APP下载

基于XGBOOST的列车牵引能耗计算方法研究

2019-12-12朱士友蔡华闽胡林桥

科技创新与应用 2019年33期

朱士友 蔡华闽 胡林桥 杨 颢 邹 梦

摘  要:列车的运行能耗是由多种因素共同作用的结果。随着城市轨道交通的高速发展,节能优化研究越发显得重要,因此,准确有效的列车牵引能耗计算方法对城轨行业的节能优化研究有着重要意义。文章提取了线路条件、驾驶模式和车辆重量等多种特征作为能耗的计算条件,采用XGBOOST方法对选定的特征模型进行训练,有效的模拟出列车的牵引能耗过程曲线,模拟结果表明MAE仅为105.16,能耗总和误差不超过2.07%,具备良好的拟合效果。文章采用最新的数据科学技术,打破了部分传统力学方法难以解决的局限性,使得能耗计算方法更加高效准确,对铁路行业的节能优化研究具有一定的理论意义和应用价值。

关键词:XGBOOST;牵引能耗;非线性拟合

中图分类号:U260.131      文献标志码:A         文章编号:2095-2945(2019)33-0018-03

Abstract: The energy consumption of train operation is the result of the joint action of many factors. With the rapid development of urban rail transit, the research of energy saving optimization is becoming more and more important. Therefore, the accurate and effective calculation method of train traction energy consumption is of great significance to the energy saving optimization of urban rail industry. In this paper, a variety of features such as line conditions, driving mode and vehicle weight are extracted as the calculation conditions of energy consumption. The selected feature model is trained by XGBOOST method, and the traction energy consumption process curve of train is simulated effectively. The simulation results show that the MAE is only 105.16, and the sum error of energy consumption is less than 2.07%. It has a good fitting effect. This paper adopts the latest data science and technology, which breaks the limitations that some traditional mechanical methods are difficult to solve, makes the energy consumption calculation method more efficient and accurate, and has certain theoretical significance and application value for the research of energy saving optimization in railway industry. Keywords: XGBOOST (eXtreme Gradient Boosting); traction energy consumption; nonlinear fitting

引言

随着近年来全国城市轨道交通的快速发展,城市轨道交通的能耗总量非常巨大,因此列车的节能优化研究对城市轨道交通行业的发展具有重要意义,而列车牵引能耗计算方法研究是列车节能优化研究的重要组成部分,作为牵引供电系统的主要负荷,大功率电力机车牵引能耗描述的准确程度对牵引供电系统潮流分布计算有直接影响[1],对铁路部门电费预算制定至关重要。

传统的列车牵引能耗计算方法是基于列车特性参数、线路参数、运行参数和动力学原理,将列车抽象为单个质点,建立列车仿真运行模型,利用各仿真时刻列车牵引力与运行速度对列车运行能耗进行求解[2-4];成利刚、李昕等考虑了列车长度对其受力情况的影响,以列车链式质点模型模拟列车运行过程,使列车能耗计算更符合工程实际[5-6];吴命利、胡海涛等在模拟列车运动能耗的基础上,基于链式网络模型利用多导体传输线理论对接触网系统进行切面分割,结合系统电气参数建立车网联合仿真模型,实现牵引系统与供电系统耦合仿真,得到车网潮流分布情况[7-8]。

但以上方法均高度依赖车辆的特性参数和理想的物理模型,难以区分不同车辆之间的个体差异及运行过程中的各类常态干扰,导致理论的计算结果与列车实际的运行能耗存在较大差异。随着数据科学的快速发展,基于历史运行数据的能耗计算方法或可解决这个问题,为此,本文提出一种基于XGBOOST模型[9]对列车牵引能耗进行预测计算的方法,从而得到较为科学的列车牵引能耗计算方法。

1 XGBOOST基本理论

XGBOOST的全称为eXtreme Gradient Boosting,是GBDT的一种高效实现,XGBOOST中的基学习器除了可以是CART(gbtree)也可以是线性分类器(gblinear)。和GBDT不同,XGBOOST給损失函数增加了正则化项,并使用损失函数的二阶泰勒展开作为损失函数的拟合,具有高准确性、不易过拟合、可扩展性等特点,因此在同等情况下,XGBOOST的计算效率要高10倍以上。