28986

بهينه سازي مصرف انرژي قطار با الگوريتم ملخ

كارشناسي ارشد

مهندسي كنترل و علائم

1400

1402/7/30

دكتر محمد علي صنديد زاده

مهندسي راه آهن

اين پايان نامه به بررسي بهينه سازي مصرف انرژي قطار با يك الگوريتم بهينه سازي فراابتكاري جديد به نام الگوريتم ملخ پرداخته است. بهينه سازي با استفاده از ايجاد پروفيل سرعت بهينه انجام شده است. ابتدا در مورد يك سري مطالب مقدماتي مربوط به مصرف انرژي از جمله داده‌هاي مرتبط با ميزان مصرف انرژي در ايران و خارج از ايران بحث شده است. داده‌ها نشان مي‌دهد كه بهينه سازي مصرف انرژي در حوزه ريلي امري ضروري و باعث كاهش مصرف سوخت‌هاي فسيلي و آلودگي هوا مي‌شود. براي ديناميك حركت قطار چهار استراتژي شتابگيري، كروز، خلاصي و ترمزگيري در نظر گرفته شده است. الگوريتم‌هاي بهينه سازي فراابتكاري به دليل ماهيت تصادفي خود به صورت يكنواخت كل فضاي جستجو را بررسي مي‌كنند. بنابراين اين يك مزيت براي الگوريتم ملخ است. در تابع هزينه، موقعيت هر ملخ با متغيرهاي بهينه سازي مدل شده است. بنابراين به تعداد نقاط تغيير استراتژي حركت قطار، متغير تصميم در نظر گرفته و اين نقاط بايد به گونه‌اي تعيين شوند كه مصرف انرژي قطار كمينه گردد. همچنين در اين پايان نامه به بررسي پروفيل‌هاي بهينه سرعت پرداخته و نتايج حاصل از الگوريتم ملخ با الگوريتم بهينه سازي گرگ خاكستري مقايسه شده است. نتايج نشان مي‌دهد كه الگوريتم بهينه سازي ملخ و گرگ خاكستري تقريباً جواب نزديكي به يكديگر دارند و مشابه عمل مي‌كنند. تمامي شبيه سازي‌ها با نرم افزار MATLAB انجام شده است.

1402/08/09

Optimizing train energy consumption with the grasshopper algorithm (GOA)

10/21/2024 12:00:00 AM

This thesis examines the optimization of train energy consumption with a new meta-heuristic optimization algorithm called the grasshopper algorithm. Optimization is done by creating an optimal speed profile. First, a series of preliminary materials related to energy consumption have been discussed, including data related to the amount of energy consumption in Iran and outside Iran. The data shows that optimizing energy consumption in the railway sector is essential and reduces the consumption of fossil fuels and air pollution. Four strategies of acceleration, cruise, clearance and braking are considered for train movement dynamics. Due to its random nature, meta-heuristic optimization algorithms uniformly examine the entire search space. So this is an advantage for the grasshopper algorithm. In the cost function, the position of each propeller is modeled with optimization variables. Therefore, the number of points of changing the train's movement strategy is considered as a decision variable and these points should be determined in such a way that the energy consumption of the train is minimized. Also, in this thesis, the optimal speed profiles have been examined and the results of the grasshopper algorithm have been compared with the gray wolf optimization algorithm. The results show that the optimization algorithm of grasshopper and gray wolf are almost close to each other and work similarly. All simulations are done with MATLAB software.

بهينه سازي مصرف انرژي , قطار , الگوريتم ملخ , الگوريتم گرگ خاكستري , پروفيل سرعت

Energy consumption optimization , train , grasshopper algorithm , gray wolf algorithm , speed profile

Ehsan Arabnezhad

Dr. Sandidzadeh