Skip to main navigation menu Skip to main content Skip to site footer
##common.pageHeaderLogo.altText##

Scientific monographs

The theory of adaptive reactive power compensation of electric railways rolling stock: monograph

DOI
https://doi.org/10.36074/takrpersz-monograph.2022
Published
22.12.2022

Abstract

The monograph is dedicated to the creation of scientific foundations for the selection of optimal parameters and operating modes of the reactive power compensation system on AC electric locomotives. The factors that have the greatest impact on the quality of the traction power supply on the side of the alternating current electric rolling stock are analyzed. It is shown that the nature of operation of electric rolling stock leads to non-determinism and non- ergodicity of the voltage change process in the catenary. Mathematical and software-oriented models of operation of an AC traction electric locomotive have been created, the distinctive features of which are the possibility of taking into account the modes of operation of the electric locomotive. A control system for the active part of the hybrid reactive power compensator has been developed, which is based on an algorithm for determining the spectral components of the traction current based on the Levinson-Darbin linear prediction method. This makes it possible to take into account the random nature of the voltage change on the current receivers of the electric locomotive and to adapt the work of the compensator to the voltage parameters of the catenary network.

⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯

Recommended by the Academic Council of the State University of Infrastructure and Technologies (protocol № 6 dated December 29, 2022).

⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯

REVIEWERS:

Фомін О.В. – д-р техн. наук, професор, професор кафедри «Вагони та вагонне господарство» Державного університету інфраструктури та технологій, Україна.

Петренко О. М. – д-р техн. наук, доцент, доцент кафедри електричного транспорту Харківського національного університету міського господарства імені О. М. Бекетова, Україна.

Ніконов О. Я. – д-р техн. наук, професор, завідувач кафедри комп‘ютерних технологій та мехатроніки Харківського національного автомобільно-дорожнього університету, Україна.

⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯

TABLE OF CONTENTS:

ВСТУП

1. АНАЛІЗ НАПРЯМКІВ ПІДВИЩЕННЯ КОЕФІЦІЄНТУ ВИКОРИСТАННЯ ПОТУЖНОСТІ ЕЛЕКТРОРУХОМОГО СКЛАДУ ЗМІННОГО СТУМУ
1.1. Аналіз факторів, спричинених роботою електрорухомого складу змінного струму, що впливають на якість тягового електропостачання.
   1.1.1. Визначення факторів, спричинених роботою електрорухомого складу змінного струму, що впливають на якість тягового електропостачання
   1.1.2. Відхилення і коливання напруги та частоти
   1.1.3. Несиметрія трифазних напруг і струмів
   1.1.4. Несинусоїдальність напруг і струмів
   1.1.5. Імпульси, короткочасні провали і викиди напруги
   1.1.6. Фактичний внесок спотворення електрорухомим складом змінного струму в контактну мережу
1.2. Аналіз факторів, що впливають на зниження коефіцієнту потужності та методів визначення складових повної потужності на електровозах змінного струму
   1.2.1. Аналіз факторів, що впливають на зниження коефіцієнту потужності електрорухомого складу змінного струму
   1.2.2. Аналіз методів визначення складових повної потужності на електровозах змінного струму
1.3. Аналіз схемотехнічних рішень щодо компенсації реактивної потужності на електрорухомому складі змінного струму.
1.4. Огляд досліджень, присвячених підвищенню енергетичних показників електрорухомого складу змінного струму.

2. МОДЕЛЮВАННЯ СИСТЕМИ ТЯГОВОГО ПРИВОДУ ЕЛЕКТРОВОЗА ЗМІННОГО СТРУМУ З НЕКЕРОВАНОЮ ВИПРЯМНОЮ УСТАНОВКОЮ
2.1. Імітаційна модель тягового двигуна пульсуючого струму
   2.1.1. Математична модель тягового двигуна без врахування магнітних втрат в сталі
   2.1.2. Моделювання магнітних втрат в двигуні
   2.1.3. Імітаційна модель тягового двигуна з врахуванням магнітних втрат в сталі
2.2. Імітаційні моделі елементів тягового приводу електровоза серії ВЛ-80к
   2.2.1. Математична модель некерованої випрямної установки
   2.2.2. Модель системи тягового електропостачання
2.3. Імітаційна модель тягового приводу

3. МОДЕЛЮВАННЯ ГІБРИДНОГО КОМПЕНСАТОРА РЕАКТИВНОЇ ПОТУЖНОСТІ, РОБОТА ЯКОГО АДАПТОВАНА ДО ЗМІНИ ПАРАМЕТРІВ НАПРУГИ КОНТАКТНОЇ МЕРЕЖІ
3.1. Розробка методу визначення спектральних складових струму і напруги електропостачання електровозів змінного струму
   3.1.1. Аналіз методів визначення спектральних складових струму і напруги в силових ланцюгах тягового приводу електровозів змінного струму
   3.1.2. Розробка алгоритму визначення спектральних складових струмів і напруг в силових ланцюгах тягового приводу на основі методу Левінсона-Дарбіна
   3.1.3. Порівняння результатів розрахунку спектральних складових для сигналу відомої форми, виконаних методом, що пропонується і за допомогою дискретного перетворення Фур‘є
3.2. Математична та імітаційна моделі гібридного компенсатора реактивної потужності
   3.2.1. Розробка структурної схеми системи управління компенсатором реактивної потужності
   3.2.2. Розробка моделі тягового приводу електровоза серії ВЛ-80К з компенсатором реактивної потужності
   3.2.3. Результати моделювання роботи тягового приводу з компенсатором реактивної потужності

ПРИКІНЦЕВІ ПОЛОЖЕННЯ І ВИСНОВКИ

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯

Year of publication: 2022
Language: Ukrainian
Authors: Hulak S., Tkachenko V.
Translation: No
Translator: -

Type: E-book
Number of pages: 174
Format: PDF (4,4 MB)
ISBN: 978-617-8126-14-8
UDC: 629.429.3:621.313

References

  1. Сиченко, В. Г. (2015). Вплив електроенергетичних процесів у системах тягового електропостачання на якість електричної енергії. Гірнича електромеханіка та автоматика, 94, 25—30.
  2. Сиченко, В. Г., Саєнко, Ю. Л., Босий, Д. О. (2015). Якість електричної енергії у тягових мережах електрифікованих залізниць. Монографія. Дніпропетовськ: ПФ «Стандарт-CepBic», 344.
  3. Kale, S. E., & Joshi, K. D. (2017). Railway Traction System: Current Status and Apportunities. Int. J. Elect. Eng., 10(1), 47-56.
  4. Salah, F., Ilg., J. P., Flath, C. M., Basse, H., & Van Dinther, C. (2015). Impact of electric vehicles on distribution substations: A Swiss case study. Applied Energy, 137, 88-96. https://doi.org/10.1016/j.apenergy.2014.09.091.
  5. Schuller, A., Flath, C. M., & Gottwalt, S. (2015). Quantifying load flexibility of electric vehicles for renewable energy integration. Applied Energy, 151, 335-344.
  6. Douglas, H., Roberts, C., Hillmansen, S., & Schmid, F. (2015). An assessment of available measures to reduce traction energy use in railway networks. Energy Conversion and Management, 106, 1149-1165. https://doi.org/10.1016/j.enconman.2015.10.053.
  7. González-Gil, A., Palacin, R., & Batty, P. (2015). Optimal energy management of urban rail systems: Key performance indicators. Energy Conversion and Management, 90, 282-291.
  8. Yang, X., Li, X., Ning, B., & Tang, T. (2016). A survey on energy-efficient train operation for urban rail transit. IEEE Transactions on Intelligent Transportation Systems, 17(1), 2-13. https://doi.org/10.1109/TITS.2015.2447507.
  9. Ahmadi, A., Tavakoli, A., Jamborsalamati, P., Rezaei, N., Miveh, M. R., Gandoman, F. H., Heidari, A., & Nezhad, A. E. (2019). Power quality improvement in smart grids using electric vehicles: a review. IET Electrical Systems in Transportation, 9(2), 53-64. https://doi.org/10.1049/iet-est.2018.5023.
  10. Milešević, B., Uglešić, I., & Filipović-Grčić, B. (2016). Power quality analysis in electric traction system with three-phase induction motors. Electric power systems research, 138, 172-179. https://doi.org/10.1016/j.epsr.2016.02.027.
  11. Гулак, С. О., & Єрмоленко, Е. К. (2016). Модель системи Тягова підстанція–контактна мережа–тяговий привід електровоза серії ВЛ-80 Т, К. Збірник наукових праць Державного економіко-технологічного університету транспорту. Серія: Транспортні системи і технології, (28), 99-109.
  12. Гулак, С. О., & Єрмоленко, Е. К. (2018). Розробка математичної моделі для дослідження роботи приводу допоміжних машин електровозів серій ВЛ-80Т, К, що працюють в несинусоїдальному та несиметричному режимах. Вісник Східноукраїнського національного університету імені Володимира Даля, 2, 80-92.
  13. Goolak, S. (2018). Методичні рекомендації щодо застосування моделі фізичних процесів у трифазному асинхронному двигуні. Транспортні системи і технології, 1(32), 4-13. https://doi.org/10.32703/2617-9040-2018-32-1-4-13.
  14. Apollonskiy, S. M. (2015). Problems of electromagnetic compatibility in electricity of rail system. Transportation systems and technology, 1(2), 110-126. https://doi.org/10.17816/transsyst201512110-126.
  15. Babu, A., & Sreejaya, P. (2015, November). Reduced Rating Railway Power Conditioners in Co-phase Traction and Traditional traction system. In 2015 International Conference on Control Communication & Computing India (ICCC) (pp. 291-296). IEEE. https://doi.org/10.1109/ICCC.2015.7432908.
  16. Goolak, S., Yermolenko, E., & Zaika, D. (2019). Аналіз впливу електрорухомого складу на показники якості електроенергії тягової системи електропостачання. Транспортні системи і технології, 1(33), 156-170. https://doi.org/10.32703/2617-9040-2019-33-1-14.
  17. ГОСТ 13109-97. (1997). Норми якості електричної енергії в системах електропостачання загального призначення.
  18. Жиленков, А. А. (2015). Повышение эффективности систем автоматического управления качеством энергии автономных электростанций. Восточно-Европейский журнал передовых технологий, 6(9 (78)), 10-16. https://doi.org/10.15587/1729-4061.2015.56752.
  19. Костин, Н. А., & Петров, А. В. (2011). Методы определения составляющих полной мощности в системах электрической тяги. Технічна електродинаміка, 3, С. 53 – 89.
  20. Методика розрахунку технологічних втрат в пристроях електропостачання. (2003). ЦЕ 0007. Затв.: Наказ Укрзалізниці № 342 від 28.08.2003. Київ.
  21. Barinov, I. A., & Melnichenko, O. V. (2019, March). Power IGBTs application in AC-wire DC-motor locomotive thyristor-based power circuit for regenerative brake energy efficiency increase. In 2019 International conference on industrial engineering, applications and manufacturing (ICIEAM) (pp. 1-5). IEEE. https://doi.org/10.1109/ICIEAM.2019.8742933.
  22. Kundur, P. S., & Malik, O. P. (2022). Power system stability and control. McGraw-Hill Education.
  23. Tahir, Y., Khan, I., Rahman, S., Nadeem, M. F., Iqbal, A., Xu, Y., & Rafi, M. (2021). A state‐of‐the‐art review on topologies and control techniques of solid‐state transformers for electric vehicle extreme fast charging. IET Power Electronics, 14(9), 1560-1576. https://doi.org/10.1049/pel2.12141.
  24. Nour, M., Chaves-Ávila, J. P., Magdy, G., & Sánchez-Miralles, Á. (2020). Review of positive and negative impacts of electric vehicles charging on electric power systems. Energies, 13(18), 4675. https://doi.org/10.3390/en13184675.
  25. Impram, S., Nese, S. V., & Oral, B. (2020). Challenges of renewable energy penetration on power system flexibility: A survey. Energy Strategy Reviews, 31, 100539. https://doi.org/10.1016/j.esr.2020.100539.
  26. Arcia-Garibaldi, G., Cruz-Romero, P., & Gómez-Expósito, A. (2018). Future power transmission: Visions, technologies and challenges. Renewable and Sustainable Energy Reviews, 94, 285-301. https://doi.org/10.1016/j.rser.2018.06.004.
  27. Sarkar, M. N. I., Meegahapola, L. G., & Datta, M. (2018). Reactive power management in renewable rich power grids: A review of grid-codes, renewable generators, support devices, control strategies and optimization algorithms. IEEE Access, 6, 41458-41489. https://doi.org/10.1109/ACCESS.2018.2838563.
  28. Chawda, G. S., Shaik, A. G., Mahela, O. P., Padmanaban, S., & Holm-Nielsen, J. B. (2020). Comprehensive review of distributed FACTS control algorithms for power quality enhancement in utility grid with renewable energy penetration. IEEE Access, 8, 107614-107634. https://doi.org/10.1109/ACCESS.2020.3000931.
  29. Song, J., Jung, S., Lee, J., Shin, J., & Jang, G. (2021). Dynamic performance testing and implementation for static var compensator controller via hardware-in-the-loop simulation under large-scale power system with real-time simulators. Simulation Modelling Practice and Theory, 106, 102191. https://doi.org/10.1016/j.simpat.2020.102191.
  30. Lü, X., Wu, Y., Lian, J., Zhang, Y., Chen, C., Wang, P., & Meng, L. (2020). Energy management of hybrid electric vehicles: A review of energy optimization of fuel cell hybrid power system based on genetic algorithm. Energy Conversion and Management, 205, 112474. https://doi.org/10.1016/j.enconman.2020.112474.
  31. Subhashrao, Y. P., & Mubarak, M. A. (2015). Analysis and Minimization of Harmonics of Thyristor Controlled Reactors (TCR). International Journal of Engineering Research & Technology (IJERT), 4(10), 37-49.
  32. Pasupuleti, A. M. O. J. (2014). Design of an Almost Harmonic-free TCR. Research Journal of Applied Sciences, Engineering and Technology, 7(2), 388-395.
  33. Skrunes, M. (2018). Study on the Reactive Power Behaviour of the Variable Frequency Transformer. Master's thesis, NTNU.
  34. Hingorani, N. G. (2007, June). FACTS technology-state of the art, current challenges and the future prospects. In IEEE Power Engineering Society General Meeting (Vol. 2, p. 11).
  35. Bai, D. N., Gao, P. F., Yan, X. G., & Wang, Y. (2021). Intelligent forming technology: State-of-the-art review and perspectives. Journal of Advanced Manufacturing Science and Technology, 1(3), 2021008.
  36. Havryliuk, V. (2018, August). Modelling of the return traction current harmonics distribution in rails for AC electric railway system. In 2018 International Symposium on Electromagnetic Compatibility (EMC EUROPE) (pp. 251-254). IEEE. https://doi.org/10.1109/EMCEurope.2018.8485160.
  37. Zhang, L., Li, X., Liang, S., & Han, D. (2022). Research on the influence of electric railway bilateral power supply on power system and countermeasures. International Journal of Electrical Power & Energy Systems, 137, 107769. https://doi.org/10.1016/j.ijepes.2021.107769.
  38. Makhubele, J. W., & Ogudo, K. A. (2021, December). Analysis of Harmonic Contents of Hysteresis-band Current Controller Pulse Width Modulation Technique on a Single-Phase Full-Bridge Inverter Using MATLAB Software. In 2021 International Conference on Electrical, Computer and Energy Technologies (ICECET) (pp. 1-5). IEEE. https://doi.org/10.1109/ICECET52533.2021.9698618.
  39. Sun, P., Li, K., & Xing, C. (2020). A partial compensation scheme for MMC-based railway cophase power supply. Transportation Safety and Environment, 2(4), 305-317. https://doi.org/10.1093/tse/tdaa020.
  40. Alamillo, J. M. (2020). Deportes: The Making of a Sporting Mexican Diaspora. Rutgers University Press.
  41. Vlasevskiy, S. V., Malysheva, O. A., & Melnichenko, O. V. (2019, October). Energy Efficient Reversible Converter for an Alternating Current Locomotive. In 2019 International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon) (pp. 1-5). IEEE. https://doi.org/10.1109/FarEastCon.2019.8934861.
  42. Sato, K., Kato, H., & Fukushima, T. (2020). Development of SiC applied traction system for next-generation shinkansen high-speed trains. IEEJ Journal of Industry Applications, 9(4), 453-459. https://doi.org/10.1541/ieejjia.9.453.
  43. Li, J., Liu, Q., Zhai, Y., Molinas, M., & Wu, M. (2020). Analysis of harmonic resonance for locomotive and traction network interacted system considering the frequency-domain passivity properties of the digitally controlled converter. Frontiers in Energy Research, 8, 523333. https://doi.org/10.3389/fenrg.2020.523333.
  44. Rolle, I. A., Chu, M., & Xi, F. (2022). The main electrical equipment of the ac electric locomotive. In Scientific research of the SCO countries: synergy and integration (pp. 142-149).
  45. Morais, V. A., Afonso, J. L., Carvalho, A. S., & Martins, A. P. (2020). New reactive power compensation strategies for railway infrastructure capacity increasing. Energies, 13(17), 4379. https://doi.org/10.3390/en13174379.
  46. Alnuman, H., Gladwin, D., & Foster, M. (2018). Electrical modelling of a DC railway system with multiple trains. Energies, 11(11), 3211. https://doi.org/10.3390/en11113211.
  47. Гулак С. О. (2020). Підвищення енергетичних показників електровозів змінного струму за рахунок адаптованої до системи електропостачання компенсації реактивної потужності. Дисертація кандидата технічних наук. Харків. Національний технічний університет «Харківський політехнічний інститут».
  48. Nayak, B., Sahu, S., & Choudhury, T. R. (2018). Parameter estimation of DC motor using adaptive transfer function based on Nelder-Mead optimization. Indonesian Journal of Electrical Engineering and Computer Science, 9(3), 696-702. https://doi.org/10.11591/ijeecs.v9.i3.pp696-702.
  49. Drubetskyi A. Y. (2017). Approximation of universal magnetic characteristic for modelling electric traction machines. Science and Transport Progress, 67(1), 106-116. https://doi.org/10.15802/stp2017/94031.
  50. Kulinich, Y. M., Shukharev, S. A., & Drogolov, D. Y. (2019). Simulation of the pulsating current traction motor. VNIIZHT Scientific Journal, 78(5), 313-319. https://doi.org/10.21780/2223-9731-2019-78-5-313-319.
  51. Shepovalova, O. V., & Belenov, A. T. (2017). Investigation of DC motors mechanical characteristics with powered by comparable capacity PV array. Energy Procedia, 119, 990-994. https://doi.org/10.1016/j.egypro.2017.07.132.
  52. Evseev, V. Y., & Savos’kin, A. N. (2020). A mathematical model of a collector traction motor with separate consideration of eddy currents of the main and additional poles. Russian Electrical Engineering, 91(9), 557-563. https://doi.org/10.3103/S1068371220090047.
  53. Litovchenko, V. V., Nazarov, D. V., & Sharov, V. A. (2020). Simulation Model of a Direct-Current Electric Locomotive with Commutator Traction Motors. Russian Electrical Engineering, 91(1), 69-76. https://doi.org/10.3103/S1068371220010071.
  54. Spiryagin, M., Wolfs, P., Cole, C., Spiryagin, V., Sun, Y. Q., & McSweeney, T. (2016). Design and simulation of heavy haul locomotives and trains. CRC Press. https://doi.org/10.1201/9781315369792.
  55. Castaneda, C. E., Loukianov, A. G., Sanchez, E. N., & Castillo-Toledo, B. (2011). Discrete-time neural sliding-mode block control for a DC motor with controlled flux. IEEE Transactions on Industrial Electronics, 59(2), 1194-1207. https://doi.org/10.1109/TIE.2011.2161246.
  56. Goolak, S., Tkachenko, V., Bureika, G., & Vaičiūnas, G. (2020). Method of spectral analysis of traction current of AC electric locomotives. Transport, 35(6), 658-668. https://doi.org/10.3846/transport.2020.14242.
  57. Liu, R., & Li, L. (2019). Calculation method of magnetic material losses under DC bias using statistical loss theory and energetic hysteresis model. IEEE Transactions on Magnetics, 55(10), 1-4. https://doi.org/10.1109/TMAG.2019.2921357.
  58. Zhang, H., & Mueller, M. (2021). Electromagnetic properties of curved HTS trapped field stacks under high-frequency cross fields for high-speed rotating machines. Superconductor Science and Technology, 34(4), 045018. https://doi.org/10.1088/1361-6668/abe4b6.
  59. Kwon, H., & Park, H. (2021). Numerical Investigation of Optimal Air Flowrate for Cooling 600 W Brushless Direct-Current Motor. Journal of Thermal Science and Engineering Applications, 13(4), 041008. https://doi.org/10.1115/1.4048755.
  60. Rens, J., Vandenbossche, L., & Dorez, O. (2020). Iron Loss Modelling of Electrical Traction Motors for Improved Prediction of Higher Harmonic Losses. World Electric Vehicle Journal, 11(1), 24. https://doi.org/10.3390/wevj11010024.
  61. Zhao, J., Quan, X., Jing, M., Lin, M., & Li, N. (2018). Design, Analysis and Model Predictive Control of an Axial Field Switched-Flux Permanent Magnet Machine for Electric Vehicle/Hybrid Electric Vehicle Applications. Energies, 11(7), 1859. https://doi.org/10.3390/en11071859.
  62. Cheng, G., Guo, X., Wen, Y., Wang, Q., Li, G., & Zhou, R. (2018, October). Electromagnetic modeling and analysis of 3-DOF permanent magnet spherical motor using magnetic equivalent circuit method. In 2018 21st international conference on electrical machines and systems (ICEMS) (pp. 2643-2648). IEEE. https://doi.org/10.23919/ICEMS.2018.8548998.
  63. Goolak, S., Sapronova, S., Tkachenko, V., Riabov, I., & Batrak, Y. (2020). Improvement of the model of power losses in the pulsed current traction motor in an electric locomotive. Eastern-European journal of enterprise technologies, 6(5(108)), 36-46. https://doi.org/10.15587/1729-4061.2020.218542.
  64. Goolak, S., Tkachenko, V., Sapronova, S., Spivak, O., Riabov, I., & Ostroverkh, O. O. (2021). Determination of inductances for pulsating current traction motor. Technology audit and production reserves, 2(1(58)), 40-43. https://doi.org/10.15587/2706-5448.2021.229217.
  65. Goolak, S., Gerlici, J., Sapronova, S., Tkachenko, V., Lack, T., & Kravchenko, K. (2019). Determination of Parameters of Asynchronous Electric Machines with Asymmetrical Windings of Electric Locomotives. Communications-Scientific letters of the University of Zilina, 21(2), 24-31. https://doi.org/10.26552/com.C.2019.2.24-31.
  66. Byelkina, Е., & Zhukov, А. С (2015). Analysis of methods for approximating the magnetization curve of electrical steel. Innovative Science, 2(5), 22-27.
  67. Sandomirskii, S. G. (2016). Structural and phase sensitivity of the maximum differential magnetic susceptibility of steel. Russian Metallurgy (Metally), 2016(7), 619-624. https://doi.org/10.1134/S0036029516070144.
  68. Chang, L., Jahns, T. M., & Blissenbach, R. (2019). Generalized dynamic hysteresis model for improved iron loss estimation of complex flux waveforms. IEEE Transactions on Magnetics, 55(7), 1-13. https://doi.org/10.1109/TMAG.2018.2889239.
  69. Shi, P., Jin, K., Zhang, P., Xie, S., Chen, Z., & Zheng, X. (2018). Quantitative inversion of stress and crack in ferromagnetic materials based on metal magnetic memory method. IEEE Transactions on Magnetics, 54(10), 1-11. https://doi.org/10.1109/TMAG.2018.2856894.
  70. Kachniarz, M., & Szewczyk, R. (2017). Study on the Rayleigh Hysteresis Model and its Applicability in Modeling Magnetic Hysteresis Phenomenon in Ferromagnetic Materials. Acta Physica Polonica, A., 131(5). https://doi.org/10.12693/APhysPolA.131.1244.
  71. Meeker, D. C., Filatov, A. V., & Maslen, E. H. (2004). Effect of magnetic hysteresis on rotational losses in heteropolar magnetic bearings. IEEE Transactions on Magnetics, 40(5), 3302-3307. https://doi.org/10.1109/TMAG.2004.831664.
  72. de la Barrière, O., Ragusa, C., Appino, C., & Fiorillo, F. (2019). Loss Prediction in DC-Biased Magnetic Sheets. IEEE Transactions on Magnetics, 55(10), 1-14. https://doi.org/10.1109/TMAG.2019.2921000.
  73. Fomin, O., Kulbovsky, I., Sorochinska, E., Sapronova, S., Bambura, O. (2017). Experimental confirmation of the theory of implementation of the coupled design of center girder of the hopper wagons for iron ore pellets. Eastern-European Journal of Enterprise Technologies, 5(1 (89)), 11-18. https://doi.org/10.15587/1729-4061.2017.109588.
  74. Okorokov, A. M., Fomin, O. V., Lovska, A. O., Vernigora, R. V. , Zhuravel, I. L., Fomin, V. V. (2018). Research into a possibility to prolong the time of operation of universal semi-wagon bodies that have exhausted their standard resource. Eastern-European journal of enterprise technologies. 3(7(93)), 20-26. https://doi.org/10.15587/1729-4061.2018.131309.
  75. Schauerte, B., Steentjes, S., Thul, A., & Hameyer, K. (2019). Iron-loss model for arbitrary magnetization loci in NO electrical steel. International Journal of Applied Electromagnetics and Mechanics, 61(S1), 89-96. https://doi.org/10.3233/JAE-191599.
  76. Ragusa, C., Zhao, H., Appino, C., Khan, M., de la Barrière, O., & Fiorillo, F. (2016). Loss decomposition in non-oriented steel sheets: the role of the classical losses. IEEE Magnetics Letters, 7, 1-5. https://doi.org/10.1109/LMAG.2016.2604204.
  77. Liu, R., & Li, L. (2019). Calculation method of magnetic material losses under DC bias using statistical loss theory and energetic hysteresis model. IEEE Transactions on Magnetics, 55(10), 1-4. https://doi.org/10.1109/TMAG.2019.2921357.
  78. Zhao, H., Ragusa, C., Appino, C., de la Barrière, O., Wang, Y., & Fiorillo, F. (2018). Energy losses in soft magnetic materials under symmetric and asymmetric induction waveforms. IEEE Transactions on Power Electronics, 34(3), 2655-2665. https://doi.org/110.1109/TPEL.2018.2837657.
  79. Barg, S., Ammous, K., Mejbri, H., & Ammous, A. (2016). An improved empirical formulation for magnetic core losses estimation under nonsinusoidal induction. IEEE Transactions on power electronics, 32(3), 2146-2154. https://doi.org/10.1109/TPEL.2016.2555359.
  80. Yue, S., Yang, Q., Li, Y., & Zhang, C. (2018). Core loss calculation for magnetic materials employed in SMPS under rectangular voltage excitations. AIP Advances, 8(5), 056121-1-056121-6. https://doi.org/10.1063/1.5007201.
  81. Gubarevych, О., Goolak S., Gorobchenko, О., & Sklyarenko, І. (2020). Specified approach to calculation of pulse current traction loss losses. Technical sciences and technologies, 1 (19), 206-227. https://doi.org/10.25140/2411-5363-2020-1(19)-206-227.
  82. Raulin, V., Radun, A., & Husain, I. (2004). Modeling of losses in switched reluctance machines. IEEE Transactions on Industry Applications, 40(6), 1560-1569. https://doi.org/10.1109/TIA.2004.836225.
  83. Yeremin, G. N. (2017). Standardization of electrical and precision types of metal products. Improvement paths. Steel, (2), 55-58.
  84. Tey, W. Y., Lee, K. M., Asako, Y., Tan, L. K., & Arai, N. (2020). Multivariable power least squares method: Complementary tool for Response Surface Methodology. Ain Shams Engineering Journal, 11(1), 161-169. https://doi.org/10.1016/j.asej.2019.08.002.
  85. Nekhayev, V., Nikolayev, V., Smalev, А., & Vedruchenko, V. (2019). To the estimation of the locomotive power. News of the Trans-Siberian Railway, 3(39), 14-30.
  86. Gorobchenko, O., Fomin, O., Fomin, V., & Kovalenko, V. (2018). Study of the influence of electric transmission parameters on the efficiency of freight rolling stock of direct current. Eastern-European Journal of Enterprise Technologies, 1(3(91)), 60-67. https://doi.org/10.15587/1729-4061.2018.121713.
  87. Matyuk, V., & Оsipov, А. (2011). Mathematical models of the magnetization curve and magnetic hysteresis loops. Part I. Analysis of models. Non-destructive testing and diagnostics, (2), 2-35.
  88. Goolak, S., Riabov, Ie., Tkachenko, V., Sapronova, S., & Rubanik, I. (2021). Model of pulsating current traction motor taking into consideration magnetic losses in steel. Electrical Engineering & Electromechanics, 6, 11–17. https://doi.org/10.20998/2074-272X.2021.6.02,
  89. Chiriac, G., Nituca, C., & Sticea, D. (2019, May). Electric Locomotive Laboratory Test Bench for Research and Educational Purposes. In 2019 8th International Conference on Modern Power Systems (MPS) (pp. 1-4). IEEE. https://doi.org/10.1109/MPS.2019.8759652.
  90. Elagab, A. M., & El-Amin, I. M. (2022). The Impact of Electrical Traction Drives on Power System Quality under Different Loading Conditions. Arabian Journal for Science and Engineering, 1-16. https://doi.org/10.1007/s13369-022-06774-w.
  91. Ray, D. K., Rai, A., Khetan, A. K., Mishra, A., & Chattopadhyay, S. (2020). Brush fault analysis for Indian DC traction locomotive using DWT-based multi-resolution analysis. Journal of The Institution of Engineers (India): Series B, 101(4), 335-345. https://doi.org/10.1007/s40031-020-00468-3.
  92. Kovalov, V., Kovalova, Yu., & Shcherbak, I. (2022). Mechanical Power of DC Motors with Polygarmonic Power Supply, Problemele energeticii regionale, 1(53), 1-9, 2022. : https://doi.org/10.52254/1857-0070.2022.1-53.01/
  93. Goolak, S., Yermolenko, E., Tkachenko, V., Sapronova, S., & Yurchenko, V. (2022). Determination of Voltage at the Rectifier Installation of the Electric Locomotive Vl-80K for Each Position of the Controller Driver’s. Technology Audit and Production Reserves, 1((1)63), 23-29. https://doi.org/10.15587/2706-5448.2022.251947.
  94. Гулак, С. О., & Єрмоленко, Е. К. (2016). Модель системи Тягова підстанція–контактна мережа–тяговий привід електровоза серії ВЛ-80 Т, К. Збірник наукових праць Державного економіко-технологічного університету транспорту. Серія: Транспортні системи і технології, 28, 99-109.
  95. Rajaby, E., & Sayedi, S. M. (2022). A structured review of sparse fast Fourier transform algorithms. Digital Signal Processing, 103403. https://doi.org/10.1016/j.dsp.2022.103403.
  96. Parikh, R. S., & Patel, A. R. (2014). A user friendly Simulink model for FC-TCR to investigate power system issues. International Journal for Scientific Research & Development, 1(12), 2653-2656.
  97. Bagwan, S. U., Mulla, A. M., & Gudaru, U. (2014). Hardware circuit implementation of static VAR compensator (SVC) with thyristor binary compensator. International Electrical Engineering Journal, 5(1), 1240-1246.
  98. Faghihi, B. P. S. S. F. (2015). New active type of sfcl during unbalanced faults allocated in incoming and outgoing feeders of distribution networks. IMj, 10, 3, 77-83
  99. Jadhav, S. S., Mulla, A. M., & Gudaru, U. (2016). Performance realization of different reactive power controlling techniques: a review. International Journal of Advanced Research in Electronics and Communication Engineering, 5(1), 29-34.
  100. Костин, Н. А., & Петров, А. В. (2011). Методы определения составляющих полной мощности в системах электрической тяги. Технічна електродинаміка, 3, 53-89.
  101. Mariscotti, A., & Sandrolini, L. (2021). Detection of harmonic overvoltage and resonance in AC railways using measured pantograph electrical quantities. Energies, 14(18), 5645. https://doi.org/10.3390/en14185645.
  102. Kostin, M. O., Mukha, A. M., Sheikina, O. H., & Kurylenko, O. Y. (2021). Determination of energy and electric capacity of on-board supercapacitor regenerative energy storage. Наука та прогрес транспорту, 2(92), 29–39. https://doi.org/10.15802/stp2021/237500.
  103. Civera, M., & Surace, C. (2021). A comparative analysis of signal decomposition techniques for structural health monitoring on an experimental benchmark. Sensors, 21(5), 1825. https://doi.org/10.3390/s21051825.
  104. Tarko, A. P. (2022). Maximum likelihood method of estimating the conflict-crash relationship. Accident Analysis & Prevention, 179, 106875. https://doi.org/10.1016/j.aap.2022.106875.
  105. Liu, X., & Fan, Y. (2021). Maximum likelihood extended gradient‐based estimation algorithms for the input nonlinear controlled autoregressive moving average system with variable‐gain nonlinearity. International Journal of Robust and Nonlinear Control, 31(9), 4017-4036. https://doi.org/10.1002/rnc.5450.
  106. Beniwal, R. K., & Saini, M. K. (2021). Analysis of PQ Disturbances in Renewable Grid Integration System Using Non-parametric Spectral Estimation Approach. In Innovations in Computational Intelligence and Computer Vision (pp. 141-149). Springer, Singapore. https://doi.org/10.1007/978-981-15-6067-5_17.
  107. Güneyi, E. T., Canbolat, A., & Vural, E. (2021, October). Learning Parametric Time-Vertex Graph Processes from Incomplete Realizations. In 2021 IEEE 31st International Workshop on Machine Learning for Signal Processing (MLSP) (pp. 1-6). IEEE. https://doi.org/10.1109/MLSP52302.2021.9596563.
  108. Wu, H., & Lu, X. (2022). Data Assimilation of High‐Latitude Electric Fields: Extension of a Multi‐Resolution Gaussian Process Model (Lattice Kriging) to Vector Fields. Space Weather, 20(1), e2021SW002880. https://doi.org/10.1029/2021SW002880.
  109. Lv, P., Wu, Q., Xu, J., & Shu, Y. (2022). Stock Index Prediction Based on Time Series Decomposition and Hybrid Model. Entropy, 24(2), 146. https://doi.org/10.3390/e24020146.
  110. Zhang, Z. H., Min, F., Chen, G. S., Shen, S. P., Wen, Z. C., & Zhou, X. B. (2022). Tri-partition state alphabet-based sequential pattern for multivariate time series. Cognitive Computation, 14(6), 1881-1899. https://doi.org/10.1007/s12559-021-09871-4.
  111. Lahreche, A., & Boucheham, B. (2021). A fast and accurate similarity measure for long time series classification based on local extrema and dynamic time warping. Expert Systems with Applications, 168, 114374. https://doi.org/10.1016/j.eswa.2020.114374.
  112. Ruiz, A. P., Flynn, M., Large, J., Middlehurst, M., & Bagnall, A. (2021). The great multivariate time series classification bake off: a review and experimental evaluation of recent algorithmic advances. Data Mining and Knowledge Discovery, 35(2), 401-449. https://doi.org/10.1007/s10618-020-00727-3.
  113. Zhang, H., Dong, Y., Li, J., & Xu, D. (2021). Dynamic time warping under product quantization, with applications to time series data similarity search. IEEE Internet of Things Journal, 9(14), 11814-11826. https://doi.org/10.1109/JIOT.2021.3132017.
  114. Sabzikar, F., Kabala, J., & Burnecki, K. (2022). Tempered fractionally integrated process with stable noise as a transient anomalous diffusion model. Journal of Physics A: Mathematical and Theoretical, 55(17), 174002. https://doi.org/10.1088/1751-8121/ac5b92.
  115. Tian, Y., Wang, Y., Zhang, Z., & Sun, P. (2021). Fourier-domain transfer entropy spectrum. Physical Review Research, 3(4), L042040. https://doi.org/10.1103/PhysRevResearch.3.L042040.
  116. Subbiah, S. S., & Chinnappan, J. (2022). Short-term load forecasting using random forest with entropy-based feature selection. In Artificial Intelligence and Technologies (pp. 73-80). Springer, Singapore. https://doi.org/10.1007/978-981-16-6448-9_8.
  117. Benedetto, F., Mastroeni, L., & Vellucci, P. (2021). Modeling the flow of information between financial time-series by an entropy-based approach. Annals of Operations Research, 299(1), 1235-1252. https://doi.org/10.1007/s10479-019-03319-7.
  118. Goolak, S. A., Slyepuchin, A. U., Chernyh, U. M., & Yarmolenko, E. K. (2014). Metod umensheniya vysshych darmonik v napryazhenii pitaniya tyagovogo privoda elektrovozov peremenogo toka s kolektornymi kollornymi dvigatyalyami. Vyesnik ByelGUTa: Nauka I transport», Nauchno-pratichesu zhurnal, (1), 28.
  119. Tang, J. (2022). Fractional stochastic gradient algorithm for time-delayed models with piece-wise linear input using self-organizing maps method. IEEE Access, 10, 131053-131060. https://doi.org/10.1109/ACCESS.2022.3228788.
  120. Ding, F., Ma, H., Pan, J., & Yang, E. (2021). Hierarchical gradient-and least squares-based iterative algorithms for input nonlinear output-error systems using the key term separation. Journal of the Franklin Institute, 358(9), 5113-5135. https://doi.org/10.1016/j.jfranklin.2021.04.006.
  121. Li, M., & Liu, X. (2021). Iterative parameter estimation methods for dual‐rate sampled‐data bilinear systems by means of the data filtering technique. IET Control Theory & Applications, 15(9), 1230-1245. https://doi.org/10.1049/cth2.12118.
  122. Guo, L., Wang, H., & Lin, Z. (2021). Recursive least-squares algorithm for a characteristic model with coloured noise by means of the data filtering technique. International Journal of Systems Science, 52(11), 2397-2413. https://doi.org/10.1080/00207721.2021.1889707
  123. Liu, S., Zhang, Y., Xu, L., Ding, F., Alsaedi, A., & Hayat, T. (2021). Extended gradient-based iterative algorithm for bilinear state-space systems with moving average noises by using the filtering technique. International Journal of Control, Automation and Systems, 19(4), 1597-1606. https://doi.org/10.1007/s12555-019-0831-9.
  124. Selvaperumal, S. K., Nataraj, C., Thiruchelvam, V., & Hung, W. T. C. (2016). Speech to text synthesis from video automated subtitling using Levinson Durbin method of linear predictive coding. International Journal of Applied Engineering Research, 11(4), 2388-2395.
  125. Xiao, D., Mo, F., Zhang, Y., Zhao, M., & Ma, L. (2018). An extended Levinson-Durbin algorithm and its application in mixed excitation linear prediction. Heliyon, 4(11), e00948. https://doi.org/10.1016/j.heliyon.2018.e00948.
  126. Roudsari, H. M., Jamali, S., & Jalilian, A. (2018). Dynamic modeling, control design and stability analysis of railway active power quality conditioner. Electric Power Systems Research, 160, 71-88. https://doi.org/10.1016/j.epsr.2018.01.027.
  127. Бобирь, Д. В., Капіца, М. І., & Сердюк, В. Н. (2022). Теорія локомотивної тяги. Тягові розрахунки для промислового залізничного транспорту. Дніпро. «Дніпровський інститут інфраструктури і транспорту».
  128. Zarifyan, A. A., & Talakhadze, N. V. (2021, December). Comparative research of electrical energy transformation processes in locomotive traction drives with asynchronous motors and series-wound brushed DC motors. In Journal of Physics: Conference Series (vol. 2131, no. 4, p. 042079). IOP Publishing. https://doi.org/10.1088/1742-6596/2131/4/042079.