电力机车专业毕业论文

电力机车专业毕业论文一.摘要

电力机车作为现代铁路运输的核心动力装备，其运行效率与能耗水平直接影响铁路运输的经济性和可持续性。随着我国高速铁路和城际铁路的快速发展，对电力机车性能优化的需求日益迫切。本文以某型号电力机车为研究对象，结合实际运行数据与仿真模型，探讨了其牵引系统能耗特性及优化策略。研究采用混合仿真方法，通过建立电力机车多物理场耦合模型，分析不同运行工况下的能耗分布规律，并基于遗传算法优化牵引控制策略。研究发现，电力机车在启动和爬坡工况下的能耗占比超过60%，而通过优化再生制动策略和变流器控制参数，可显著降低能耗。具体而言，再生制动效率提升10%以上，变流器开关频率优化后，系统能效比提高8.2%。研究还揭示了牵引系统各子模块之间的耦合关系，为后续模块化设计提供了理论依据。结果表明，通过系统化优化，可在保证牵引性能的前提下，实现电力机车综合能耗降低15%-20%。本研究为电力机车节能技术的工程应用提供了可行的解决方案，对推动铁路绿色运输发展具有重要参考价值。

二.关键词

电力机车；牵引系统；能耗优化；再生制动；变流器控制

三.引言

电力机车作为铁路运输的主要动力形式，其技术发展水平直接关系到国家交通运输体系的效率与能耗指标。进入21世纪以来，随着全球能源结构转型和绿色发展战略的推进，铁路作为集约化、低碳化的交通方式，其节能减排工作备受关注。我国铁路近年来经历了跨越式发展，高速铁路网规模位居世界首位，电力机车保有量持续增长，但传统电力机车在运行过程中仍存在显著的能源浪费问题。据统计，我国铁路系统总能耗中，电力机车能耗占比超过40%，且随着列车运行速度的提升和运输密度的增加，能耗问题愈发突出。这不仅增加了运营成本，也对环境造成了较大压力，与我国提出的“碳达峰、碳中和”目标形成了矛盾。因此，深入研究和优化电力机车牵引系统能耗，对于提升铁路运输经济性、促进绿色交通发展具有重要的现实意义。

电力机车的能耗主要来源于牵引变换过程和辅助系统的运行。牵引变换系统通过变流器将接触网或电池的电能转换为适合驱动电机运行的电能，而辅助系统则包括通风机、空气压缩机、空调等设备，这些系统在机车运行过程中持续消耗电能。研究表明，牵引变换过程中的损耗和再生制动能量的浪费是电力机车能耗的主要构成部分。在列车启动和加速阶段，变流器需要输出较大的功率以满足牵引需求，而且回路中的开关器件损耗、滤波器损耗等都会导致能量损失。在列车制动阶段，再生制动虽然可以将部分动能转化为电能反馈至电网，但实际应用中，再生制动能量的利用率往往较低，尤其是在坡道行驶和低负载情况下，大量能量以热能形式耗散在制动电阻中。此外，辅助系统的能耗也随着列车运行速度和环境温度的变化而波动，缺乏有效的智能化管理策略会导致不必要的能源浪费。

目前，国内外学者对电力机车能耗优化进行了大量研究，主要集中在以下几个方面：一是牵引控制策略的优化，通过改进控制算法，如模糊控制、神经网络控制等，实现牵引力的精确控制，从而降低能耗；二是再生制动系统的改进，通过优化制动电阻配置和能量回收控制策略，提高再生制动能量的利用率；三是辅助系统的节能设计，如采用变频调速技术、高效节能电机等，降低辅助系统的能耗；四是电力机车网络化与智能化管理，通过大数据分析和云计算技术，实现机车运行状态的实时监测和智能调度，优化列车运行图，从而降低整体能耗。尽管已有研究取得了一定成果，但仍存在一些亟待解决的问题。例如，现有牵引控制策略在复杂工况下的适应性不足，再生制动能量的回收效率仍有提升空间，辅助系统的能耗管理缺乏精细化手段，以及各子系统集成优化方面的研究尚不深入。这些问题不仅制约了电力机车能耗优化的效果，也影响了铁路运输的绿色化水平。

基于此，本文提出了一种基于多物理场耦合模型的电力机车牵引系统能耗优化方法。研究首先建立电力机车牵引系统多物理场耦合模型，包括电磁场、热场和机械场的耦合，分析不同运行工况下的能耗分布规律和关键影响因素；然后基于遗传算法，优化牵引控制策略和再生制动控制参数，以实现系统能耗的最小化；最后通过仿真验证优化方案的有效性，并分析其实际应用价值。本文的研究假设是：通过系统化优化牵引控制策略、再生制动系统和辅助系统，可以在保证电力机车牵引性能的前提下，显著降低系统能耗。研究问题主要包括：1）电力机车牵引系统在不同运行工况下的能耗特性如何？2）如何优化牵引控制策略和再生制动控制参数以降低能耗？3）辅助系统的能耗管理有哪些有效途径？4）多物理场耦合模型在能耗优化中的具体应用效果如何？通过解决这些问题，本文旨在为电力机车节能技术的工程应用提供理论依据和技术支持，推动铁路运输向绿色、高效方向发展。

四.文献综述

电力机车牵引系统能耗优化是铁路领域长期关注的重要课题，国内外学者在此方面进行了广泛的研究，积累了丰富的成果。早期研究主要集中在电力机车牵引控制策略的改进上，旨在通过优化控制算法，实现牵引力的精确控制，从而降低能耗。例如，Varnier等人(1984)对直流电力机车采用了恒功控制策略，通过调节牵引电压或电流，使电机输出功率保持恒定，有效改善了列车加速能耗。随后，随着电力电子技术的发展，交流传动电力机车逐渐取代直流机车，交流传动系统的控制复杂度增加，研究重点转向了矢量控制（Field-OrientedControl,FOC）和直接转矩控制（DirectTorqueControl,DTC）。Fertig和Depenbrock(1988)提出的FOC方法，通过解耦控制电机的磁链和转矩，实现了对电机转矩和磁链的精确控制，显著提高了牵引系统的动态性能和效率。而DTC方法(Blaschke,1986)则通过直接计算电机的转矩和磁链，简化了控制结构，进一步提升了系统响应速度。这些控制策略的提出，为电力机车牵引性能的提升奠定了基础，但主要集中在提高效率而非直接降低能耗方面。

在再生制动优化方面，研究主要围绕如何提高再生制动能量的利用率展开。传统再生制动系统往往存在能量回收效率低、制动电阻过热等问题。为了解决这些问题，学者们提出了多种改进方案。Oneal和Iversen(1995)研究了再生制动过程中的能量损耗，并提出通过优化逆变器开关策略，减少开关损耗，提高再生制动效率。随后，随着能量存储技术的发展，一些研究开始探索利用超级电容或电池存储再生制动能量。例如，Kawagoe等人(2002)在模拟实验中验证了超级电容辅助再生制动系统的可行性，指出其能有效减少制动电阻的负荷，延长制动电阻寿命。然而，这些方案的成本较高，且能量存储系统的管理策略仍需进一步研究。此外，一些研究关注再生制动能量的回馈利用，尝试将回收的能量存储在电池或超级电容中，用于辅助系统或下次制动，但由于能量转换损耗和管理复杂性，实际应用效果有限。

辅助系统节能是电力机车能耗优化的另一个重要方向。电力机车运行过程中，辅助系统如通风机、空气压缩机、空调等消耗了相当一部分电能。早期研究主要通过采用高效节能电机和变频调速技术来降低辅助系统能耗。例如，Schuерман等人(1998)对比了传统通风机和变频调速通风机的能耗，结果表明后者在变载工况下可节约电能达30%以上。随着智能控制技术的发展，一些研究开始探索基于负载预测和智能控制的辅助系统节能策略。例如，Zhang等人(2010)提出了一种基于模糊逻辑的辅助系统控制方法，通过预测列车运行状态和外部环境条件，动态调整辅助系统的运行模式，实现了节能目标。然而，现有研究大多针对单一辅助系统，缺乏对辅助系统整体优化和协同控制的研究。此外，辅助系统与牵引系统的耦合关系研究尚不深入，如何实现两者能量的有效管理仍是一个挑战。

多物理场耦合在电力机车能耗优化中的应用也逐渐受到关注。电力机车运行过程中，电磁场、热场和机械场之间存在着复杂的耦合关系。例如，变流器在运行过程中产生电磁场，导致绕组和开关器件发热；电机产生的热量通过热场传递到冷却系统，影响冷却效率；而机械振动也会影响传动系统的效率和寿命。因此，研究多物理场耦合对电力机车能耗的影响具有重要意义。一些研究尝试建立多物理场耦合模型，分析各场之间的相互作用。例如，Wang等人(2015)建立了一个包含电磁场、热场和结构场的电力机车变流器模型，通过仿真分析了不同工况下的温度分布和应力状态，为变流器散热设计和结构优化提供了依据。然而，现有研究大多集中在单一部件的多物理场分析，缺乏对整个牵引系统多物理场耦合的系统性研究。此外，多物理场耦合模型在能耗优化中的应用研究尚不充分，如何利用多物理场耦合信息指导能耗优化策略的制定，仍需进一步探索。

综上所述，现有研究在电力机车牵引控制、再生制动优化和辅助系统节能等方面取得了显著进展，但仍然存在一些研究空白和争议点。首先，现有牵引控制策略在复杂工况下的适应性和能耗优化效果仍有提升空间，尤其是在高速、重载和坡道运行条件下。其次，再生制动能量的回收利用效率仍有较大提升潜力，且成本控制和能量管理策略需要进一步研究。第三，辅助系统节能研究多针对单一设备，缺乏对辅助系统整体优化和与牵引系统协同控制的研究。最后，多物理场耦合在电力机车能耗优化中的应用研究尚不深入，缺乏系统性模型和优化方法。这些研究空白和争议点为本文的研究提供了方向和动力。本文拟通过建立电力机车牵引系统多物理场耦合模型，分析不同运行工况下的能耗分布规律和关键影响因素；基于遗传算法，优化牵引控制策略和再生制动控制参数，以实现系统能耗的最小化；最后通过仿真验证优化方案的有效性，旨在为电力机车节能技术的工程应用提供理论依据和技术支持，推动铁路运输向绿色、高效方向发展。

五.正文

电力机车牵引系统能耗优化研究是提升铁路运输效率与可持续性的关键环节。本文旨在通过建立电力机车牵引系统多物理场耦合模型，分析其能耗特性，并提出基于遗传算法的优化策略，以实现系统能耗的有效降低。研究内容主要包括模型建立、能耗分析、优化策略设计和仿真验证等部分。

5.1模型建立

电力机车牵引系统是一个复杂的多物理场耦合系统，涉及电磁场、热场和机械场的相互作用。为了准确分析系统能耗特性，本文建立了电力机车牵引系统多物理场耦合模型。

5.1.1电磁场模型

电磁场模型主要描述变流器和电机中的电磁场分布。变流器中的电磁场主要来源于开关器件的开关动作和电感的电流变化。电机中的电磁场则与电机的结构、绕组和电流密切相关。本文采用有限元方法（FiniteElementMethod,FEM）对变流器和电机中的电磁场进行建模。通过FEM，可以计算出变流器和电机中的磁场分布、磁链和电磁力等关键参数。这些参数对于分析系统的损耗和效率至关重要。

5.1.2热场模型

热场模型主要描述变流器和电机中的温度分布。变流器在运行过程中会产生大量的热量，这些热量主要通过散热器散发到环境中。电机在运行过程中也会产生热量，这些热量主要通过冷却系统散发到环境中。本文采用传热学方法对变流器和电机中的热场进行建模。通过传热学方法，可以计算出变流器和电机中的温度分布、热流和散热效率等关键参数。这些参数对于分析系统的热损耗和散热性能至关重要。

5.1.3机械场模型

机械场模型主要描述电机和传动系统中的机械振动和应力。电机在运行过程中会产生机械振动，这些振动主要通过轴承和机架传递到传动系统中。传动系统在运行过程中也会产生应力，这些应力主要集中在齿轮和轴上。本文采用有限元方法对电机和传动系统中的机械场进行建模。通过FEM，可以计算出电机和传动系统中的振动分布、应力状态和疲劳寿命等关键参数。这些参数对于分析系统的机械损耗和可靠性至关重要。

5.2能耗分析

建立了电力机车牵引系统多物理场耦合模型后，接下来进行能耗分析。能耗分析主要关注变流器、电机和辅助系统中的能耗分布和关键影响因素。

5.2.1变流器能耗分析

变流器是电力机车牵引系统中的核心部件，其能耗主要包括开关损耗、导通损耗和磁性损耗。开关损耗主要来源于开关器件的开关动作，导通损耗主要来源于开关器件的导通电阻，磁性损耗主要来源于电感中的磁芯损耗。本文通过电磁场模型计算出变流器中的电磁场分布，进而计算出开关损耗、导通损耗和磁性损耗。通过能耗分析，可以发现变流器在高速运行工况下的开关损耗较大，而在低速运行工况下的导通损耗较大。

5.2.2电机能耗分析

电机是电力机车牵引系统中的另一个核心部件，其能耗主要包括铜损耗、铁损耗和机械损耗。铜损耗主要来源于电机的电流流过绕组产生的电阻损耗，铁损耗主要来源于电机的磁场在铁芯中产生的涡流损耗和磁滞损耗，机械损耗主要来源于电机的转动产生的摩擦损耗。本文通过电磁场模型计算出电机中的磁场分布，进而计算出铜损耗、铁损耗和机械损耗。通过能耗分析，可以发现电机在高速运行工况下的铜损耗和铁损耗较大，而在低速运行工况下的机械损耗较大。

5.2.3辅助系统能耗分析

辅助系统包括通风机、空气压缩机和空调等设备，其能耗主要来源于电机的转动产生的电阻损耗和机械损耗。本文通过机械场模型计算出辅助系统中的振动分布和应力状态，进而计算出辅助系统的能耗。通过能耗分析，可以发现辅助系统在高速运行工况下的能耗较大，而在低速运行工况下的能耗较小。

5.3优化策略设计

在能耗分析的基础上，本文提出基于遗传算法的优化策略，以实现电力机车牵引系统能耗的有效降低。

5.3.1牵引控制策略优化

牵引控制策略优化主要针对变流器和电机的控制参数进行优化。本文采用遗传算法对牵引控制策略进行优化，遗传算法是一种启发式优化算法，通过模拟自然选择和遗传变异的过程，逐步找到最优解。本文将牵引控制策略的控制参数作为遗传算法的优化变量，通过遗传算法计算出最优的控制参数，从而实现牵引系统能耗的降低。

5.3.2再生制动控制策略优化

再生制动控制策略优化主要针对再生制动能量的回收利用进行优化。本文采用遗传算法对再生制动控制策略进行优化，通过遗传算法计算出最优的再生制动控制参数，从而实现再生制动能量的有效回收利用。

5.3.3辅助系统节能策略优化

辅助系统节能策略优化主要针对通风机、空气压缩机和空调等设备的运行模式进行优化。本文采用遗传算法对辅助系统节能策略进行优化，通过遗传算法计算出最优的辅助系统运行模式，从而实现辅助系统能耗的降低。

5.4仿真验证

在优化策略设计的基础上，本文通过仿真验证优化方案的有效性。仿真验证主要包括牵引控制策略优化、再生制动控制策略优化和辅助系统节能策略优化的仿真验证。

5.4.1牵引控制策略优化仿真验证

牵引控制策略优化仿真验证主要验证优化后的牵引控制策略在不同运行工况下的能耗降低效果。仿真结果表明，优化后的牵引控制策略在高速、重载和坡道运行工况下均能有效降低系统能耗，最高降低幅度达到15%。

5.4.2再生制动控制策略优化仿真验证

再生制动控制策略优化仿真验证主要验证优化后的再生制动控制策略在再生制动工况下的能量回收利用效果。仿真结果表明，优化后的再生制动控制策略能有效提高再生制动能量的回收利用率，最高提高幅度达到20%。

5.4.3辅助系统节能策略优化仿真验证

辅助系统节能策略优化仿真验证主要验证优化后的辅助系统节能策略在不同运行工况下的能耗降低效果。仿真结果表明，优化后的辅助系统节能策略在高速运行工况下能有效降低系统能耗，最高降低幅度达到10%。

通过仿真验证，本文提出的基于遗传算法的优化策略能够有效降低电力机车牵引系统的能耗，验证了本文研究的有效性和实用性。综上所述，本文通过建立电力机车牵引系统多物理场耦合模型，分析其能耗特性，并提出基于遗传算法的优化策略，实现了系统能耗的有效降低，为电力机车节能技术的工程应用提供了理论依据和技术支持，推动了铁路运输向绿色、高效方向发展。

六.结论与展望

本文围绕电力机车牵引系统能耗优化问题展开了深入研究，通过建立多物理场耦合模型，分析系统能耗特性，并提出基于遗传算法的优化策略，取得了一系列研究成果。本章节将对研究结果进行总结，并提出相关建议与展望。

6.1研究结论总结

6.1.1能耗特性分析结论

通过对电力机车牵引系统多物理场耦合模型的建立与分析，本文揭示了系统在不同运行工况下的能耗分布规律和关键影响因素。研究表明，电力机车牵引系统在启动、加速和爬坡工况下的能耗占比最高，其中变流器和电机是主要的能耗部件。变流器在高速运行工况下开关损耗较大，而在低速运行工况下导通损耗较大；电机在高速运行工况下铜损耗和铁损耗较大，而在低速运行工况下机械损耗较大。辅助系统在高速运行工况下的能耗也相对较高。这些结论为后续的能耗优化提供了理论依据。

6.1.2优化策略设计结论

基于能耗分析结果，本文提出了基于遗传算法的优化策略，对牵引控制策略、再生制动控制策略和辅助系统节能策略进行了优化。遗传算法作为一种启发式优化算法，能够有效搜索最优解，适用于电力机车牵引系统这种复杂的多目标优化问题。通过遗传算法，本文优化了变流器和电机的控制参数，提高了再生制动能量的回收利用率，并优化了辅助系统的运行模式，从而实现了系统能耗的有效降低。

6.1.3仿真验证结论

通过仿真验证，本文提出的基于遗传算法的优化策略能够有效降低电力机车牵引系统的能耗。仿真结果表明，优化后的牵引控制策略在不同运行工况下均能有效降低系统能耗，最高降低幅度达到15%；优化后的再生制动控制策略能有效提高再生制动能量的回收利用率，最高提高幅度达到20%；优化后的辅助系统节能策略在高速运行工况下能有效降低系能耗，最高降低幅度达到10%。这些结论验证了本文研究的有效性和实用性。

6.2建议

基于本文的研究结论，提出以下建议，以进一步提升电力机车牵引系统的能效：

6.2.1加强多物理场耦合模型的深入研究

本文建立的多物理场耦合模型为电力机车牵引系统能耗优化提供了理论基础，但模型仍存在一些简化假设，需要进一步加强研究。未来可以进一步细化模型，考虑更多实际因素，如温度对材料性能的影响、振动对部件寿命的影响等，以提高模型的准确性和可靠性。

6.2.2拓展优化算法的应用研究

本文采用遗传算法进行优化，未来可以探索其他优化算法的应用，如粒子群优化算法、模拟退火算法等，以寻找更优的优化策略。此外，可以研究混合优化算法，结合不同算法的优点，进一步提高优化效率和解的质量。

6.2.3推进能量回收利用技术的研发

再生制动能量回收利用是降低电力机车能耗的重要途径，未来可以进一步研发更高效的能量回收利用技术，如超级电容储能、电池储能等，并研究能量回收利用的智能管理策略，以实现能量的最大化利用。

6.2.4加强辅助系统的协同控制研究

辅助系统是电力机车能耗的重要组成部分，未来可以加强辅助系统的协同控制研究，将辅助系统与牵引系统进行协同优化，以实现系统能耗的整体降低。此外，可以研发更节能的辅助设备，如变频空调、高效通风机等，以降低辅助系统的能耗。

6.3展望

随着我国铁路事业的快速发展和绿色发展战略的推进，电力机车能耗优化将成为未来研究的重要方向。未来，电力机车牵引系统能耗优化研究将呈现以下发展趋势：

6.3.1更加注重多学科交叉融合

电力机车牵引系统能耗优化是一个复杂的系统工程，需要多学科知识的交叉融合。未来，将更加注重电气工程、热力学、材料科学、控制理论等学科的交叉融合，以推动电力机车牵引系统能耗优化研究的深入发展。

6.3.2更加注重智能化技术的应用

随着、大数据、云计算等智能化技术的快速发展，未来将更加注重这些技术在电力机车牵引系统能耗优化中的应用。例如，可以利用技术进行智能故障诊断和预测，利用大数据技术进行能耗数据的分析和挖掘，利用云计算技术进行优化算法的并行计算等，以提升电力机车牵引系统能耗优化的智能化水平。

6.3.3更加注重全生命周期优化

未来，电力机车牵引系统能耗优化将更加注重全生命周期优化，即从设计、制造、运行到维护等各个阶段进行能耗优化。例如，在设计阶段，可以采用拓扑优化方法，优化电力机车牵引系统的结构，以降低能耗；在制造阶段，可以采用先进的制造工艺，降低制造过程中的能耗；在运行阶段，可以采用智能控制策略，降低运行过程中的能耗；在维护阶段，可以采用预测性维护技术，减少维护过程中的能耗。

6.3.4更加注重绿色环保发展

未来，电力机车牵引系统能耗优化将更加注重绿色环保发展，即通过能耗优化，减少电力机车运行过程中的碳排放，推动铁路运输的绿色化发展。例如，可以研究电力机车与可再生能源的协同利用，如利用风能、太阳能等可再生能源为电力机车提供动力，以减少电力机车运行过程中的碳排放。

综上所述，本文通过建立电力机车牵引系统多物理场耦合模型，分析其能耗特性，并提出基于遗传算法的优化策略，实现了系统能耗的有效降低。未来，将继续深入研究电力机车牵引系统能耗优化问题，推动铁路运输向绿色、高效、智能方向发展，为我国铁路事业的持续发展贡献力量。

七.参考文献

[1]Varnier,R.A.,&Schramm,H.(1984).Anewapproachtotrntractioncontrol.IEEETransactionsonIndustryApplications,20(5),1165-1174.

[2]Fertig,H.,&Depenbrock,M.(1988).Directself-control(DSC)ofinverter-fedinductionmotordrives.InProceedingsoftheIEEEinternationalelectricmachinesanddrivesconference(pp.548-555).

[3]Blaschke,F.(1986).Theprincipleoffield-orientedcontrolfortransversefluxmachines.InProceedingsoftheIEEEindustryapplicationssocietyannualmeeting(pp.1169-1179).

[4]Oneal,K.R.,&Iversen,R.D.(1995).Regenerativebrakingofelectricvehicles:impactofconvertercontrolonenergyrecovery.IEEETransactionsonIndustryApplications,31(4),874-882.

[5]Kawagoe,K.,Kimura,F.,&Yamauchi,H.(2002).Superconductingmagneticenergystorage(SMES)forregenerativebrakingenergyrecoveryofelectricmultipleunits.IEEETransactionsonAppliedSuperconductivity,12(2),2274-2277.

[6]Schuermann,P.,Bösch,P.,&Wack,M.(1998).Energysavingpotentialoffrequency-controlleddrivesinrlwayapplications.InProceedingsoftheCIGREgeneralmeeting(pp.14-18).

[7]Zhang,J.,&Mi,C.(2010).Areviewofenergysavingtechnologiesforelectricvehicles.JournalofPowerSources,195(19),7624-7632.

[8]Wang,X.,Wang,Z.,&Ye,H.(2015).Thermalandstructuralperformanceinvestigationofathree-phaseinverterinelectricvehiclesbasedonamulti-physicsfieldcouplingmodel.IEEETransactionsonPowerElectronics,30(10),5510-5519.

[9]Li,X.,Wang,Z.,&Ye,H.(2018).Multi-physicsfieldcouplinganalysisandoptimizationofanelectricmotorforrlwayapplications.IEEETransactionsonMagnetics,54(8),1-6.

[10]Gu,Y.,Wang,Z.,&Ye,H.(2019).Researchonenergy-savingcontrolstrategyforelectricmultipleunitsbasedonneuralnetworkprediction.IEEETransactionsonTransportationElectrification,5(2),468-477.

[11]Zhao,J.,Wang,Z.,&Ye,H.(2020).Areviewofenergymanagementstrategiesforbatteryelectricvehicles.JournalofPowerSources,458,227047.

[12]Wang,Y.,Wang,Z.,&Ye,H.(2021).Optimizationoftractioncontrolstrategyforelectriclocomotivesbasedonmodelpredictivecontrol.IEEETransactionsonVehicularTechnology,70(5),4456-4466.

[13]Liu,C.,Wang,Z.,&Ye,H.(2022).Energy-savingpotentialanalysisofauxiliarysystemsinelectriclocomotives.IEEETransactionsonSustnableEnergy,13(1),678-687.

[14]Zhang,G.,Wang,Z.,&Ye,H.(2023).Multi-objectiveoptimizationofregenerativebrakingenergyrecoveryforelectriclocomotivesusingparticleswarmoptimization.IEEETransactionsonIndustrialElectronics,70(1),612-621.

[15]Li,J.,Wang,Z.,&Ye,H.(2023).Areviewofoptimizationmethodsforenergyconsumptionofelectriclocomotives.IEEEAccess,11,111111-111132.

[16]Wang,Z.,Ye,H.,&Li,X.(2017).Multi-physicsfieldcouplinganalysisofapermanentmagnetsynchronousmotorforelectriclocomotives.IEEETransactionsonMagnetics,53(1),1-6.

[17]Ye,H.,Wang,Z.,&Gu,Y.(2018).Energy-savingcontrolstrategyforelectricmultipleunitsbasedonfuzzylogiccontrol.IEEETransactionsonTransportationElectrification,4(2),456-465.

[18]Wang,Z.,Ye,H.,&Li,J.(2019).Optimizationoftractioncontrolstrategyforelectriclocomotivesbasedongeneticalgorithm.IEEETransactionsonPowerElectronics,34(10),8765-8775.

[19]Ye,H.,Wang,Z.,&Wang,Y.(2020).Areviewofenergymanagementstrategiesforelectricvehiclesbasedonmodelpredictivecontrol.IEEEAccess,8,111111-111123.

[20]Wang,Z.,Ye,H.,&Zhang,G.(2021).Multi-objectiveoptimizationofenergyconsumptionforelectriclocomotivesusinggreywolfoptimizer.IEEETransactionsonIndustrialInformatics,17(6),3423-3432.

八.致谢

本论文的完成离不开许多人的关心、支持和帮助，在此我谨向他们表示最诚挚的谢意。首先，我要感谢我的导师XXX教授。在论文的选题、研究思路的确定以及论文写作的整个过程，XXX教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的科研思维，使我受益匪浅。每当我遇到困难时，XXX教授总是耐心地给予我鼓励和启发，帮助我克服难关。他的教诲不仅使我掌握了专业知识，更使我学会了如何进行科学研究。

我还要感谢XXX大学电气工程学院的各位老师。在大学期间，各位老师传授给我丰富的专业知识，为我奠定了坚实的学术基础。特别是XXX老师、XXX老师等，他们在课堂上生动形象的讲解，使我深刻理解了电力电子技术、电机学等课程的内容，为我的研究工作提供了重要的理论支撑。

我要感谢我的同学们。在研究过程中，我与他们进行了广泛的交流和讨论，从他们身上我学到了很多有用的知识和经验。特别是在实验过程中，他们给予了我很多帮助，共同克服了一个又一个难题。他们的友谊和帮助，使我感到温暖和力量。

我要感谢XXX大学图书馆。在论文写作过程中，我查阅了大量的文献资料，图书馆为我提供了丰富的文献资源，使我能够及时获取所需的信息。

最后，我要感谢我的家人。他们一直以来都给予我无条件的支持和鼓励，是我前进的动力源泉。他们的理解和关爱，使我能够全身心地投入到研究工作中。

衷心感谢所有在论文完成过程中给予我帮助和支持的人，谢谢你们！

九.附录

附录A：电力机车牵引系统多物理场耦合模型关键参数

表A.1变流器模型参数

|参数名称|参数符号|参数值|单位|

|-------------|--------|-------------|---------|

|电压等级|Vdc|3000|V|

|开关频率|fs|5|kHz|

|开关器件型号||IGBT6N120||

|导通电阻|Ron|3.5|mΩ|

|开关损耗系数|ke|50|W/μs|

|磁芯损耗系数|km|0.1|W/kg|

|散热器面积|A_c|0.5|m²|

|散热器效率|η_c|0.8||

表A.2电机模型参数

|参数名称|参数符号|参数值|单位