Timetable Optimization for Utilization of Regenerative Braking Energy: A Single Line Case over Istanbul Metro Network

Demirci, Ibrahim Ethem; Çelikoğlu, Hilmi Berk

doi:10.1109/itsc.2018.8569553

Cited by 15 publications

(7 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Tekrar sayısı daha fazla kullanıldığında, sonuçlar değişmemiştir. Referans alınan çalışmadaki [16] enerji kazancı miktarı %60 iken, önerilen yaklaşım ile yaklaşık %30 daha fazla enerji tasarrufu sağlandığı görülmektedir.…”

Section: Genetik Algoritmanın Sonlandırılmasıunclassified

See 1 more Smart Citation

Tren Frenleme Enerjisinin Maksimum Geri Kazanımı İçin Zaman-Planı Optimizasyonu

Tural¹,

Turan²

2020

European Journal of Science and Technology

View full text Add to dashboard Cite

Öz Bu makalede, Metro İstanbul araçlarında kullanılması için zaman planı oluşturularak maksimum enerji kazanımının optimize edilmesine yönelik yapılan araştırma sonuçları paylaşılmıştır. Bu çalışma ile amaçlanan rejeneratif enerji ile enerji kazanımı elde ederek enerji tasarrufu sağlamaktır. Rejeneratif enerji ile sağlanan enerji kazanımı, elektromanyetik frenleme yapan trenlerin ürettiği enerjiyi hatta bulunan ve hareket etmeye hazır durumunda olan diğer trenlere aktarması ilkesine dayanmaktadır. Trenin frenlemesi esnasında kinetik enerji açığa çıkar ve bu enerji elektrik enerjisine dönüştürülür, elektrik enerjisine dönüşen bu enerji katenere geri iletilir. Katener de hatta alıcı durumunda bulunan diğer bir trene bu enerjiyi iletir ve böylelikle hatta alıcı durumundaki tren bu enerjiyi kullanması ile enerji kazanımı sağlanmış olur. Rejeneratif frenleme enerjisinden en etkin bir şekilde yararlanmanın yollarından biri zaman-planı en iyileştirmesi (optimizasyonu) uygulanmasıdır. Zaman-planı en iyileştirilmesi yapılarak maksimum enerji kazanımı sağlayacak istasyon bekleme süreleri bulunur. Trenlerin istasyondaki en uygun bekleme sürelerini bulmak için bu çalışmada genetik algoritma kullanılmıştır. Genetik algoritma, çok boyutlu ve karmaşık arama uzayında en iyinin hayatta kalması ilkesine dayanan arama ve en iyileme yöntemidir. Genetik algoritmalar, evrimsel süreci bilgisayar ortamında taklit ederek problemlerin çözümünü ararlar. Başlangıç bireyleri tanımlanan kısıtlamalara dikkat edilerek rastgele oluşturulmuştur. Uygunluk fonksiyonu en iyileştirilmiş zaman-planını verecek bekleme sürelerini içeren bireyin değerlendirmesi amacıyla kullanılmaktadır. Her yeni nesilde daha iyi bireyler elde etmek üzere, farklı yöntem ve oranlarda elitizm, çaprazlama ve mutasyon operatörleri uygulanmıştır. Optimizasyonun nihai haline ulaşması iterasyon sayısı ile sınırlandırılmıştır. Gerçekleştirilen çalışma referans olarak alınan çalışmaya kıyasla %30 oranında daha iyi sonuç elde etmiştir. Referans makalede %60 oranında olan enerji kazanımının, bu çalışma ile %78 oranına kadar çıkartılabildiği gözlemlenmiştir.

show abstract

Section: Genetik Algoritmanın Sonlandırılmasıunclassified

“…Yapılan bu çalışma, Metro İstanbul Hatlarından olan Kadıköy-Kartal hattında uygulanmıştır. Çalışma sonucunda normal saatlerde rejeneratif frenleme ile enerji kazanımının %14'den %30'lara çıktığı ve yolcu yoğunluğunun en fazla olduğu saatlerde bu oranın %46'dan %60 'a çıktığı gözlemlenmiştir [16].…”

Section: Introductionunclassified

Tren Frenleme Enerjisinin Maksimum Geri Kazanımı İçin Zaman-Planı Optimizasyonu

Tural¹,

Turan²

2020

European Journal of Science and Technology

View full text Add to dashboard Cite

show abstract

“…Notably, compared with all-stop patterns, stopskipping patterns potentially lead to decreasing energy consumption [7,8]. As a result, a timetable optimization model is formulated to pair the accelerating and breaking trains to enhance the utilization of regenerative braking energy in [9,10]. The underground transportation system is a discrete event dynamic system in which the system dynamics consist of time constraints such as minimum running times, minimum dwell times, and minimum headway times between successive trains [11,12].…”

Section: Related Workmentioning

confidence: 99%

System model building and dynamic online control of traffic flow

Huang

Yun-xiang

2020

Mathematical and Computer Modelling of Dynamical Systems

View full text Add to dashboard Cite

The Underground transportation system plays a vital role in public transportation and exhibits complicated dynamics. The model predictive control approach for underground train dispatching is proposed in this paper. The system modelling technique spatially aggregates trains to generate the traffic flow model in a network of interconnected control units. The state-space model for the underground train traffic of a metro line is investigated. Simulation results are reported to demonstrate the effectiveness of the optimization control model.

show abstract

“…To get maximum total overlapping time between acceleration and braking, GA is used to solve the problem. The constraints about the dwelling time reduce the state space of variables [16]. Kuppusamy et al [17] proposed a solution method combining GA and neural network.…”

Section: Introductionmentioning

confidence: 99%

Joint optimization combining the capacity of subway on‐board energy storage device and timetable

Wang

Sun

Wang

et al. 2022

IET Intelligent Trans Sys

View full text Add to dashboard Cite

On‐board energy storage devices (OESD) and energy‐efficient train timetabling (EETT) are considered two effective ways to improve the usage rate of regenerative braking energy (RBE) of subway trains. EETT is less costly but has lower ceilings, whereas OESD, although expensive, maximizes the reuse of RBE. To make the RBE usage rate of the train group reach the required target, a typical problem is how to use the OESD with the minimum capacity to reduce the cost. With this consideration, this paper proposes an optimization method that combines EETT and OESD. In this method, the joint optimization of timetable and OESD capacity allocation in case OESDs of different capacities can be carried between trains is considered to further improve the optimization. A non‐linear programming model is built to minimize the total OESD capacity of the train group under the constraint of reaching target RBE usage. An efficient heuristic algorithm is designed to simultaneously obtain the optimal timetable and the matching capacity allocation scheme of OESDs. Finally, some simulation cases based on real‐line data are designed to verify the effectiveness of the method.

show abstract

Timetable Optimization for Utilization of Regenerative Braking Energy: A Single Line Case over Istanbul Metro Network

Cited by 15 publications

References 13 publications

Tren Frenleme Enerjisinin Maksimum Geri Kazanımı İçin Zaman-Planı Optimizasyonu

Tren Frenleme Enerjisinin Maksimum Geri Kazanımı İçin Zaman-Planı Optimizasyonu

System model building and dynamic online control of traffic flow

Joint optimization combining the capacity of subway on‐board energy storage device and timetable

Contact Info

Product

Resources

About