朱士友 蔡華閩 胡林橋 楊 顥 鄒 夢

摘? 要：列車的運(yùn)行能耗是由多種因素共同作用的結(jié)果。隨著城市軌道交通的高速發(fā)展，節(jié)能優(yōu)化研究越發(fā)顯得重要，因此，準(zhǔn)確有效的列車牽引能耗計算方法對城軌行業(yè)的節(jié)能優(yōu)化研究有著重要意義。文章提取了線路條件、駕駛模式和車輛重量等多種特征作為能耗的計算條件，采用XGBOOST方法對選定的特征模型進(jìn)行訓(xùn)練，有效的模擬出列車的牽引能耗過程曲線，模擬結(jié)果表明MAE僅為105.16，能耗總和誤差不超過2.07%，具備良好的擬合效果。文章采用最新的數(shù)據(jù)科學(xué)技術(shù)，打破了部分傳統(tǒng)力學(xué)方法難以解決的局限性，使得能耗計算方法更加高效準(zhǔn)確，對鐵路行業(yè)的節(jié)能優(yōu)化研究具有一定的理論意義和應(yīng)用價值。

關(guān)鍵詞：XGBOOST;牽引能耗;非線性擬合

中圖分類號：U260.131? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號：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

隨著近年來全國城市軌道交通的快速發(fā)展，城市軌道交通的能耗總量非常巨大，因此列車的節(jié)能優(yōu)化研究對城市軌道交通行業(yè)的發(fā)展具有重要意義，而列車牽引能耗計算方法研究是列車節(jié)能優(yōu)化研究的重要組成部分，作為牽引供電系統(tǒng)的主要負(fù)荷，大功率電力機(jī)車牽引能耗描述的準(zhǔn)確程度對牽引供電系統(tǒng)潮流分布計算有直接影響[1]，對鐵路部門電費(fèi)預(yù)算制定至關(guān)重要。

傳統(tǒng)的列車牽引能耗計算方法是基于列車特性參數(shù)、線路參數(shù)、運(yùn)行參數(shù)和動力學(xué)原理，將列車抽象為單個質(zhì)點(diǎn)，建立列車仿真運(yùn)行模型，利用各仿真時刻列車牽引力與運(yùn)行速度對列車運(yùn)行能耗進(jìn)行求解[2-4];成利剛、李昕等考慮了列車長度對其受力情況的影響，以列車鏈?zhǔn)劫|(zhì)點(diǎn)模型模擬列車運(yùn)行過程，使列車能耗計算更符合工程實際[5-6];吳命利、胡海濤等在模擬列車運(yùn)動能耗的基礎(chǔ)上，基于鏈?zhǔn)骄W(wǎng)絡(luò)模型利用多導(dǎo)體傳輸線理論對接觸網(wǎng)系統(tǒng)進(jìn)行切面分割，結(jié)合系統(tǒng)電氣參數(shù)建立車網(wǎng)聯(lián)合仿真模型，實現(xiàn)牽引系統(tǒng)與供電系統(tǒng)耦合仿真，得到車網(wǎng)潮流分布情況[7-8]。

但以上方法均高度依賴車輛的特性參數(shù)和理想的物理模型，難以區(qū)分不同車輛之間的個體差異及運(yùn)行過程中的各類常態(tài)干擾，導(dǎo)致理論的計算結(jié)果與列車實際的運(yùn)行能耗存在較大差異。隨著數(shù)據(jù)科學(xué)的快速發(fā)展，基于歷史運(yùn)行數(shù)據(jù)的能耗計算方法或可解決這個問題，為此，本文提出一種基于XGBOOST模型[9]對列車牽引能耗進(jìn)行預(yù)測計算的方法，從而得到較為科學(xué)的列車牽引能耗計算方法。

1 XGBOOST基本理論

XGBOOST的全稱為eXtreme Gradient Boosting，是GBDT的一種高效實現(xiàn)，XGBOOST中的基學(xué)習(xí)器除了可以是CART（gbtree）也可以是線性分類器（gblinear）。和GBDT不同，XGBOOST給損失函數(shù)增加了正則化項，并使用損失函數(shù)的二階泰勒展開作為損失函數(shù)的擬合，具有高準(zhǔn)確性、不易過擬合、可擴(kuò)展性等特點(diǎn)，因此在同等情況下，XGBOOST的計算效率要高10倍以上。