【技术实现步骤摘要】
本专利技术涉及轨道交通，尤其涉及一种深度强化学习的城轨列车能量控制方法。
技术介绍
1、在城市轨道交通快速发展的同时，能源消耗总量过大的问题也日益凸显。因此，城市轨道的发展面临节能减排的迫切需求。按照用途，整个城市轨道交通系统能耗分为列车牵引能耗和非列车牵引能耗，而其中列车牵引能耗是城市轨道交通系统能耗消耗的主体，占总能耗的50％以上。再生制动是一种使用在电气化列车上的制动技术，列车制动时把电动机转化为发电机模式，将列车的动能转化为电能加以利用。这些制动能量可以通过接触网(或第三轨)直接传递给牵引列车使用，实现再生制动能量的直接利用，减少列车从供电网所需能耗的数量。对于不同类型的城市轨道交通系统，可回收的再生能量达到牵引系统总用电量的10％至55％，因此提高再生制动能量的直接利用量对提高城市轨道交通列车能源使用效率意义重大。
2、目前采用的列车运行图优化技术是提高城市轨道交通列车再生制动能量直接利用率的一种有效方法。它是通过协同统一供电区域内多列车的牵引制动时间来提高再生制动能量的回收利用量，降低列车需要从变电站索取的牵引能...
【技术保护点】
1.一种深度强化学习的城轨列车能量控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种深度强化学习的城轨列车能量控制方法，其特征在于，数据集中每一个列车启动样本包括铁轨摩擦系数、车辆额定速度、载重、到站乘客上下车人数、到站距离以及启动时间六个指标。
3.根据权利要求2所述的一种深度强化学习的城轨列车能量控制方法，其特征在于，所述步骤S3中，机器学习模型以经过标准化后的铁轨摩擦系数、车辆额定速度、载重、到站乘客上下车人数、到站距离五个指标作为输入，以启动时间作为输出。
4.根据权利要求3所述的一种深度强化学习的城轨列车能...
【技术特征摘要】
1.一种深度强化学习的城轨列车能量控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种深度强化学习的城轨列车能量控制方法，其特征在于，数据集中每一个列车启动样本包括铁轨摩擦系数、车辆额定速度、载重、到站乘客上下车人数、到站距离以及启动时间六个指标。
3.根据权利要求2所述的一种深度强化学习的城轨列车能量控制方法，其特征在于，所述步骤s3中，机器学习模型以经过标准化后的铁轨摩擦系数、车辆额定速度、载重、到站乘客上下车人数、到站距离五个指标作为输入，以启动时间作为输出。
4.根据权利要求3所述的一种深度强化学习的城轨列车能量控制方法，其特征在于，所述步骤s3中，所选择的机器学习模型为逻辑回归、线性判别分析、k近邻、朴素贝叶斯、支持向量机、随机森林、神经网络中的至少一种。
5.根据权利要求4所述的一种深度强化学习的城轨列车能量控制方法，其特征在于，所选择的机器学习模型为bp神经网络。
6.根据权利要求5所述的一种深度强化学习的城轨列车能量控制方法，其特征在于，所述bp神经网络模型隐藏层节点数为：其中，n对应输入层节点...
【专利技术属性】
技术研发人员：王琼，王晓侃，陈捡，薛姣，武德起，张驰，王相兵，蒋主朋，安洪湖，
申请(专利权)人：河南机电职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。