机车能耗、能耗动因费油量预测方法、终端、存储介质与流程

1.本发明涉及机车能耗预测领域，尤其涉及一种机车能耗、能耗动因费油量预测方法、终端、存储介质。


背景技术：

2.常用的衡量机车能耗的指标是由机务部门统计的机车单位牵引工作量综合能耗，其单位为千克(柴油)/万吨公里或千瓦时/万吨公里。影响机车单位牵引工作量综合能耗的因素主要有以下几个方面：机车因素、线路因素、速度因素、列车编组因素、司乘人员操纵及列车调度指挥因素。
3.现有的能耗测量计算方法主要是依据tbt1407
‑
1998《列车牵引计算规程》的相关公式进行统计和测算。内燃机车区段燃油消耗量包括：牵引运行燃油消耗量、柴油机空转燃油消耗量、电阻制动燃油消耗量。基于此类计算方法国内外学者研制了大量的列车牵引仿真计算软件，可以根据线路平纵断面和编组，计算列车运行时分，评价机车牵引性能。然而，利用《牵引计算规程》进行牵引能耗计算必须基于列车的详细运行图，根据实测的电流和燃油消耗量进行统计计算，缺少对能耗计算的预测性，也不能量化各种因素对能耗的影响程度，无法利用该方法对不同配置下机车能耗进行理论分析。
4.国内外学者为了研究机车最优操纵，对牵引能耗仿真计算模型进行了大量的研究。曾经有学者运用动态规划法，离散型数学解析优化方法，求解水平轨道无限速的列车运行模型。后来部分学者采用了常坡假定模型，在列车控制中采用常数控制，并假定控制目标线性化。还有变坡模型，即假定列车运行轨道的坡度是变化的，同时假定连续型的牵引力、制动力机车模型。但此类模型是为了研究最节能的机车控制策略，满足机车自动驾驶而建立的，不能用于预测及量化各种因素对能耗影响。


技术实现要素：

5.为了克服现有技术的不足，本发明提出一种机车能耗、能耗动因费油量预测方法、终端、存储介质，根据机车的能耗变量以及能耗变量的相关系数计算机车能耗，并根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算能耗动因费油量，无需基于详细运行图进行计算，计算简单，实现了对能耗的预测，并且能够量化计算出各能耗动因的费油量，为能耗动因决策提供了参考数据，便于进行运输组织优化，降低了机车运行成本。
6.为解决上述问题，本发明采用的一个技术方案为：一种机车能耗、能耗动因费油量预测方法，所述机车能耗、能耗动因费油量预测方法包括：s101：接收输入的指令，获取所述指令的内容，若所述指令为能耗预测，则执行s102，若所述指令为能耗动因费油量预测，则执行s103；s102：采集机车的能耗变量的数据，根据所述能耗变量、能耗变量的系数预测所述机车的能耗，所述能耗变量包括机车牵引总重、走行公里、加权平均根号速度、加速度过快量、总重乘走行公里、总重乘限速减速距离、总重乘限速减速量、总重乘速度平方增量；s103：获取所述机车的能耗动因变量，根据能耗动因变量在理想状态下的耗油量与实际耗
油量的差值计算不同所述能耗动因变量的总费油量。
7.进一步地，所述根据所述能耗变量、能耗变量的系数预测所述机车的能耗的步骤具体包括：通过rlyl＝a1*zz a2*zzgl a3*avrv
0.5
a4*deltavlarge a5*zzzxgl a6*zzxsjsjl a7*zzxsjsl a8*zzdeltav2预测所述机车的能耗，其中，rlyl为燃料用量，zz为机车牵引总重，zzgl为走行公里，avrv
0.5
为加权平均根号速度，deltavlarge为加速度过快量，zzzxgl为总重乘走行公里，zzxsjsjl为总重乘限速减速距离，zzxsjsl为总重乘限速减速量，zzdeltav2为总重乘速度平方增量，a1、a2、a3、a4、a5、a6、a7、a8依次为机车牵引总重、走行公里、加权平均根号速度、加速度过快量、总重乘走行公里、总重乘限速减速距离、总重乘限速减速量、总重乘速度平方增量的系数。
8.进一步地，所述能耗动因变量包括：欠重运行、乘务操纵，所述乘务操纵包括机车加速过快、限速降速过多、制动距离过长中的至少一种。
9.进一步地，所述根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算不同所述能耗动因变量的总费油量的步骤具体包括：获取所述机车在非欠重运行下的单耗，根据所述单耗与实际单耗的差值获取所述机车本次欠重运行下的总费油量。
10.进一步地，根据所述单耗与实际单耗的差值获取所述机车本次欠重运行下的总费油量的步骤具体包括：通过所述差值与所述机车本次的总万吨公里数的乘积获取所述总费油量。
11.进一步地，所述根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算不同所述能耗动因变量的总费油量的步骤还包括：获取所述机车在正常状态下乘务操纵对应的耗油量与非正常状态下乘务操纵对应的耗油量的差值，将所述差值确定为所述乘务操纵的总费油量。
12.进一步地，通过公式(1)分别获取所述机车正常状态下、非正常状态下机车加速过快、限速降速过多、制动距离过长对应的耗油量，其中，公式(1)为：rlylh＝a1*zz a2*zzgl a3*avrv
0.5
a4*deltavlarge a5*zzzxgl a6*zzxsjsjl a7*zzx sjsl a8*zzdeltav2ꢀꢀꢀ
(1)，rlylh为机车的燃料总耗，zz为机车牵引总重，zzgl为走行公里，avrv
0.5
为加权平均根号速度，deltavlarge为加速度过快量，zzzxgl为总重乘走行公里，zzxsjsjl为总重乘限速减速距离，zzxsjsl为总重乘限速减速量，zzdeltav2为总重乘速度平方增量，a1、a2、a3、a4、a5、a6、a7、a8依次为机车牵引总重、走行公里、加权平均根号速度、加速度过快量、总重乘走行公里、总重乘限速减速距离、总重乘限速减速量、总重乘速度平方增量的系数。
13.进一步地，根据机车预设时间段内各次加速量排名、限速量阈值、预设时间段内各次限速制动距离排名分别获取所述机车正常状态下加速过快、限速降速过多、制动距离过长对应的耗油量。
14.基于相同的发明构思，本发明还提出一种智能终端，所述智能终端包括处理器、存储器，所述存储器存储有计算机程序，所述处理器与所述存储器通信连接，所述处理器根据所述计算机程序执行如上所述的机车能耗、能耗动因费油量预测方法。
15.基于相同的发明构思，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有程序数据，所述程序数据被用于执行如上所述的机车能耗、能耗动因费油量预测方法。
16.相比现有技术，本发明的有益效果在于：根据机车的能耗变量以及能耗变量的相关系数计算机车能耗，并根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算能耗动因费油量，无需基于详细运行图进行计算，计算简单，实现了对能耗的预测，并且能够量化计算出各能耗动因的费油量，为能耗动因决策提供了参考数据，便于进行运输组织优化，降低了机车运行成本。
附图说明
17.图1为本发明机车能耗、能耗动因费油量预测方法一实施例的流程图；
18.图2为本发明机车能耗、能耗动因费油量预测方法另一实施例的流程图；
19.图3为本发明机车能耗、能耗动因费油量预测方法中欠重运行总费油量计算一实施例的流程图；
20.图4为本发明机车能耗、能耗动因费油量预测方法中乘务操纵费油量计算一实施例的流程图；
21.图5为本发明智能终端一实施例的结构图；
22.图6为本发明计算机可读存储介质一实施例的结构图。
具体实施方式
23.下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
24.请参阅图1
‑
4，图1为本发明机车能耗、能耗动因费油量预测方法一实施例的流程图；图2为本发明机车能耗、能耗动因费油量预测方法另一实施例的流程图；图3为本发明机车能耗、能耗动因费油量预测方法中欠重运行总费油量计算一实施例的流程图；图4为本发明机车能耗、能耗动因费油量预测方法中乘务操纵费油量计算一实施例的流程图，结合图1
‑
4对本发明机车能耗、能耗动因费油量预测方法进行详细说明。
25.在本实施例中，执行机车能耗、能耗动因费油量预测方法的智能终端可以为手机、平板电脑、笔记本计算机、服务器以及其他能够采集机车的数据，根据该数据进行能耗预测、能耗动因费油量预测的器件。
26.机车能耗、能耗动因费油量预测方法包括：
27.s101：接收输入的指令，获取指令的内容，若指令为能耗预测，则执行s102，若指令为能耗动因费油量预测，则执行s103。
28.在本实施例中，智能终端可以通过网络输入、键盘数据、鼠标点击、语音输入以及其他方式接收输入的指令。
29.其中，智能终端在确定指令为能耗预测或能耗动因费油量预测后，还根据指令获取该预测对应的机车型号以及车次，在其他实施例中，也可以在确定指令为能耗预测或能耗动因费油量预测后，输出机车型号、车次查询信息，并根据反馈的信息确定机车型号、车次，进而获取与该机车型号、车次相关的变量数据。
30.s102：采集机车的能耗变量的数据，根据能耗变量、能耗变量的系数预测机车的能耗，能耗变量包括机车牵引总重、走行公里、加权平均根号速度、加速度过快量、总重乘走行
公里、总重乘限速减速距离、总重乘限速减速量、总重乘速度平方增量。
31.机车的能耗为机车燃油总耗，根据能耗变量建立燃油总耗预测模型，通过燃油总耗预测模型预测机车的能耗。
32.在本实施例中，根据能耗变量、能耗变量的系数预测机车的能耗的步骤具体包括：通过燃油总耗预测模型
‑
rlyl＝a1*zz a2*zzgl a3*avrv
0.5
a4*deltavlarge a5*zzzxgl a6*zzxsjsjl a7*zzxsjsl a8*zzdeltav2预测机车的能耗，其中，rlyl为燃料用量，zz为机车牵引总重，zzgl为走行公里，avrv
0.5
为加权平均根号速度，deltavlarge为加速度过快量，zzzxgl为总重乘走行公里，zzxsjsjl为总重乘限速减速距离，zzxsjsl为总重乘限速减速量，zzdeltav2为总重乘速度平方增量，a1、a2、a3、a4、a5、a6、a7、a8依次为机车牵引总重、走行公里、加权平均根号速度、加速度过快量、总重乘走行公里、总重乘限速减速距离、总重乘限速减速量、总重乘速度平方增量的系数。
33.请参阅表一，表一为能耗变量说明表。
34.35.[0036][0037]
表一、能耗变量说明表
[0038]
在本实施例中，通过对大量的机车运行记录数据、牵引载重数据、走行公里数据、油耗数据进行变量加工和模型训练，最终进行回归拟合计算得到系数a1、a2、a3、a4、a5、a6、a7、a8的值。
[0039]
s103：获取机车的能耗动因变量，根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算不同能耗动因变量的总费油量。
[0040]
在本实施例中，能耗动因变量包括：欠重运行、乘务操纵，乘务操纵包括机车加速过快、限速降速过多、制动距离过长中的至少一种。
[0041]
根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算不同能耗动因变量的总费油量的步骤具体包括：获取机车在非欠重运行下的单耗，根据单耗与实际单耗的差值获取机车本次欠重运行下的总费油量。
[0042]
根据单耗与实际单耗的差值获取机车本次欠重运行下的总费油量的步骤具体包括：通过差值与机车本次的总万吨公里数的乘积获取总费油量。
[0043]
在一个具体的实施例中，不同的机型和交路都有相应的牵引定数，针对列车欠重运行做费油量预测，假设机车在该线路运行的牵引定数为2500t，实际牵引总重为800t。那么需要按照2500t的牵引总重计算相关变量代入燃油总耗预测模型进行运算，得到不欠重情况下的总耗预测。假设该列车牵引800t的实际总耗为x1，模型计算牵引2500t的预测总耗为x2，列车走行公里为s1，那么该列车由于欠重运行导致浪费的燃油总量fy可以表示为：fy＝(x1/zz1
‑
x2/zz2)*zz1，其中，zz1＝(800*s1)/10000，zz2＝(2500*s1)/10000。
[0044]
在本实施例中，根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算不同能耗动因变量的总费油量的步骤还包括：获取机车在正常状态下乘务操纵对应的耗油量与非正常状态下乘务操纵对应的耗油量的差值，将差值确定为乘务操纵的总费油量。
[0045]
其中，通过公式(1)分别获取机车正常状态下、非正常状态下机车加速过快、限速降速过多、制动距离过长对应的耗油量，其中，公式(1)为：
[0046]
rlylh＝a1*zz a2*zzgl a3*avrv
0.5
a4*deltavlarge a5*zzzxgl a6*zzxsjsjl a7*zzxsjsl a8*zzdeltav2ꢀꢀꢀ
(1)，rlylh为机车的燃料总耗，zz为机车牵引总重，zzgl为走行公里，avrv
0.5
为加权平均根号速度，deltavlarge为加速度过快量，zzzxgl为总重乘走行公里，zzxsjsjl为总重乘限速减速距离，zzxsjsl为总重乘限速减速量，zzdeltav2为总重乘速度平方增量，a1、a2、
a3、a4、a5、a6、a7、a8依次为机车牵引总重、走行公里、加权平均根号速度、加速度过快量、总重乘走行公里、总重乘限速减速距离、总重乘限速减速量、总重乘速度平方增量的系数。
[0047]
在本实施例中，根据机车预设时间段内各次加速量排名、限速量阈值、预设时间段内各次限速制动距离排名分别获取机车正常状态下加速过快、限速降速过多、制动距离过长对应的耗油量。
[0048]
在一个具体的实施例中，乘务操纵对应的费油量计算包括机车加速过快费油量计算、限速降速过多费油量计算、制动距离过长费油量计算。其计算步骤包括：
[0049]
1、机车加速过快费油量计算
[0050]
对于机车加速过快的场景需要计算加速度过快量，设第一个加速过快的过程为deltavlargeh1，第二个加速过快的过程为deltavlargeh2，
……
，第n个加速过快的过程为deltavlargehn。那么机车总体的加速度过快量为：deltavlarge＝deltavlargeh1 deltavlargeh2 ...... deltavlargehn，代入模型方程如下：
[0051]
rlylh＝a1*zz a2*zzgl a3*avrv
0.5
a4*deltavlarge a5*zzzxgl a6*zzxsjsjl a7*zzxsjsl a8*zzdeltav2计算得出加速过快情况下机车燃油总耗的第一燃油总耗rlylh。此刻，还需要计算出机车在同样车次中非加速过快情形下的加速量deltavlarge，非加速过快情况下的deltavlarge是通过对当月的各次加速量进行排名取95分位数作为参考值，然后代入模型方程计算出正常加速情况下的第二燃油总耗rlyla。最后可以得到因为加速过快导致的费油量为rlylh
–
rlyla。
[0052]
2、限速降速过多费油量计算
[0053]
对于限速路段降速过多的场景需要计算减速量，这里的限速降速过多指的是降速后速度值与限速线的差值过大，假设第一个降速过多的过程减速量为xsjsl1，第二个降速过多的过程减速量为xsjsl2，
……
，第n个降速过多的过程减速量为xsjsln，那么总重乘限速减速量zzxsjslh＝zz1*xsjsl1 zz2*xsjsl2 ...... zzn*xsjsln，代入模型方程计算得出限速路段降速过多情况下的燃油总耗rlylh。此时，还需要计算出各个限速降速过程非降速过多情形下的总重乘限速减速量zzxsjsla，通过对实际限速减速量进行统计分析得出正常的减速量是低于限速线12公里之内，故zzxsjsla＝zz机车牵引总重*12得到，然后代入模型方程计算出合理降速情况下理应的燃油总耗为rlyla。最后可以得到因为降速过多导致的费油量为rlylh
–
rlyla。
[0054]
3、制动距离过长费油量计算
[0055]
对于限速制动距离过长的场景需要计算限速制动距离，假设第一个制动距离过长的过程制动距离为xsjsjl1，第二个制动距离过长的过程制动距离为xsjsjl2，
……
，第n个制动距离过长的过程制动距离为xsjsjln，那么总重乘限速减速距离zzxsjsjlh＝zz1*xsjsjl1 zz2*xsjsjl2 ...... zzn*xsjsjln，代入模型方程计算得出限速制动距离过长情况下的燃油总耗rlylh。此时，还需要计算出各个限速制动过程非制动距离过长情形下的总重乘限速减速距离zzxsjsjla，非制动距离过长是通过对当月的各次限速制动距离进行排名取90分位数作为参考值，然后代入模型方程计算出合理制动距离情况下理应的燃油总耗为rlyla。最后可以得到因为制动距离过长导致的费油量为rlylh
–
rlyla。
[0056]
在上述实施例中，获取各个能耗动因变量对应的能耗动因费油量后，根据该能耗动因费油量进行能耗动因优化预测。
[0057]
有益效果：本发明的机车能耗、能耗动因费油量预测方法根据机车的能耗变量以及能耗变量的相关系数计算机车能耗，并根据能耗动因变量在理想状态下的耗油量与实际耗油量的差值计算能耗动因费油量，无需基于详细运行图进行计算，计算简单，实现了对能耗的预测，并且能够量化计算出各能耗动因的费油量，为能耗动因决策提供了参考数据，便于进行运输组织优化，降低了机车运行成本。
[0058]
基于相同的发明构思，本发明还提出一种智能终端，请参阅图5，图5为本发明智能终端一实施例的结构图。结合图5对本发明的智能终端进行说明。
[0059]
在本实施例中，智能终端包括处理器、存储器，存储器存储有计算机程序，处理器与所述存储器通信连接，处理器根据计算机程序执行如上述实施例所述的机车能耗、能耗动因费油量预测方法。
[0060]
基于相同的发明构思，本发明还提出一种计算机可读存储介质，请参阅图6，图6为本发明计算机可读存储介质一实施例的结构图，结合图6对本发明的计算机可读存储介质进行说明。
[0061]
在本实施例中，计算机可读存储介质存储有程序数据，程序数据被用于执行如上述实施例所述的机车能耗、能耗动因费油量预测方法。
[0062]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0063]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。