de conductores de autobús
Artículo:
Modelo causal para la evaluación de la seguridad en la apertura del espacio aéreo urbano de baja altitud de las ciudades piloto chinas
Artículo:
Minimización del retraso medio en las intersecciones mediante preseñalización y control de velocidad
Artículo:
Selección dinámica y estable de cabezas de clúster basada en aprendizaje profundo en VANET
Artículo:
Investigación de rutas de distribución multicéntrica de flotas mixtas respecto a la integración de logística inversa y consumo dinámico de energía