کاربرد کلان داده در بهینه سازی مصرف و تبدیل انرژی در متروهای هوشمند

با رشد بی سابقه شبکه های مترو و افزایش سهم انرژی کشش در هزینه های عملیاتی که گاه به ۵۲ درصد از کل مصرف می رسد، بهره گیری از داده های انبوه عملیاتی برای مدیریت هوشمند انرژی به یک ضرورت انکارناپذیر تبدیل شده است. هدف پژوهش حاضر تبیین جایگاه کلان داده در بهینه سازی مصرف و تبدیل انرژی در متروهای نسل جدید است. بر اساس هدف، روش پژوهش به صورت مروری تحلیلی بر روی منابع داده، روش های جمع آوری و کاربردهای تحلیلی کلان داده در چهار حوزه جدول زمانی انرژی کارا، پروفایل سرعت، مدیریت پیش بینی کننده انرژی و بهینه سازی مصرف در ایستگاه ها انجام شده است. نتایج پژوهش نشان داده که بهینه سازی جدول زمانی با رویکرد داده محور و در نظر گرفتن انحرافات عملیاتی واقعی، کاهش ۳.۰۴ درصدی مصرف انرژی را در یک خط متروی شمال چین به همراه داشته است. مدل شبکه عصبی برای پیش بینی توان پست ها، زمان محاسبات را به ۰.۳۳ درصد شبیه سازی کاهش داده و انرژی تامین شده توسط پست ها را تا ۱۳ درصد کم کرده است. یکپارچه سازی اینترنت اشیا و یادگیری ماشین، تنظیم بلادرنگ مصرف را فراهم آورده و کنترل پویای تهویه مطبوع بر اساس اشغال واقعی، پتانسیل صرفه جویی ۳۰ درصدی را نشان می دهد. همچنین، سیستم های ذخیره سازی سرمایش-الکتریسیته ظرفیت باتری مورد نیاز را ۴۱.۹ درصد کاهش می دهند. بر اساس نتایج، پیشنهاد می شود که متروها با ایجاد زیرساخت یکپارچه داده، پیاده سازی سیستم های پیش بینی توان پست ها و استفاده از دوقلوی دیجیتال، مصرف انرژی را بهینه سازی کرده و گام های موثری در جهت تحقق اهداف توسعه پایدار بردارند.

کلیدواژه ها:

کلان داده ، بهینه سازی انرژی ، متروی هوشمند ، یادگیری ماشین ، جدول زمانی انرژی کارا