[Back]

C. Dullinger, W. Struckl, M. Kozek:
"Simulation-based multi-objective system optimization of train traction systems";
Simulation Modelling Practice and Theory, 72 (2017), 72; 104 - 117.

A holistic framework for multi-objective optimization of the traction system configuration of trains with mixed-integer decision variables is presented. Rail vehicles have to be energy-efficient and must be operated on a tight schedule. Furthermore, the number of decision variables to fulfill these objectives is large, and some components (like motors and gears) can only be chosen from a small set of discrete elements. In this work, the overall optimization is achieved by a two level approach: The Pareto front of optimal system configurations is obtained by a multi-objective mixed-integer elitist genetic algorithm (GA) on the upper-level. To capture the influence of a specific system configuration on travel time and energy consumption, a suitable train trajectory optimizer is developed and employed in the lower-level. The train trajectory optimization is solved by sequential quadratic programming (SQP) and considers the power losses of the different components. A case study is presented which highlights the benefits of the holistic multi-objective optimization.

Ein ganzheitliches Framework zur multikriteriellen Optimierung von Traktionssystemen von Zügen mit gemischt-ganzzahligen Entscheidungsvariablen wird präsentiert. Schienenfahrzeuge müssen energieeffizient sein und in einem engen Fahrplan betrieben werden können. Des Weiteren ist die Anzahl der Entscheidungsvariablen um diese Zielsetzungen erfüllen zu können groß und manche Komponenten (z.B.: Motoren, Getriebe) können nur aus einer kleinen Menge bestehend aus diskreten Elementen gewählt werden. In dieser Arbeit wird die Gesamtoptimierung durch einen zweistufigen Zugang erzielt: Die Pareto Front der optimalen Systemkonfigurationen wird durch einen multikriteriellen gemischt-ganzzahligen elitären genetischen Algorithmus (GA) auf der oberen Optimierungsebenen erlangt. Um den Einfluss einer konkreten Systemkonfiguration auf die Fahrzeit und den Energiebedarf zu erfassen, wird ein geeigneter Optimierer für das Fahrspiel entwickelt der auf der unteren Optimierungsebene angewendet. Die Fahrspiel Optimierung wird mittels sequentieller quadratischer Programmierung (SQP) gelöst und berücksichtigt die Verlustleistungen der verschiedenen Komponenten. Eine Fallstudie wird präsentiert welche die Vorteile der gesamtheitlichen multikriteriellen Optimierung aufzeigt.

Rail vehicle model, Multi-objective configuration optimization, Train trajectory optimization, Energy simulation, Pareto front

http://dx.doi.org/10.1016/j.simpat.2016.12.008

Project Head Martin Kozek:
Gesamtenergetische Optimierung von Schienenfahrzeugen