Die vorliegende Arbeit verfolgt als Ziel Algorithmen zur anwendungsbezogenen Komponen-tenauswahl und Antriebskonfiguration dieselelektrischer Schienenfahrzeuge zu entwickeln und umzusetzen. Aus modellierten Einzelkomponenten werden automatisiert virtuelle Antriebsstränge generiert, anhand einer vorgebbaren Transportaufgabe simulationstechnisch bewertet und miteinander verglichen. Aus den Berechnungsergebnissen kann die für die vorgegebenen Randbedingungen am besten geeignete Antriebskonfiguration ermittelt werden. Zum Verifizieren der Ergebnisse wurden messtechnische Untersuchungen durch-geführt.

Diese Arbeit entstand an der Professur für Fahrzeugmodellierung und –simulation der TU Dresden in Zusammenarbeit mit der Fa. Bombardier Transportation („Bombardier Center of Competence“). In einem Teilprojekt dieser Kooperation wird die Einführung technischer Funktionen und Systeme zur Energieeinsparung bei Lokomotiven untersucht. Die Nutzung von Speichertechnologien ist neben der Abwärmenutzung und der energiesparenden Fahrweise die effizienteste Maßnahme zur Senkung des Kraftstoffverbrauchs bei Dieselfahrzeugen. Zusätzlich zur Rekuperation von Bremsarbeit können die Funktionen Lastpunktverschiebung und emissionsfreier Betrieb mit Hilfe eines Energiespeichers realisiert werden. Der Einsatz elektrischer Energiespeicher erweist sich als geeignet für dieselelektrische Schienenfahrzeuge im Personenverkehr, da diese durch die bereits vorhandenen elektrischen Antriebskomponenten relativ einfach zu hybridisieren sind und eine nutzungsgerechte Speicherauslegung aufgrund weitgehend bekannter Fahraufgaben möglich ist. In der Arbeit wird ein durchgängiges Verfahren zur Auslegung von dieselelektrischen Lokomotiven mit Energiespeichern im Personenverkehr beschrieben. Im Fokus liegt dabei der Einsatz von Optimierungsalgorithmen zur Verbesserung des Generatorsystems und des Einsatzes von elektrischen Energiespeichern im Hinblick auf den Kraftstoffverbrauch und die weiteren Anteile der Lebenszykluskosten. Das im Rahmen der Arbeit erstellte Programm zur energetischen Simulation bildet die Basis zur Untersuchung verschiedener Strategien für die Fahrtgestaltung unter Berücksichtigung der Fahrzeitreserven, den Betrieb des Energiespeichers und der Steuerung von Anlagen mit mehreren Dieselmotorgeneratorsätzen. Neben der Nutzung regelbasierter Strategien werden dabei auch vorausschauende Betriebsstrategien eingesetzt, welche die Möglichkeiten der bei Schienenfahrzeugen im Vorfeld bekannten Streckengeschwindigkeit und -topologie nutzen. Die dafür angewandten Methoden sind die Dynamische Programmierung nach BELLMANN und der äquivalenzkostenbasierte Betrieb. Die Optimierung der Fahrzeugkonfiguration wird durch einen Programmbaustein realisiert, welcher unter Berücksichtigung der Lokkonfiguration und der Energiesimulation für ein vorgegebenes Streckenprofil die Verbrauchs-, Instandhaltungs- und Anschaffungskosten für das Fahrzeug berechnet.

Diese Arbeit befasst sich mit der Implementierung eines Energiespeichersystems in ein dieselelektrisches Schienenfahrzeug. Ziel der Arbeit ist es mit einem automatisierten Ansatz die besten Parameter für das Energiespeichersystem zu finden. Um die geeignetsten Parameter zu bestimmen, wurde eine Optimierung basierend auf genetischen Algorithmen verwendet. Neben der Charakteristik des Energiespeichersystems wird auch dessen Betriebsstrategie untersucht und optimiert. Der Fahrstil genau wie die Leistung des Dieselmotors werden ebenfalls variiert, um die Ergebnisse der Optimierung mit und ohne Energiespeichersystem zu vergleichen. / This work deals with an implementation of an energy storage system in a diesel electric driven rail vehicle. The aim of this work is an automatic approach to find the best parameters for an energy storage system. To find the best fitting parameters an optimization based on genetic algorithms is used. Beside the characteristics of the energy storage system as well the strategy to operate it is investigated and optimized. The driving style as well as the power of the internal combustion engine are varied in order to compare the solution of the optimization with and without energy storage systems.