Інтелектуальна комп'ютерна мережа для оптимізації режимів електропостачання залізничної інфраструктури: математична модель та алгоритм функціонування

Автор(и)

DOI:

https://doi.org/10.33216/1998-7927-2026-304-6-82-87

Ключові слова:

інтелектуальна комп'ютерна мережа, електропостачання залізниць, математична модель, алгоритм оптимізації, цифровий двійник, енергозбереження, якість електроенергії

Анотація

У статті розглянуто проблему підвищення енергоефективності систем тягового та нетягового електропостачання залізничної інфраструктури в умовах зростаючої нерівномірності навантаження, значного зношення основного обладнання та нагальної потреби у відновленні транспортної мережі України після воєнних руйнувань. Актуальність дослідження зумовлена тим, що традиційні підходи до управління режимами електропостачання не забезпечують достатньої гнучкості та оперативності реагування на змінні умови експлуатації, що особливо критично в період відбудови енергетичної та транспортної інфраструктури за обмежених матеріальних і фінансових ресурсів.

Метою роботи є обґрунтування доцільності побудови інтелектуальної комп'ютерної мережі (ІКМ), яка об'єднує тягові підстанції, пости секціонування, засоби вимірювання показників якості електроенергії та диспетчерські центри в єдиний інформаційно-керуючий контур з можливістю автоматизованої підтримки прийняття рішень. Така мережа дозволяє здійснювати безперервний моніторинг стану обладнання, збирати та обробляти дані про параметри електропостачання в реальному часі та формувати рекомендації щодо оптимальних режимів роботи системи.

Розроблено математичну модель оптимізації режимів електропостачання, яка враховує графік руху поїздів, нерівномірність тягового навантаження, втрати потужності в тяговій мережі та обмеження щодо якості електроенергії. Задача сформульована як багатокритеріальна оптимізація з цільовою функцією мінімізації сумарних втрат електроенергії та відхилень напруги за умови дотримання технологічних обмежень, що дозволяє одночасно враховувати кілька суперечливих критеріїв ефективності.

Запропоновано алгоритм функціонування ІКМ, що реалізує повний цикл управління: збір даних, ідентифікацію поточного режиму, короткострокове прогнозування навантаження, розв'язання оптимізаційної задачі, ранжування варіантів керуючих впливів та їх реалізацію в автоматичному або диспетчерському режимі з подальшою адаптацією цифрового двійника мережі. Практична реалізація моделі спирається на дворівневу схему прийняття рішень: стратегічне добове планування режимів методами нелінійного програмування та еволюційними алгоритмами, а також оперативне коригування на основі експертних логічних правил у межах допустимих технологічних обмежень. Такий підхід забезпечує гнучкість системи в умовах обмежених ресурсів на відновлення енергетичної та транспортної інфраструктури.

У статті наведено структурну схему триярусної архітектури ІКМ та блок-схему алгоритму її функціонування. На умовному розрахунковому прикладі ділянки залізниці проілюстровано очікуваний ефект від застосування запропонованого підходу у вигляді зниження втрат електроенергії в тяговій мережі та покращення показників якості електропостачання. Результати дослідження можуть бути використані під час проєктування систем інтелектуального управління електропостачанням у процесі відновлення та модернізації залізничної інфраструктури України, а також слугувати основою для подальших досліджень у сфері цифровізації енергетичних систем транспорту.

Посилання

1. Farhangi H. The path of the smart grid. IEEE Power and Energy Magazine. 2010. Vol. 8, No. 1. P. 18–28. DOI: https://doi.org/10.1109/MPE.2009.934876

2. About the National Transport Strategy of Ukraine for the period until 2030 : Decree of the Cabinet of Ministers of Ukraine dated 05/30/2018 № 430-r.

3. Yagup V. G., Yagup K. IN. Modeling and optimization of modes of energy supply and power consumption systems : training. manual. Kharkiv: KhNUMG named after. O. M. Beketova, 2019. 183 p.

4. Lesko V. O. Optimization of modes of electric power systems: monograph. Vinnytsia: VNTU, 2020. 138 p.

5. Rozdadinko O. P. and others. Methods of synthesis of distributed computer-integrated networks and technologies of intellectualization, monitoring and optimization of power supply modes and energy saving of railways. URL: https://www.researchgate.net/publication/314550271

6. Intelligent technology for choosing parameters of capacitive compensation in traction networks of railway and city transport // Scientific and practical journal. 2024. URL: https://scbist.com/scb/uploaded/1_1712754161.pdf

7. Zarazka A., Shmonin Ye. Analysis of existing decision support systems for train drivers using computer vision. Proceedings of the 83rd Student Scientific and Technical Conference (December 12–14, 2023). Kharkiv: Ukrainian State University of Railway Transport, 2023. P. 4.

8. Davoodi M., Jafari Kaleybar H., Brenna M., Zaninelli D. Energy Management Systems for Smart Electric Railway Networks: A Methodological Review. Sustainability. 2023. Vol. 15, No. 16. Art. 12204. DOI: https://doi.org/10.3390/su151612204

9. Wei W., Zhang G., Wang R., Xiong W., Yu H. An online train-grid integration energy optimization method for urban rail system. Energy. 2024. Vol. 313. Art. 133842. DOI: https://doi.org/10.1016/j.energy.2024.133842

10. Yu H., Zhang G., Wang R., Yang J., Xiong W., Wei W. An Online Energy Optimization Method for Urban Rail Flexible Traction Power Supply System Based on Spatiotemporal Matching of Train Power. IEEE Transactions on Transportation Electrification. 2024. DOI: https://doi.org/10.1109/TTE.2024.3364232

11. Liu K., Wu G. Digital Twin Architecture of High-Speed Train Traction Power Supply System. In: Digital Twin Operation and Maintenance for Traction Power Supply System of High-speed Train. Singapore: Springer, 2024. P. 55–78. DOI: https://doi.org/10.1007/978-981-97-8612-1_2

12. Liu K., Wu G. Digital Twin Modeling of High-Speed Train Traction Power Supply System. In: Digital Twin Operation and Maintenance for Traction Power Supply System of High-speed Train. Singapore: Springer, 2024. P. 79–127. DOI: https://doi.org/10.1007/978-981-97-8612-1_3

13. Mariscotti A. Power quality phenomena, standards, and proposed metrics for DC grids. Energies. 2021. Vol. 14, No. 20. Art. 6453. P. 1–41. DOI: https://doi.org/10.3390/en14206453

14. Rules for the installation of electrical installations 6th ed, revised and supplemented. Kharkiv: Fort, 2017. 760 p.

15. Li J., Guo Q., Wang X., Tu C., Xiao F., Hou Y., Shen X. Parallel-Execute-Based Real-time Energy Management Strategy for FTPSS integrated PV and ESS. Applied Energy. 2025. Vol. 385. Art. 125538. DOI: https://doi.org/10.1016/j.apenergy.2025.125538

##submission.downloads##

Опубліковано

2026-09-29