تاثیر بکارگیری الگوریتم جستجوی ممنوعه در سرعت دستیابی به پروفیل سرعت بهینه حرکت قطار (به منظور کاهش مصرف انرژی)

یکی از راه‌های صرفه‌جویی در مصرف انرژی، استفاده گسترده‌تر از حمل ونقل عمومی به خصوص راه‌آهن و مترو است. روند رو به رشد استقبال از شبکه ریلی و مترو توسط دولت‌ها از یک سو و مصرف قابل توجه انرژی یک قطار در طول سال از سوی دیگر ضرورت بررسی انرژی مورد استفاده در قطار را نشان می‌دهد. هر قطار در حال حرکت در هر لحظه، یکی از وضعیت‌های شتاب‌گیری، خلاص، سرعت ثابت و یا ترمزگیری را دارد. از این رو روش‌های بهینه‌سازی مصرف انرژی با توجه به شیب و فراز مسیر و محدودیت‌های سرعت قطار، به دنبال نقاط بهینه شتاب‌گیری ، خلاصی و سرعت ثابت یا به زبان دیگر پروفیل سرعتی هستند که حداقل مصرف انرژی را به دنبال داشته باشد.در این مقاله ابتدا مروری بر مدل‌های بهینه‌سازی انرژی قطار با خصوصیات مختلف و به دنبال آن الگوریتم‌های بکار گرفته شده جهت یافتن پروفیل بهینه سرعت و دقت روش‌ها انجام شده است و سپس الگوریتم جستجوی ممنوعه به عنوان روش جدیدی در بهینه‌سازی سرعت قطار جهت صرفه‌جویی در مصرف انرژی بررسی شده است. در این روش با تعیین نقاط مناسب شتاب‌گیری ، خلاصی و ترمزگیری پروفیل سرعتی ارائه شده که قطار مسیر بین دو ایستگاه را با حداقل مصرف انرژی طی کند. این نقاط متغیرهای تغییر استراتژی حرکت قطار نامیده می‌شوند. در این مطالعه شبیه‌سازی‌ها در نرم‌افزار متلب پیاده‌سازی و با الگوریتم ژنتیک مقایسه شده است.

The Effect of Using the Tabu Search Algorithm on the Speed of Achieving the Optimal Train Speed Profile (in order to Reduce Energy Consumption)

Rail transit plays an increasingly important role in the public transportation system, and effectively reducing its huge energy consumption is of great practical significance. Wider use of public transport, particularly rail and metro, is one way to save energy. A growing trend of applying the rail network and metro by governments on one hand and the considerable energy consumption of a train during one year, on the other hand, demonstrate the necessity of considering the consumed energy by train. Railway transportation consumes amounts of energy. Direct energy consumption to complete the transport tasks is the main part of energy consumption of rail transportation, especially the traction system, which leads to the railway transportation costly. Optimization of the train speed curve plays an important role in minimizing train energy consumption. In this paper, first, there was a review on models of train energy optimization with different characteristics and corresponding other algorithms to find the optimum speed profile and accuracy of them, Second Tabu Search (TS) algorithm as a new approach for optimizing the train speed profile to save energy will be investigated. In this approach, after determining the appropriate points of acceleration, neural and braking, a speed profile in which train could cover its route with minimum energy consumption will be achieved. We call these points the variables for changing the training strategy. The algorithm was implemented in alternative routes. In this study, the simulations of the proposed method are implemented in MATLAB software and are finally compared with the Genetic Algorithm method.