CN106169103A - 一种城市轨道交通既有线路能耗测算模型 - Google Patents
一种城市轨道交通既有线路能耗测算模型 Download PDFInfo
- Publication number
- CN106169103A CN106169103A CN201610474053.6A CN201610474053A CN106169103A CN 106169103 A CN106169103 A CN 106169103A CN 201610474053 A CN201610474053 A CN 201610474053A CN 106169103 A CN106169103 A CN 106169103A
- Authority
- CN
- China
- Prior art keywords
- consumption
- air
- conditioning
- electricity
- monthly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 19
- 238000004378 air conditioning Methods 0.000 claims abstract description 40
- 230000005611 electricity Effects 0.000 claims abstract description 29
- 238000005286 illumination Methods 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 239000003245 coal Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G06Q50/40—
Abstract
本发明涉及一种城市轨道交通既有线路能耗测算模型,列车单耗主要由牵引电耗和辅助用电电耗组成,牵引单耗主要受满载率和操纵模式的影响,辅助用电主要由空调用电和照明组成,照明用电电耗较为固定,而空调用电受气温影响较大。利用该模型,确定输入参数即可得到该条线路的牵引能耗量,该模型已与实际线路运行过程以及现有解析方法进行了对比具有高可靠性与准确性,可以在不损失精度的前提下,更加快速、高效、准确的预测既有线路列车月均单耗,为减少城市轨道交通牵引能耗,提高城市轨道交通的绿色、节能提供可靠的数据支持。
Description
技术领域
本发明属于轨道交通运营技术领域,具体涉及一种城市轨道交通既有线路能耗测算模型。
背景技术
从1969年10月北京1号线一期工程通车至今,我国城市轨道交通发展已有40多年的历史。随着轨道交通线路的逐渐增多,能源消耗的速度也在不断加快。就北京轨道交通而言,2011年北京轨道交通年综合能耗折合标煤约11.82万吨,比2010年的8.64万吨增长了36.8%,总用电量约7.58亿度,折合标煤9.31万吨,相较于2010年的5.79万度增长了30.9%,另外还包括天然气、外购热力、汽油、柴油等其它能源消耗。在所有类别的电力消耗中,牵引用电所占的比例最大,以2011年为例,7.58亿度的总用电量中有4.17亿度用于牵引消耗,比例高达55%。
根据2011年底北京市政府与轨道交通相关部门签订的“十二五”时期节能减排目标责任书,确定了2015年末能源消耗总量为21.6万吨标煤,万元产值(主营业务收入)能耗下降2.32%的节能指标。城市轨道交通的节能工作日益紧迫,而牵引能耗的减少对整个系统的节能具有显著影响,因此如何减少牵引能耗是目前所要解决的首要问题。
发明内容
为了减少城市轨道交通牵引能耗,提高城市轨道交通的绿色、节能,本发明提出一种城市轨道交通既有线路能耗测算模型,主要作用是测算城市轨道交通既有线路的能耗量,利用该模型,确定输入参数即可得到该条线路的牵引能耗量,该模型已与实际线路运行过程以及现有解析方法进行了对比具有高可靠性与准确性。
本发明的技术方案是这样实现的:
一种城市轨道交通既有线路能耗测算模型,列车单耗主要由牵引电耗和辅助用电电耗组成,牵引单耗主要受满载率和操纵模式的影响,辅助用电主要由空调用电和照明组成,照明用电电耗较为固定,而空调用电受气温影响较大,既有线路未来年份单耗E通过如下公式(1)得到:
E=η×A×(1+αX)+E空调(T) (1)
式中:
η—人工操纵和ATO操纵调整系数,系数取该线非空调月平均满载率下人工模式单耗/ATO模式单耗;
A—非空调月平均单耗,历史数据中的非空调月月均牵引单耗平均值;
α—月均满载率增加率对单耗增长率比率系数,一次函数拟合非空调月牵引单耗变化率与满载率变化率得到比例系数;
X—月均满载率变化率,非空调月月均满载率平均值;
T—气温。
进一步地,公式(1)中的E空调通过如下公式(2)得到:
式中:
I—空调月基准值;
e—自然底数(2.718281828…);
ω—空调用电与月均气温拟合所得值;
T—月均气温;
T设定—设定温度为26℃。
进一步地,对于公式(2),首先对实际数据进行处理消除满载率的变化对单耗的影响,从而得出空调用电的估算值;根据月均气温变化和空调用电变化的规律建立空调用电计算模型,最后通过实际数据对模型中的参数进行标定。
本发明的有益效果为:
主要作用是测算城市轨道交通既有线路的能耗量,利用该模型,确定输入参数即可得到该条线路的牵引能耗量,该模型已与实际线路运行过程以及现有解析方法进行了对比具有高可靠性与准确性,可以在不损失精度的前提下,更加快速、高效、准确的预测既有线路列车月均单耗,为减少城市轨道交通牵引能耗,提高城市轨道交通的绿色、节能提供可靠的数据支持。
附图说明
图1为2010年至2013年北京地铁1号线空调用电与月均气温拟合关系图;
图2为2010年至2013年北京地铁2号线空调用电与月均气温拟合关系图。
具体实施方式
下面将结合具体实施例对本发明做详细说明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
选取北京地铁1、2、5、13号线,以2010年1月—2013年12月的数据为训练集,以2014年1月—4月、2014年6月—2014年8月、2014年11月—2014年12月的数据为测试集,参数标定结果如表1、表2所示,预测效果如表3所示。A及α参数标定结果如下表1所示。
表1A及α参数标定结果
对于E空调,首先对实际数据进行处理消除满载率的变化对单耗的影响,从而得出空调用电的估算值;根据月均气温变化和空调用电变化的规律建立空调用电计算模型,最后通过实际数据对模型中的参数进行标定。例如:1、2号线2010年至2013年的实际数据对空调用电计算模型拟合效果图,如图1、图2所示;I及ω参数标定结果如下表2所示。
表2空调用电模型参数标定结果
η—人工操纵和ATO操纵调整系数,历史数据采用人工驾驶,预测月份采用ATO,系数取人工模式单耗/ATO模式单耗(客流修正后的非空调月);
X—月均满载率变化率,非空调月月均满载率平均值。
以预测2014年2号线3月份的单耗值为例,代入相关系数可计算出:
E空调(T)=I=12.64(T<T设定)
E=η×A×(1+αX)+E空调(T)
=0.32×187×(1+0.19×10.07)+12.64≈187
以预测2014年2号线7月份的单耗值为例,代入相关系数可计算出:
表3本发明提出的既有线未来月均单耗模型预测结果
本发明提出的既有线路能耗测算模型用来对未来月均单耗预测对各线的预测平均误差可以控制在4%以下,最大误差可以控制在9%以下,说明此模型能够有效的对既有线路未来月均单耗进行预测。
模型效果对比
选择1号线2013年1月至5月的实际数据,比较现有研究的回归分析模型和本发明提出的既有线未来月度单耗预测模型的预测精度对比结果如表4所示。
表4本发明提出的既有线未来月均单耗模型与现有模型预测结果对比
由表4的对比结果可知,本发明提出的既有线未来月均单耗预测模型相比于现有预测模型,预测精度大幅度提升,平均误差由12.88%降至3.37%。
综上所述,本发明一种城市轨道交通既有线路能耗测算模型可以在不损失精度的前提下,更加快速、高效、准确的预测既有线路列车月均单耗。
本发明是根据地铁实际运营线路的实际需要与发明自身功能需要,独立完成的模型设计,它建立在大量的实际运营数据分析基础之上,符合实际运营需求,并通过实际运营数据与该模型预测结果的比对,以及与国内外既有模型预测结果的比对,得出本发明具有贴合实际,精度高,高效的特点。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种城市轨道交通既有线路能耗测算模型,其特征在于,列车单耗主要由牵引电耗和辅助用电电耗组成,牵引单耗主要受满载率和操纵模式的影响,辅助用电主要由空调用电和照明组成,照明用电电耗较为固定,而空调用电受气温影响较大,既有线路未来年份单耗E通过如下公式(1)得到:
E=η×A×(1+αX)+E空调(T) (1)
式中:
η—人工操纵和ATO操纵调整系数,系数取该线非空调月平均满载率下人工模式单耗/ATO模式单耗;
A—非空调月平均单耗,历史数据中的非空调月月均牵引单耗平均值;
α—月均满载率增加率对单耗增长率比率系数,一次函数拟合非空调月牵引单耗变化率与满载率变化率得到比例系数;
X—月均满载率变化率,非空调月月均满载率平均值;
T—气温。
2.根据权利要求1所述的城市轨道交通既有线路能耗测算模型,其特征在于,公式(1)中的E空调通过如下公式(2)得到:
式中:
I—空调月基准值;
e—自然底数(2.718281828…);
ω—空调用电与月均气温拟合所得值;
T—月均气温;
T设定—设定温度为26℃。
3.根据权利要求1所述的城市轨道交通既有线路能耗测算模型,其特征在于:对于公式(2),首先对实际数据进行处理消除满载率的变化对单耗的影响,从而得出空调用电的估算值;根据月均气温变化和空调用电变化的规律建立空调用电计算模型,最后通过实际数据对模型中的参数进行标定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610474053.6A CN106169103A (zh) | 2016-06-24 | 2016-06-24 | 一种城市轨道交通既有线路能耗测算模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610474053.6A CN106169103A (zh) | 2016-06-24 | 2016-06-24 | 一种城市轨道交通既有线路能耗测算模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106169103A true CN106169103A (zh) | 2016-11-30 |
Family
ID=58065984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610474053.6A Pending CN106169103A (zh) | 2016-06-24 | 2016-06-24 | 一种城市轨道交通既有线路能耗测算模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106169103A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886203A (zh) * | 2017-12-11 | 2018-04-06 | 天津天大求实电力新技术股份有限公司 | 一种城轨交通负荷预测方法 |
CN108563863A (zh) * | 2018-04-11 | 2018-09-21 | 北京交通大学 | 城市轨道交通系统的能耗计算与调度方法 |
CN111695815A (zh) * | 2020-06-15 | 2020-09-22 | 中车青岛四方车辆研究所有限公司 | 城市轨道交通能耗测试与评价方法 |
CN112163697A (zh) * | 2020-09-14 | 2021-01-01 | 交控科技股份有限公司 | 车辆牵引能耗的预测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268424A (zh) * | 2014-10-12 | 2015-01-07 | 刘岩 | 一种基于时间序列的地铁能耗综合预测方法 |
CN104408313A (zh) * | 2014-11-26 | 2015-03-11 | 上海工程技术大学 | 一种轨道交通能耗影响因素协同关联度建模方法 |
CN104751244A (zh) * | 2015-04-01 | 2015-07-01 | 上海工程技术大学 | 轨道交通能耗影响因素关联度优化方法 |
-
2016
- 2016-06-24 CN CN201610474053.6A patent/CN106169103A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268424A (zh) * | 2014-10-12 | 2015-01-07 | 刘岩 | 一种基于时间序列的地铁能耗综合预测方法 |
CN104408313A (zh) * | 2014-11-26 | 2015-03-11 | 上海工程技术大学 | 一种轨道交通能耗影响因素协同关联度建模方法 |
CN104751244A (zh) * | 2015-04-01 | 2015-07-01 | 上海工程技术大学 | 轨道交通能耗影响因素关联度优化方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886203A (zh) * | 2017-12-11 | 2018-04-06 | 天津天大求实电力新技术股份有限公司 | 一种城轨交通负荷预测方法 |
CN108563863A (zh) * | 2018-04-11 | 2018-09-21 | 北京交通大学 | 城市轨道交通系统的能耗计算与调度方法 |
CN108563863B (zh) * | 2018-04-11 | 2021-03-30 | 北京交通大学 | 城市轨道交通系统的能耗计算与调度方法 |
CN111695815A (zh) * | 2020-06-15 | 2020-09-22 | 中车青岛四方车辆研究所有限公司 | 城市轨道交通能耗测试与评价方法 |
CN111695815B (zh) * | 2020-06-15 | 2023-06-06 | 中车青岛四方车辆研究所有限公司 | 城市轨道交通能耗测试与评价方法 |
CN112163697A (zh) * | 2020-09-14 | 2021-01-01 | 交控科技股份有限公司 | 车辆牵引能耗的预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Resource abundance, industrial structure, and regional carbon emissions efficiency in China | |
Han et al. | Peak coal in China: a literature review | |
Huo et al. | China's energy consumption in the building sector: A Statistical Yearbook-Energy Balance Sheet based splitting method | |
Cheng et al. | Toward low-carbon development: assessing emissions-reduction pressure among Chinese cities | |
CN107239874B (zh) | 一种面向轨道交通的电能质量及节能分析系统 | |
CN106169103A (zh) | 一种城市轨道交通既有线路能耗测算模型 | |
Hong et al. | A multi-regional based hybrid method for assessing life cycle energy use of buildings: A case study | |
Qiu et al. | Spatial-temporal heterogeneity of green development efficiency and its influencing factors in growing metropolitan area: a case study for the Xuzhou metropolitan area | |
CN106127341A (zh) | 一种城市轨道交通新建线路能耗测算模型 | |
CN104794269A (zh) | 基于标准效果判定的节能改造节能量核定方法 | |
Liu et al. | Estimating health co-benefits of greenhouse gas reduction strategies with a simplified energy balance based model: The Suzhou City case | |
CN108416691A (zh) | 一种能源替代环保潜力计算方法 | |
CN110135649A (zh) | 短期建筑能耗区间预测方法、系统、介质及设备 | |
CN115809783B (zh) | 一种中大型能源用户分行业能效评价预测方法 | |
CN115759335A (zh) | 一种新型碳排放预测模型 | |
Chen et al. | Measuring environmental-adjusted dynamic energy efficiency of China’s transportation sector: A four-stage NDDF-DEA approach | |
CN104134102B (zh) | 基于leap模型的电网中长期电力需求分布预测方法 | |
CN111861797A (zh) | 一种快速核算城镇和农村生活二氧化碳排放的方法及核算系统 | |
Zhang et al. | Changes in carbon dioxide emissions and LMDI-based impact factor decomposition: the Xinjiang Uygur autonomous region as a case | |
Li et al. | Impacts of the coal resource tax on the electric power industry in China: A multi-regional comprehensive analysis | |
CN106169101A (zh) | 一种基于结构分解的能源需求预测方法 | |
Cheng et al. | A NOVEL OF FRACTIONAL ORDER PREDICTIVE MODEL ON CARBON EMISSION INTENSITY IN CHINA'S TRANSPORTATION SECTOR. | |
CN115660234A (zh) | 一种基于混合测算方法的双碳预测优化模型 | |
CN108446792A (zh) | 一种在演化路径与规划目标之间迭代的优化方法 | |
Li et al. | Contribution of Low-carbon Transport Policy to the Improvement of Urban Traffic Ecological Environment. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161130 |