38
«Молодой учёный» . № 4 (346) . Январь 2021 г.
Технические науки 4. 5. 6.
7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17.
Wang, F.; Yu, Y.; Zhang, Z.; Li, J.; Zhen, Z.; Li, K. Wavelet Decomposition and Convolutional LSTM Networks Based Improved Deep Learning Model for Solar Irradiance Forecasting. Appl. Sci. 2018, 8, 1286. Valentín, L.; Peña-Cruz, M.; Moctezuma, D.; Peña-Martínez, C.; Pineda-Arellano, C.; Díaz-Ponce, A. Towards the Development of a Low-Cost Irradiance Nowcasting Sky Imager. Appl. Sci. 2019, 9, 1131. Richardson, W.; Cañadillas, D.; Moncada, A.; Guerrero-Lemus, R.; Shephard, L.; Vega-Avila, R.; Krishnaswami, H. Validation of All-Sky Imager Technology and Solar Irradiance Forecasting at Three Locations: NREL, San Antonio, Texas, and the Canary Islands, Spain. Appl. Sci. 2019, 9, 684. Chen, F.; Guo, S.; Gao, Y.; Yang, W.; Yang, Y.; Zhao, Z.; Ehsan, A. Evaluation Model of Demand-Side Energy Resources in Urban Power Grid Based on Geographic Information. Appl. Sci. 2018, 8, 1491. Kim, S.; Oh, M.; Park, H. Analysis and Prioritization of the Floating Photovoltaic System Potential for Reservoirs in Korea. Appl. Sci. 2019, 9, 395. Alsadi, S.; Khatib, T. Photovoltaic Power Systems Optimization Research Status: A Review of Criteria, Constrains, Models, Techniques, and Software Tools. Appl. Sci. 2018, 8, 1761. Chou, C.; Chung, P.; Yang, R. Wind Loads on a Solar Panel at High Tilt Angles. Appl. Sci. 2019, 9, 1594. Chamkha, A.; Selimefendigil, F. Numerical Analysis for Thermal Performance of a Photovoltaic Thermal Solar Collector with SiO2Water Nanofluid. Appl. Sci. 2018, 8, 2223. Gulkowski, S.; Zdyb, A.; Dragan, P. Experimental Efficiency Analysis of a Photovoltaic System with Different Module Technologies under Temperate Climate Conditions. Appl. Sci. 2019, 9, 141. Rouibah, A.; Benazzouz, D.; Kouider, R.; Al-Kassir, A.; García-Sanz-Calcedo, J.; Maghzili, K. Solar Tower Power Plants of Molten Salt External Receivers in Algeria: Analysis of Direct Normal Irradiation on Performance. Appl. Sci. 2018, 8, 1221. Xie, T.; Zhang, G.; Liu, H.; Liu, F.; Du, P. A Hybrid Forecasting Method for Solar Output Power Based on Variational Mode Decomposition, Deep Belief Networks and Auto-Regressive Moving Average. Appl. Sci. 2018, 8, 1901. Mei, F.; Wu, Q.; Shi, T.; Lu, J.; Pan, Y.; Zheng, J. An Ultrashort-Term Net Load Forecasting Model Based on Phase Space Reconstruction and Deep Neural Network. Appl. Sci. 2019, 9, 1487. Rubio-Aliaga, A.; Molina-Garcia, A.; Garcia-Cascales, M.; Sanchez-Lozano, J. Net-Metering and Self-Consumption Analysis for Direct PV Groundwater Pumping in Agriculture: A Spanish Case Study. Appl. Sci. 2019, 9, 1646. Президент России: Указ президента Российской Федерации от 1 декабря 2016 г. № 642: [сайт]. — URL: http://www.kremlin. ru/acts/bank/41449 (дата обращения: 17.11.2020). — Текст: электронный. (пункт 20Б б) переход к экологически чистой и ресурсосберегающей энергетике, повышение эффективности добычи и глубокой переработки углеводородного сырья, формирование новых источников, способов транспортировки и хранения энергии)
Об организации грузовой работы железнодорожных станций сети ОАО «РЖД» Сосновская Елена Сергеевна, студент Российский университет транспорта (МИИТ) (г. Москва)
В статье автор предлагает новые пути оптимизации в организации работы на различных железнодорожных станциях, учитывая специфические условия местности и работы. Ключевые слова: грузооборот, грузовая работа, железная дорога.
О
бъемы грузовой работы конкретных железнодорожных станций зависят от экономического состояния конкретного региона. Необходима своевременная адаптация железнодорожного транспорта к изменениям экономики региона для обеспечения гарантированного вывоза предъявляемых к перевозке грузов. Для оптимальной её организации нужна идеально выстроенная система логистики, тесное взаимодействие при работе железнодорожных станций и примыкающих к ней железнодорожных путей необщего пользования. Для устранения узких мест в инфраструктуре станций и перегонов, технологии их работы проводят технический аудит, при необходимости корректируют Единый сетевой технологический процесс. Необходимы
новые технологии взаимодействия работы путей необщего пользования и железнодорожной станции, которые будут учитывать возможности портов-партнёров, припортовых дорог, конечных получателей груза. Например, ПАО «Кузбасская топливная компания» предлагает проект «Универсализация грузовых поездов» [7], в соответствии с которым предполагается формирование так называемого обезличенного гружёного поезда, которому будет назначен адрес в процессе формирования погрузки. Если компания-грузоотправитель предполагает сформировать экспортный маршрут в адрес порта Дальнего Востока, но в данные отчётные сутки ОАО «РЖД» корректирует погрузку в сторону уменьшения в связи со снижением выгрузки в порту. Грузоотпра-
