Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Comparative calculation of the fuel-optimal operating strategy for diesel hybrid railway vehicles

Tytuł:
Comparative calculation of the fuel-optimal operating strategy for diesel hybrid railway vehicles
Autorzy:
Leska, M.
Aschemann, H.
Melzer, M.
Meinert, M.
Powiązania:
https://bibliotekanauki.pl/articles/330621.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
hybrid railway vehicle
fuel optimal energy management
dynamic programming
sensitivity optimisation
pojazd szynowy
pojazd hybrydowy
gospodarka energetyczna
programowanie dynamiczne
Źródło:
International Journal of Applied Mathematics and Computer Science; 2017, 27, 2; 323-336
1641-876X
2083-8492
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
In contrast to road-based traffic, the track as well as the corresponding duty cycle for railways are known beforehand, which represents a great advantage during the development of operating strategies for hybrid vehicles. Hence the benefits of hybrid vehicles regarding the fuel consumption can be exploited by means of an off-line optimisation. In this article, the fuel-optimal operating strategy is calculated for one specified track using two hybrid railway vehicles with different kinds of energy storage systems: on the one hand, a lithium-ion battery (high-energy storage) and, on the other, a double layer capacitor (high-power storage). For this purpose, control-oriented simulation models are developed for each architecture addressing the main effects contributing to the longitudinal dynamics of the power train. Based on these simulation models, the fuel-optimal operating strategy is calculated by two different approaches: Bellman’s dynamic programming, a well-known approach in this field, and an innovative sensitivity-based optimisation.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies