Araştırma Makalesi
BibTex RIS Kaynak Göster

Comparison of Energy Optimization Strategies in CBTC System for a Tolerable Travel Time Increase

Yıl 2021, Sayı: 14, 154 - 166, 31.07.2021
https://doi.org/10.47072/demiryolu.941405

Öz

Nowadays, communication-based train control (CBTC) systems are used as signaling systems in many metro line projects. The signaling system with grade of automation level-2 (GoA2) or higher drives trains according to predefined speed profiles and manage the train traffic. The IEEE 1474 standard for CBTC systems defines that the signaling system can use performance parameters such as train acceleration, braking and coasting for the energy optimization algorithm. In this article, different parameter sets and coasting strategy that cause 4% increase, which can be tolerated and accepted by the metro operation companies, in total travel time compared to the full performance (All-out) mode are examined on a sample metro line and their effects on the energy consumption of the system are compared. It is shown that the coasting strategy consumes up to 21,34% less energy. Detailed simulations with different performance parameter sets and the coasting strategy are performed with Hi-SimuX - Rail System Simulation Software, which can perform both train performance/movement and traction power simulations together. Single train and then traction power simulations with multi-trains where many trains are run with different operating headways are run. Energy consumption values in both train performance simulations for a single train situation and traction power simulations with multi-train situations for different operating headways are compared. Simulation results have shown that the coasting strategy provides more energy savings compared to other energy optimization approaches that use performance parameters. In case of multi-train operation, depending on the operation headway, the coasting strategy provides energy reduction between 14,11-21,34%, while the second-best strategy provides energy reduction between 8,7-11,46%.

Kaynakça

  • [1] A. Gonzalez-Gil, 2014, “A systems approach to reduce urban rail energy consumption,” Energy Conversion and Management,2014, 80, 509-524.
  • [2] H. & R. Douglas, 2015, “An assessment of available measures to reduce traction energy use in railway networks,” Energy Conversion and Management, Nov. 2015, 106, 1149-1165.
  • [3] M. Botte, L D’Acierno., 2018, “Dispatching and rescheduling tasks and their interactions with travel demand and the energy domain: Models and Algorithms,” Urban Rail Transit, November 2018, https://doi.org/10.1007/s40864-018-0090-8.
  • [4] M. Popescu and A. Bitoleanu, 2019. “A review of the energy efficiency improvement in DC railway systems,” Energies, 2019, 12, 1092.
  • [5] S. Su et. al., 2016, “Evaluation of strategies to reducing traction energy consumption of metro systems using an optimal train control simulation model,” Energies, 2016, 9, 105.
  • [6] IEEE 1474.1, 2004. IEEE Standard for Communications-Based Train Control (CBTC) Performance and Functional Requirements.
  • [7] M Dominguez et. al, 2010,“Optimal Design of Metro Automatic Train Operation Speed Profiles for Reducing Energy Consumption,” Proc. IMechE Vol. 225 Part F: J. Rail and Rapid Transit, 463-473.
  • [8] C. Rongwu et. al, 2014, “A genetic algorithm based train speed regulation optimization,” WIT Transactions on The Built Environment, Vol 135, 791-802.
  • [9] S. Açıkbaş, M. T. Söylemez, 2020, “Comparison of main energy efficiency strategies implemented in a communication based train control system,” Transport Research Arena
  • [10] M.T. Söylemez., S. Açıkbaş, 2004, “Multi-train simulation of DC rail traction power systems with regenerative braking, Computers in Railways IX,” WIT Press, ISBN 1-85312-715-9, 958–968.
  • [11] BS EN 50163:2004+A1:2007 Incorporating corrigendum May 2010. Railway applications — Supply voltages of traction systems.
  • [12] BS EN 50388:2012 Incorporating corrigendum August 2012. Railway applications — Power supply and rolling stock — Technical criteria for the coordination between power supply (substation) and rolling stock to achieve interoperability.
  • [13] S. Açıkbaş, M.T. Söylemez, 2008, “Coasting point optimisation for mass rail transit lines using artificial neural networks and genetic algorithms,” IET Electric Power Applications, 2008, Vol. 2, No. 3, pp. 172–182.

CBTC Sistemlerinde Tolere Edilebilir Seyahat Süre Artışı için Enerji Verimliliği Stratejilerinin Karşılaştırılması

Yıl 2021, Sayı: 14, 154 - 166, 31.07.2021
https://doi.org/10.47072/demiryolu.941405

Öz

Günümüzde, birçok metro hattı projesinde sinyalizasyon sistemi olarak haberleşme tabanlı tren kontrolü (CBTC) sistemleri kullanılmaktadır. Otomasyon seviyesi-2 (GoA2) veya üzerinde bir otomasyon seviyesine sahip sinyalizasyon sistemi trenleri, önceden tanımlanmış hız profillerini dikkate alarak sürmekte ve tren trafiğini yönetmektedir. CBTC sistemlerine ilişkin IEEE std. 1474 standardı özellikle trenin hızlanması (ivmesi), trenin boşta gitmesi ve trenin frenlemesi gibi parametreleri enerji optimizasyon algoritması için kullanabileceğini tanımlamaktadır. Bu makalede trenlerin gidiş ve dönüş yönlerindeki toplam seyahat süresinde tam performanslı kullanıma (tam güç modu) göre, işletme firmalarının kabul edebileceği ve tren sayısını arttırmayacak olan, %4 uzatmaya yol açan farklı parametre setlerinin ve boşta gitme stratejisinin, sistemin enerji tüketiminde ne kadar avantaj sağladığı örnek bir metro hattı verileri ile incelenmiş ve ele alınan durumlarda boşta gitme stratejisinin %21,34’e kadar daha az enerji tüketimi oluşturacağı gösterilmiştir. Çalışmada hem tren performans/hareket hem de cer gücü sistemi yük akış analizini birlikte gerçekleştirebilen güçlü bir raylı sistem simülasyon yazılımı olan Hi-SimuX - Raylı Sistem Simülasyon Yazılımı ile farklı performans parametre setleri ve boşta gitme stratejisine ait simülasyonlar gerçekleştirilmiştir. Tek tren durumuna ilişkin senaryolarda tren performans simülasyonları ve ardından çok sayıda trenin farklı işletme sıklıkları ile koşturulduğu çoklu tren senaryolarına ait cer gücü sistemi simülasyonları gerçekleştirilmiştir. Hem tek tren durumu için yapılan tren performans simülasyonları hem de farklı işletme sıklıklarının olduğu çoklu tren durumu için koşturulan cer gücü simülasyonlarındaki enerji tüketimi değerleri kıyaslanmıştır. Yapılan simülasyonlar, tam güç moduna göre aynı miktarda süre uzatımına yol açan boşta gitme stratejisinin kullanımının performans parametrelerinin kullanıldığı diğer enerji optimizasyon yaklaşımlarına göre daha fazla enerji tasarrufu imkânı verdiğini göstermiştir. Çoklu tren işletme durumunda işletme sıklığına bağlı olarak, boşta gitme stratejisi %14,11-21,34 arasında tasarruf sağlarken ikinci iyi olan stratejide ise %8,7-11,46 arasında enerji tasarrufu sağlamaktadır.

Kaynakça

  • [1] A. Gonzalez-Gil, 2014, “A systems approach to reduce urban rail energy consumption,” Energy Conversion and Management,2014, 80, 509-524.
  • [2] H. & R. Douglas, 2015, “An assessment of available measures to reduce traction energy use in railway networks,” Energy Conversion and Management, Nov. 2015, 106, 1149-1165.
  • [3] M. Botte, L D’Acierno., 2018, “Dispatching and rescheduling tasks and their interactions with travel demand and the energy domain: Models and Algorithms,” Urban Rail Transit, November 2018, https://doi.org/10.1007/s40864-018-0090-8.
  • [4] M. Popescu and A. Bitoleanu, 2019. “A review of the energy efficiency improvement in DC railway systems,” Energies, 2019, 12, 1092.
  • [5] S. Su et. al., 2016, “Evaluation of strategies to reducing traction energy consumption of metro systems using an optimal train control simulation model,” Energies, 2016, 9, 105.
  • [6] IEEE 1474.1, 2004. IEEE Standard for Communications-Based Train Control (CBTC) Performance and Functional Requirements.
  • [7] M Dominguez et. al, 2010,“Optimal Design of Metro Automatic Train Operation Speed Profiles for Reducing Energy Consumption,” Proc. IMechE Vol. 225 Part F: J. Rail and Rapid Transit, 463-473.
  • [8] C. Rongwu et. al, 2014, “A genetic algorithm based train speed regulation optimization,” WIT Transactions on The Built Environment, Vol 135, 791-802.
  • [9] S. Açıkbaş, M. T. Söylemez, 2020, “Comparison of main energy efficiency strategies implemented in a communication based train control system,” Transport Research Arena
  • [10] M.T. Söylemez., S. Açıkbaş, 2004, “Multi-train simulation of DC rail traction power systems with regenerative braking, Computers in Railways IX,” WIT Press, ISBN 1-85312-715-9, 958–968.
  • [11] BS EN 50163:2004+A1:2007 Incorporating corrigendum May 2010. Railway applications — Supply voltages of traction systems.
  • [12] BS EN 50388:2012 Incorporating corrigendum August 2012. Railway applications — Power supply and rolling stock — Technical criteria for the coordination between power supply (substation) and rolling stock to achieve interoperability.
  • [13] S. Açıkbaş, M.T. Söylemez, 2008, “Coasting point optimisation for mass rail transit lines using artificial neural networks and genetic algorithms,” IET Electric Power Applications, 2008, Vol. 2, No. 3, pp. 172–182.
Toplam 13 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Yazılım Mühendisliği (Diğer)
Bölüm Bilimsel Yayınlar (Hakemli Araştırma ve Derleme Makaleler)
Yazarlar

Serhat Boynukalın 0000-0002-4662-4586

Süleyman Açıkbaş 0000-0002-8500-1023

Mehmet Turan Söylemez 0000-0002-7600-0707

Yayımlanma Tarihi 31 Temmuz 2021
Gönderilme Tarihi 23 Mayıs 2021
Yayımlandığı Sayı Yıl 2021 Sayı: 14

Kaynak Göster

IEEE S. Boynukalın, S. Açıkbaş, ve M. T. Söylemez, “CBTC Sistemlerinde Tolere Edilebilir Seyahat Süre Artışı için Enerji Verimliliği Stratejilerinin Karşılaştırılması”, Demiryolu Mühendisliği, sy. 14, ss. 154–166, Temmuz 2021, doi: 10.47072/demiryolu.941405.