重载列车能耗模型构建方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供一种重载列车能耗模型构建方法、装置、电子设备和存储介质，该方法包括采集每趟次的重载列车的车辆参数、重载列车在多个长大下坡区段的每次的空气制动的位置与持续时间、在恒速区段内运行的速度最大偏差值、行车数据、能耗数据；根据重载列车的趟次，将采集到的数据划分为多个样本结果数据；将样本训练数据和样本结果数据输入至预先构建的神经网络模型进行训练，得到重载列车能耗模型。将车辆参数、空气制动的位置与持续时间、速度最大偏差值以及行车数据作为样本训练数据对神经网络模型训练，能够使得训练得到的重载列车能耗模型的能耗预测更为精准。

【技术实现步骤摘要】

本专利技术涉及轨道交通能耗分析，特别涉及一种重载列车能耗模型构建方法、装置、电子设备和存储介质。

技术介绍

1、重载列车由于其能耗较大，对重载列车的能耗分析尤为重要。

2、目前对重载列车的能耗分析主要基于重载列车实际运行数据，利用重载列车的运行数据作为训练样本，对神经网络进行训练，利用训练好的神经网络模型对能耗进行预测、分析。

3、然而，传统的神经网络对重载列车的能耗预测效果较差，无法准确对重载列车的能耗进行分析。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种重载列车能耗模型构建方法、装置、电子设备和存储介质。

2、一种重载列车能耗模型构建方法，包括：

3、采集每趟次的重载列车的车辆参数；

4、采集每趟次的所述重载列车在多个长大下坡区段的每次的空气制动的位置与持续时间，并采集所述重载列车在恒速区段内运行的速度最大偏差值；

5、采集每趟次的所述重载列车的行车数据；

6、采集每趟次的所述重载列车的能耗数据；

<本文档来自技高网...

【技术保护点】

1.一种重载列车能耗模型构建方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述样本训练数据和所述样本结果数据输入至预先构建的神经网络模型进行训练，利用所述神经网络模型学习车辆参数、空气制动的位置与持续时间、各恒速区段内的速度最大偏差值以及行车数据与所述能耗数据的关系，得到重载列车能耗模型的步骤包括：

3.根据权利要求2所述的方法，其特征在于，还包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述样本训练数据和所述样本结果数据输入至预先构建的神经网络模型进行训练，利用所述神经网络模型学习车辆参数、空气制动的位置与持续时...

【技术特征摘要】

1.一种重载列车能耗模型构建方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述样本训练数据和所述样本结果数据输入至预先构建的神经网络模型进行训练，利用所述神经网络模型学习车辆参数、空气制动的位置与持续时间、各恒速区段内的速度最大偏差值以及行车数据与所述能耗数据的关系，得到重载列车能耗模型的步骤包括：

3.根据权利要求2所述的方法，其特征在于，还包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述样本训练数据和所述样本结果数据输入至预先构建的神经网络模型进行训练，利用所述神经网络模型学习车辆参数、空气制动的位置与持续时间、各恒速区段内的速度最大偏差值以及行车数据与所述能耗数据的关系，得到重载列车能耗模型的步骤包括：

5.根据权利要求4述的方法，其...

【专利技术属性】
技术研发人员：王建华，李荣喆，王青元，孙鹏飞，丁菊霞，
申请(专利权)人：国能朔黄铁路发展有限责任公司，
类型：发明
国别省市：