Поддержка принятия решений в области анализа энергоэффективности подвижного состава
Ключевые слова:
энергетическая эффективность, подвижной состав, перевозочный процесс, анализ, алгоритм
Аннотация
При проведении анализа энергетической эффективности такого энергоемкого сегмента экономики нашей страны как железнодорожный транспорт, значительные резервы снижения удельных энергозатрат целесообразно искать на самом нижнем уровне детализации данных — уровне поездки, выполняемой локомотивными бригадами.
Представлен подход к исследованию энергетической эффективности подвижного состава в эксплуатационном локомотивном депо на основе статистического исследования массивов информации автоматизированных систем о выполнении перевозочной работы и расходе топливно-энергетических ресурсов для формирования выводов о сложившейся ситуации. При этом важно отсеять недостоверные данные, попавшие в базы данных из-за неисправности технических средств учета, бортовых систем или в результате ошибки оператора на этапе ввода информации. Фильтрация данных проводится после декомпозиции массива информации по сериям подвижного состава, видам движения и видам работы. При необходимости может быть выполнена детализация до каждого конкретного локомотива или локомотивной бригады. На основе полученных выводов формируется или, при необходимости, корректируется программа повышения энергетической эффективности в части наиболее затратной части бюджета железнодорожного предприятия — тяги поездов. Следует отметить, что настоящий анализ выполнен в основном для выявления подвижных единиц, имеющих повышенный расход энергии из-за их технического состояния или локомотивных бригад, не владеющих эффективными приемами вождения поездов. Данный алгоритм может быть реализован в системе поддержки принятия решений в области анализа энергопотребления тяги поездов.
Литература
1. Komyakov A.A., Ponomarev A.V., Erbes V.V. Application of an Intelligent System for the Monitoring of Energy Efficiency Indicators at Service Locomotive Depots // Proc. Intern. Multi-conf. Industrial Eng. and Modern Technol. Vladivostok, 2018. P. 8602926.
2. Cheremisin V., Vilgelm A. Intellectual Monitoring and Planning System of Energy Efficiency Indices of the Traction Power Supply System // Proc. IOP Conf. Series: Materials Sci. and Eng. Novosibirsk, 2020. P. 012092.
3. Cheremisin V.T., Erbes V.V., Komyakov A.A. Development of Device for Monitoring of Energy Efficiency of Production Processes at Enterprises // Proc. Intern. Conf. Industrial Eng., Appl. and Manufacturing. Moscow, 2018. P. 8728612.
4. Cheremisin V., Komyakov A., Ivanchenko V., Demin Y. Technology for Reducing the Consumption and Losses of Electrical Energy in the Power Supply Systems of Railway Consumers // Proc. MATEC Web Conf. Novosibirsk: EDP Sci., 2018. P. 01033.
5. Cheremisin V.T., Erbes V.V., Komyakov A.A. Evaluation of the Actual Effectiveness of Energy-saving Devices Based on Artificial Intelligence // Proc. II Intern. Conf. Industrial Eng., Appl. and Manufacturing. Chelyabinsk: Institute of Electrical and Electronics Engineers Inc., 2016. P. 7911416.
6. Komyakov A.A., Erbes V.V., Ivanchenko V.I. Application of Artificial Neural Networks for Electric Load Forecasting on Railway Transport // Proc. XV Intern. Conf. Environment and Electrical Eng. Rome: IEEE Computer Soc., 2015. P. 43—46.
7. Никифоров М.М. Способы и средства контроля энергоэффективности электротяги // Инновационные проекты и технологии в образовании, промышленности и на транспорте: Материалы науч. конф., посвященной Дню Российской науки. Омск: Омский гос. ун-т путей сообщения, 2021. С. 71—76.
8. Каштанов А.Л., Комяков А.А., Никифоров М.М. Прогнозирование и верификация ключевых показателей энергетической эффективности железнодорожного транспорта // Вестник Уральского гос. ун-та путей сообщения. 2021. № 1(49). С. 46—54.
9. Rozhitsky D. e. a. Energy Intensity and Energy Efficiency of Energy Saving Policy of Railway Transport // Proc. Networked Control Systems for Connected and Automated Vehicles Conf. Switzerland: Springer Nature Switzerland AG, 2023. V. 510-2. Pp. 359—367.
10. Каштанов А.Л. и др. Перспективы перевода автотракторной техники ОАО «РЖД» на природный газ // Транспорт и логистика: развитие в условиях глобальных изменений потоков: Сб. науч. тр. VII Междунар. науч.-практ. конф. Ростов-на-Дону: Ростовский гос. ун-т путей сообщения, 2023. С. 127—131.
11. Андреева М.А. О перспективах применения метода контрольных карт для управления энергоэффективностью железнодорожного транспорта // Молодёжь Сибири — науке России: Материалы Междунар. науч.-практ. конф. Красноярск: Сибирский институт бизнеса, управления и психологии, 2023. С. 42—46.
12. Frantasov D., Kudryashova Y. Information and Measurement System for Electric Power Losses Accounting in Railway Transport // Transportation Research Proc. 2021. V. 54. Pp. 552—558.
13. Torben H. Efficiency Analyses for the Railway Sector: an Overview of Key Issues // Research in Transportation Economics. 2020. V. 8. P. 100877.
14. Zhang H., Feng X., Liu Y., Wang Q. Research on Traction Energy Cost Intensity and Passenger Transport Efficiency of a Metro Train // Procedia — Social and Behavioral Sci. 2014. V. 138. P. 722—728.
15. Ren J, Zhang Q, Feng L. Analysis of Factors Affecting Traction Energy Consumption of Electric Multiple Unit Trains Based on Data Mining // J. Cleaner Production. 2020. V. 262. P. 121374.
16. Wang Х. e. a. An integrated Energy-efficient Train Operation Approach Based on the Space-time-speed Network Methodology // Transportation Research. Pt. E: Logistics and Transportation Rev. 2021. V. 150. P. 102323.
17. Kapetanović M. e. a. Reducing Fuel Consumption and Related Emissions Through Optimal Sizing of Energy Storage Systems for Diesel-electric Trains // Appl. Energy. 2021. V. 294. P. 117018.
18. Wang P., Goverde R. Multi-train Trajectory Optimization for Energy-efficient Timetabling // European J. Operational Research. 2019. V. 272(2). Pp. 621—635.
19. Tang Z. e. a. Predicting the Electricity Consumption of Urban Rail Transit Based on Binary Nonlinear Fitting Regression and Support Vector Regression // Sustainable Cities and Soc. 2021. V. 66. P. 102690.
20. Bigharaz M.H. e. a. Simultaneous Optimization of Energy Consumption and Train Performances in Electric Railway Systems // IFAC Proc. Volumes. 2014. V. 47(3) P. 6270—6275.
21. Zhang Chun-Yang e. a. Data-driven Train Operation Models Based on Data Mining and Driving Experience for the Diesel-electric Locomotive // Advanced Eng. Informatics. 2016. V. 30(3). Pp. 553—563.
---
Для цитирования: Давыдов А.И., Подгорная С.О., Долгова А.В. Поддержка принятия решений в области анализа энергоэффективности подвижного состава // Вестник МЭИ. 2024. № 5. С. 159—167. DOI: 10.24160/1993-6982-2024-5-159-167
---
Исследование выполнено в рамках государственного задания № 109-03-2024-004 (научная тема EKTY-2023-0003) по теме «Разработка концептуальной модели системы поддержки принятия решений в области анализа и прогнозирования расхода топливно-энергетических ресурсов на тягу поездов»
---
Конфликт интересов: авторы заявляют об отсутствии конфликта интересов
#
1. Komyakov A.A., Ponomarev A.V., Erbes V.V. Application of an Intelligent System for the Monitoring of Energy Efficiency Indicators at Service Locomotive Depots. Proc. Intern. Multi-conf. Industrial Eng. and Modern Technol. Vladivostok, 2018:8602926.
2. Cheremisin V., Vilgelm A. Intellectual Monitoring and Planning System of Energy Efficiency Indices of the Traction Power Supply System. Proc. IOP Conf. Series: Materials Sci. and Eng. Novosibirsk, 2020:012092.
3. Cheremisin V.T., Erbes V.V., Komyakov A.A. Development of Device for Monitoring of Energy Efficiency of Production Processes at Enterprises. Proc. Intern. Conf. Industrial Eng., Appl. and Manufacturing. Moscow, 2018:8728612.
4. Cheremisin V., Komyakov A., Ivanchenko V., Demin Y. Technology for Reducing the Consumption and Losses of Electrical Energy in the Power Supply Systems of Railway Consumers. Proc. MATEC Web Conf. Novosibirsk: EDP Sci., 2018:01033.
5. Cheremisin V.T., Erbes V.V., Komyakov A.A. Evaluation of the Actual Effectiveness of Energy-saving Devices Based on Artificial Intelligence. Proc. II Intern. Conf. Industrial Eng., Appl. and Manufacturing. Chelyabinsk: Institute of Electrical and Electronics Engineers Inc., 2016:7911416.
6. Komyakov A.A., Erbes V.V., Ivanchenko V.I. Application of Artificial Neural Networks for Electric Load Forecasting on Railway Transport. Proc. XV Intern. Conf. Environment and Electrical Eng. Rome: IEEE Computer Soc., 2015:43—46.
7. Nikiforov M.M. Sposoby i Sredstva Kontrolya Energoeffektivnosti Elektrotyagi. Innovatsionnye Proekty i Tekhnologii v Obrazovanii, Promyshlennosti i na Transporte: Materialy Nauch. Konf., Posvyashchennoy Dnyu Rossiyskoy Nauki. Omsk: Omskiy Gos. Un-t Putey Soobshcheniya, 2021:71—76. (in Russian).
8. Kashtanov A.L., Komyakov A.A., Nikiforov M.M. Prognozirovanie i Verifikatsiya Klyuchevykh Pokazateley Energeticheskoy Effektivnosti Zheleznodorozhnogo Transporta. Vestnik Ural'skogo Gos. Un-Ta Putey Soobshcheniya. 2021;1(49):46—54. (in Russian).
9. Rozhitsky D. e. a. Energy Intensity and Energy Efficiency of Energy Saving Policy of Railway Transport. Proc. Networked Control Systems for Connected and Automated Vehicles Conf. Switzerland: Springer Nature Switzerland AG, 2023;510-2:359—367.
10. Kashtanov A.L. i dr. Perspektivy Perevoda Avtotraktornoy Tekhniki OAO «RZHD» na Prirodnyy Gaz. Transport i Logistika: Razvitie v Usloviyakh Global'nykh Izmeneniy Potokov: Sb. Nauch. Tr. VII Mezhdunar. Nauch.-prakt. Konf. Rostov-na-Donu: Rostovskiy Gos. Un-t Putey Soobshcheniya, 2023:127—131. (in Russian).
11. Andreeva M.A. O Perspektivakh Primeneniya Metoda Kontrol'nykh Kart dlya Upravleniya Energoeffektivnost'yu Zheleznodorozhnogo Transporta. Molodezh' Sibiri — Nauke Rossii: Materialy Mezhdunar. Nauch.-prakt. Konf. Krasnoyarsk: Sibirskiy Institut Biznesa, Upravleniya i Psikhologii, 2023:42—46. (in Russian).
12. Frantasov D., Kudryashova Y. Information and Measurement System for Electric Power Losses Accounting in Railway Transport/ Transportation Research Proc. 2021;54:552—558.
13. Torben H. Efficiency Analyses for the Railway Sector: an Overview of Key Issues. Research in Transportation Economics. 2020;8:100877.
14. Zhang H., Feng X., Liu Y., Wang Q. Research on Traction Energy Cost Intensity and Passenger Transport Efficiency of a Metro Train. Procedia — Social and Behavioral Sci. 2014;138:722—728.
15. Ren J, Zhang Q, Feng L. Analysis of Factors Affecting Traction Energy Consumption of Electric Multiple Unit Trains Based on Data Mining. J. Cleaner Production. 2020;262:121374.
16. Wang Kh. e. a. An integrated Energy-efficient Train Operation Approach Based on the Space-time-speed Network Methodology. Transportation Research. Pt. E: Logistics and Transportation Rev. 2021;150:102323.
17. Kapetanović M. e. a. Reducing Fuel Consumption and Related Emissions Through Optimal Sizing of Energy Storage Systems for Diesel-electric Trains. Appl. Energy. 2021;294:117018.
18. Wang P., Goverde R. Multi-train Trajectory Optimization for Energy-efficient Timetabling. European J. Operational Research. 2019;272(2):621—635.
19. Tang Z. e. a. Predicting the Electricity Consumption of Urban Rail Transit Based on Binary Nonlinear Fitting Regression and Support Vector Regression. Sustainable Cities and Soc. 2021;66:102690.
20. Bigharaz M.H. e. a. Simultaneous Optimization of Energy Consumption and Train Performances in Electric Railway Systems. IFAC Proc. Volumes. 2014;47(3):6270—6275.
21. Zhang Chun-Yang e. a. Data-driven Train Operation Models Based on Data Mining and Driving Experience for the Diesel-electric Locomotive. Advanced Eng. Informatics. 2016;30(3):553—563
---
For citation: Davydov A.I., Podgornaya S.O., Dolgova A.V. Decision-making Support in Analyzing the Rolling Stock Energy Efficiency. Bulletin of MPEI. 2024;5:159—167. (in Russian). DOI: 10.24160/1993-6982-2024-5-159-167
---
The Research was carried within the Framework of State Task No. 109-03-2024-004 (Scientific Topic EKTY-2023-0003) on the Topic «Development of a Conceptual Model of a Decision Support System in the Field of Analysis and Forecasting of Fuel and Energy Resources Consumption for Train Traction»
---
Conflict of interests: the authors declare no conflict of interest
2. Cheremisin V., Vilgelm A. Intellectual Monitoring and Planning System of Energy Efficiency Indices of the Traction Power Supply System // Proc. IOP Conf. Series: Materials Sci. and Eng. Novosibirsk, 2020. P. 012092.
3. Cheremisin V.T., Erbes V.V., Komyakov A.A. Development of Device for Monitoring of Energy Efficiency of Production Processes at Enterprises // Proc. Intern. Conf. Industrial Eng., Appl. and Manufacturing. Moscow, 2018. P. 8728612.
4. Cheremisin V., Komyakov A., Ivanchenko V., Demin Y. Technology for Reducing the Consumption and Losses of Electrical Energy in the Power Supply Systems of Railway Consumers // Proc. MATEC Web Conf. Novosibirsk: EDP Sci., 2018. P. 01033.
5. Cheremisin V.T., Erbes V.V., Komyakov A.A. Evaluation of the Actual Effectiveness of Energy-saving Devices Based on Artificial Intelligence // Proc. II Intern. Conf. Industrial Eng., Appl. and Manufacturing. Chelyabinsk: Institute of Electrical and Electronics Engineers Inc., 2016. P. 7911416.
6. Komyakov A.A., Erbes V.V., Ivanchenko V.I. Application of Artificial Neural Networks for Electric Load Forecasting on Railway Transport // Proc. XV Intern. Conf. Environment and Electrical Eng. Rome: IEEE Computer Soc., 2015. P. 43—46.
7. Никифоров М.М. Способы и средства контроля энергоэффективности электротяги // Инновационные проекты и технологии в образовании, промышленности и на транспорте: Материалы науч. конф., посвященной Дню Российской науки. Омск: Омский гос. ун-т путей сообщения, 2021. С. 71—76.
8. Каштанов А.Л., Комяков А.А., Никифоров М.М. Прогнозирование и верификация ключевых показателей энергетической эффективности железнодорожного транспорта // Вестник Уральского гос. ун-та путей сообщения. 2021. № 1(49). С. 46—54.
9. Rozhitsky D. e. a. Energy Intensity and Energy Efficiency of Energy Saving Policy of Railway Transport // Proc. Networked Control Systems for Connected and Automated Vehicles Conf. Switzerland: Springer Nature Switzerland AG, 2023. V. 510-2. Pp. 359—367.
10. Каштанов А.Л. и др. Перспективы перевода автотракторной техники ОАО «РЖД» на природный газ // Транспорт и логистика: развитие в условиях глобальных изменений потоков: Сб. науч. тр. VII Междунар. науч.-практ. конф. Ростов-на-Дону: Ростовский гос. ун-т путей сообщения, 2023. С. 127—131.
11. Андреева М.А. О перспективах применения метода контрольных карт для управления энергоэффективностью железнодорожного транспорта // Молодёжь Сибири — науке России: Материалы Междунар. науч.-практ. конф. Красноярск: Сибирский институт бизнеса, управления и психологии, 2023. С. 42—46.
12. Frantasov D., Kudryashova Y. Information and Measurement System for Electric Power Losses Accounting in Railway Transport // Transportation Research Proc. 2021. V. 54. Pp. 552—558.
13. Torben H. Efficiency Analyses for the Railway Sector: an Overview of Key Issues // Research in Transportation Economics. 2020. V. 8. P. 100877.
14. Zhang H., Feng X., Liu Y., Wang Q. Research on Traction Energy Cost Intensity and Passenger Transport Efficiency of a Metro Train // Procedia — Social and Behavioral Sci. 2014. V. 138. P. 722—728.
15. Ren J, Zhang Q, Feng L. Analysis of Factors Affecting Traction Energy Consumption of Electric Multiple Unit Trains Based on Data Mining // J. Cleaner Production. 2020. V. 262. P. 121374.
16. Wang Х. e. a. An integrated Energy-efficient Train Operation Approach Based on the Space-time-speed Network Methodology // Transportation Research. Pt. E: Logistics and Transportation Rev. 2021. V. 150. P. 102323.
17. Kapetanović M. e. a. Reducing Fuel Consumption and Related Emissions Through Optimal Sizing of Energy Storage Systems for Diesel-electric Trains // Appl. Energy. 2021. V. 294. P. 117018.
18. Wang P., Goverde R. Multi-train Trajectory Optimization for Energy-efficient Timetabling // European J. Operational Research. 2019. V. 272(2). Pp. 621—635.
19. Tang Z. e. a. Predicting the Electricity Consumption of Urban Rail Transit Based on Binary Nonlinear Fitting Regression and Support Vector Regression // Sustainable Cities and Soc. 2021. V. 66. P. 102690.
20. Bigharaz M.H. e. a. Simultaneous Optimization of Energy Consumption and Train Performances in Electric Railway Systems // IFAC Proc. Volumes. 2014. V. 47(3) P. 6270—6275.
21. Zhang Chun-Yang e. a. Data-driven Train Operation Models Based on Data Mining and Driving Experience for the Diesel-electric Locomotive // Advanced Eng. Informatics. 2016. V. 30(3). Pp. 553—563.
---
Для цитирования: Давыдов А.И., Подгорная С.О., Долгова А.В. Поддержка принятия решений в области анализа энергоэффективности подвижного состава // Вестник МЭИ. 2024. № 5. С. 159—167. DOI: 10.24160/1993-6982-2024-5-159-167
---
Исследование выполнено в рамках государственного задания № 109-03-2024-004 (научная тема EKTY-2023-0003) по теме «Разработка концептуальной модели системы поддержки принятия решений в области анализа и прогнозирования расхода топливно-энергетических ресурсов на тягу поездов»
---
Конфликт интересов: авторы заявляют об отсутствии конфликта интересов
#
1. Komyakov A.A., Ponomarev A.V., Erbes V.V. Application of an Intelligent System for the Monitoring of Energy Efficiency Indicators at Service Locomotive Depots. Proc. Intern. Multi-conf. Industrial Eng. and Modern Technol. Vladivostok, 2018:8602926.
2. Cheremisin V., Vilgelm A. Intellectual Monitoring and Planning System of Energy Efficiency Indices of the Traction Power Supply System. Proc. IOP Conf. Series: Materials Sci. and Eng. Novosibirsk, 2020:012092.
3. Cheremisin V.T., Erbes V.V., Komyakov A.A. Development of Device for Monitoring of Energy Efficiency of Production Processes at Enterprises. Proc. Intern. Conf. Industrial Eng., Appl. and Manufacturing. Moscow, 2018:8728612.
4. Cheremisin V., Komyakov A., Ivanchenko V., Demin Y. Technology for Reducing the Consumption and Losses of Electrical Energy in the Power Supply Systems of Railway Consumers. Proc. MATEC Web Conf. Novosibirsk: EDP Sci., 2018:01033.
5. Cheremisin V.T., Erbes V.V., Komyakov A.A. Evaluation of the Actual Effectiveness of Energy-saving Devices Based on Artificial Intelligence. Proc. II Intern. Conf. Industrial Eng., Appl. and Manufacturing. Chelyabinsk: Institute of Electrical and Electronics Engineers Inc., 2016:7911416.
6. Komyakov A.A., Erbes V.V., Ivanchenko V.I. Application of Artificial Neural Networks for Electric Load Forecasting on Railway Transport. Proc. XV Intern. Conf. Environment and Electrical Eng. Rome: IEEE Computer Soc., 2015:43—46.
7. Nikiforov M.M. Sposoby i Sredstva Kontrolya Energoeffektivnosti Elektrotyagi. Innovatsionnye Proekty i Tekhnologii v Obrazovanii, Promyshlennosti i na Transporte: Materialy Nauch. Konf., Posvyashchennoy Dnyu Rossiyskoy Nauki. Omsk: Omskiy Gos. Un-t Putey Soobshcheniya, 2021:71—76. (in Russian).
8. Kashtanov A.L., Komyakov A.A., Nikiforov M.M. Prognozirovanie i Verifikatsiya Klyuchevykh Pokazateley Energeticheskoy Effektivnosti Zheleznodorozhnogo Transporta. Vestnik Ural'skogo Gos. Un-Ta Putey Soobshcheniya. 2021;1(49):46—54. (in Russian).
9. Rozhitsky D. e. a. Energy Intensity and Energy Efficiency of Energy Saving Policy of Railway Transport. Proc. Networked Control Systems for Connected and Automated Vehicles Conf. Switzerland: Springer Nature Switzerland AG, 2023;510-2:359—367.
10. Kashtanov A.L. i dr. Perspektivy Perevoda Avtotraktornoy Tekhniki OAO «RZHD» na Prirodnyy Gaz. Transport i Logistika: Razvitie v Usloviyakh Global'nykh Izmeneniy Potokov: Sb. Nauch. Tr. VII Mezhdunar. Nauch.-prakt. Konf. Rostov-na-Donu: Rostovskiy Gos. Un-t Putey Soobshcheniya, 2023:127—131. (in Russian).
11. Andreeva M.A. O Perspektivakh Primeneniya Metoda Kontrol'nykh Kart dlya Upravleniya Energoeffektivnost'yu Zheleznodorozhnogo Transporta. Molodezh' Sibiri — Nauke Rossii: Materialy Mezhdunar. Nauch.-prakt. Konf. Krasnoyarsk: Sibirskiy Institut Biznesa, Upravleniya i Psikhologii, 2023:42—46. (in Russian).
12. Frantasov D., Kudryashova Y. Information and Measurement System for Electric Power Losses Accounting in Railway Transport/ Transportation Research Proc. 2021;54:552—558.
13. Torben H. Efficiency Analyses for the Railway Sector: an Overview of Key Issues. Research in Transportation Economics. 2020;8:100877.
14. Zhang H., Feng X., Liu Y., Wang Q. Research on Traction Energy Cost Intensity and Passenger Transport Efficiency of a Metro Train. Procedia — Social and Behavioral Sci. 2014;138:722—728.
15. Ren J, Zhang Q, Feng L. Analysis of Factors Affecting Traction Energy Consumption of Electric Multiple Unit Trains Based on Data Mining. J. Cleaner Production. 2020;262:121374.
16. Wang Kh. e. a. An integrated Energy-efficient Train Operation Approach Based on the Space-time-speed Network Methodology. Transportation Research. Pt. E: Logistics and Transportation Rev. 2021;150:102323.
17. Kapetanović M. e. a. Reducing Fuel Consumption and Related Emissions Through Optimal Sizing of Energy Storage Systems for Diesel-electric Trains. Appl. Energy. 2021;294:117018.
18. Wang P., Goverde R. Multi-train Trajectory Optimization for Energy-efficient Timetabling. European J. Operational Research. 2019;272(2):621—635.
19. Tang Z. e. a. Predicting the Electricity Consumption of Urban Rail Transit Based on Binary Nonlinear Fitting Regression and Support Vector Regression. Sustainable Cities and Soc. 2021;66:102690.
20. Bigharaz M.H. e. a. Simultaneous Optimization of Energy Consumption and Train Performances in Electric Railway Systems. IFAC Proc. Volumes. 2014;47(3):6270—6275.
21. Zhang Chun-Yang e. a. Data-driven Train Operation Models Based on Data Mining and Driving Experience for the Diesel-electric Locomotive. Advanced Eng. Informatics. 2016;30(3):553—563
---
For citation: Davydov A.I., Podgornaya S.O., Dolgova A.V. Decision-making Support in Analyzing the Rolling Stock Energy Efficiency. Bulletin of MPEI. 2024;5:159—167. (in Russian). DOI: 10.24160/1993-6982-2024-5-159-167
---
The Research was carried within the Framework of State Task No. 109-03-2024-004 (Scientific Topic EKTY-2023-0003) on the Topic «Development of a Conceptual Model of a Decision Support System in the Field of Analysis and Forecasting of Fuel and Energy Resources Consumption for Train Traction»
---
Conflict of interests: the authors declare no conflict of interest
Опубликован
2024-06-18
Выпуск
Раздел
Системный анализ, управление и обработка информации (2.3.1)
