[發明專利]一種基于模型預測控制的混合動力船舶的能量管理方法

在審

• 申請號: 201710931188.5
• 申請日: 2017-10-09
• 公開（公告）號: CN107748498A
• 公開（公告）日: 2018-03-02
• 發明（設計）人: 張偉;高迪駒;劉志全;潘海邦
• 申請（專利權）人: 上海海事大學
• 主分類號: G05B13/04
• 分類號: G05B13/04;B63H21/20;B63H21/17
• 代理公司: 上海三和萬國知識產權代理事務所(普通合伙)31230
• 代理人: 陳偉勇

1.一種基于模型預測控制的混合動力船舶的能量管理方法，所述混合動力船舶的兩組動力源分別為柴油發電機組和鋰電池組；柴油發電機組的交流電流經過AC/DC裝置轉換成直流電到直流母排，與通過DC/DC裝置的電池組的直流電流合并到直流母排，通過逆變器供電給推進電機帶動螺旋槳的運轉；其特征在于所述基于模型預測控制的混合動力船舶的能量管理方法包括以下步驟：

步驟一、獲取混合動力船舶的當前時刻需求功率P^d(k)以及電池SOC等狀態；

步驟二、在當前k時刻根據預測模型預測未來k+p時域內的船舶的功率需求；

將船舶未來功率視為一種概率分布，建立隨機馬爾可夫模型，而船舶未來需求功率的概率分布可以從船舶歷史航行數據中提取與歸納；首先將船舶功率離散化為有限個整數值，令T為船舶負載功率的集合，定義T＝{z₁,z₂,...z_s}，基于馬爾可夫鏈的船舶負載功率預測模型由轉移概率矩陣P_M定義：t_ab＝P[τ(k+i+1)＝b|τ(k+i)＝a]t_ab∈R，其中t_ab是轉移概率矩陣P_M的第a行第b列元素，a,b∈T，P[τ(k+i+1)＝b|τ(k+i)＝a]表示在k+i時刻船舶負載功率為a、在k+i+1時刻船舶負載功率變化到b的概率；

預測船舶負載功率，即描述轉移概率矩陣P_M，轉移概率可以從混合動力船舶以往的駕駛記錄中提取，令向量其中，表示在t(k+i)時刻船舶負載功率在z_i處的概率；得出下列關系式：

P(k+n-1)＝P(k+n-2)P_M＝P(k)(P_M)^n-1(1)

由于在t(k)時刻，船舶負載功率τ(k)已知，所以P(k)已知，利用上述公式可以求出船舶負載功率在預測周期內各個預測點處的分布概率，最后選取各預測點t(k+i)處概率最大的負載功率作為該時刻預測的負載功率，完成馬爾科夫預測模型的建立；

步驟三、在預測時域內建立燃油消耗最小的目標函數以及相應的約束；

模型預測控制優化的目標是在預測的有限時域t_lim內，使得混合動力系統的等效燃油消耗最少，等效的油耗量包括發動機油耗和電量等效油耗，定義系統階段指標函數是在K時刻總的等效燃油消耗量：

F_K＝F_E(k)+F_B(k)(2)

FE(k)=PE(k)×b3600{1+(95-Tec75)e}---(3)]]>

FB(k)=SC·PB(k)ηdis·ηb---(4)]]>

SC=3.6×106ηe·H·ηt·ηchg---(5)]]>

則系統在預測時域P內的總的燃油消耗為:

由此，系統目標函數就是系統在預測時域內總的燃油消耗最小，即:

J*=minΣk=ii+pFk,(i=1,2,3,....)---(7)]]>

式中，F_K表示K時刻總的等效燃油消耗量，F_E(k)表示K時刻柴油發機組的油耗量，F_B(k)表示K時刻電量等效的燃油消耗量，b為發動機燃油消耗率，T_ec為發動機冷卻水溫，SC為油—電平均轉換效率，e通常取3.1，η_chg、η_dis為電池的充放電效率，η_b為電機的平均效率，η_e為發動機平均效率，H為燃油的低熱值，η_t為油電轉換支路的機械傳動效率平均值；

基本約束條件如下：

(1)柴油發電機組的輸出功率限制：

其中P^Emin與P^Emax分別是柴油發電機的最小及最大輸出功率；

(2)電池組充放電功率及SOC限制：

-P^Chmax≤P^B(k)≤P^DChmax(9)

其中，P^Chmax和P^DChmax分別是電池組最大充電功率和最大放電功率；

電荷值限制如下：

SOC^min≤SOC(k)≤SOC^max(10)

其中，SOC^min和SOC^max分別為電池組的最小和最大電荷值；

(3)負荷需求響應條件；為了確保混合動力船舶可以執行所要求的工作，負荷需求功率響應的約束條件可以寫成：

P^E(k)+P^B(k)≥P^d(k) (11)

其中，P^E(k)和P^B(k)分別是柴電機組在k時刻的輸出功率和電池組在k時刻的輸出功率，P^d(k)為船舶運行在k時刻的負荷需求功率；

步驟四、運用貝爾曼動態規劃來求解，得到預測時域內的最優控制序列；

針對預測時域內n個預測時間點，動態規劃分為n個階段求解過程分以下幾個步驟進行：1)將狀態量SOC在允許變化范圍內進行離散化；2)逆向求解每個階段、每個SOC離散點的最優控制量及到最后階段的最小成本函數；3)正向尋找各個階段的控制量；其中，逆向求解過程描述如下；

第n-1階段：

J*n-1(xn-1)=minu(n-1)[L(xn-1,u(n-1))]---(12)]]>

第k階段(1≤k≤n-2):

Jk*(xk)=minu(k)[L(xk,u(k))+Jk+1*(x(k+1))]x(k+1)=f(xk,u(k))---(13)]]>

式中，L為每一階段的瞬時燃油消耗量，x_k表示k階段的狀態量的離散值：J_k^*(x_k)為系統在k階段，狀態x_k下到達n階段時的最優代價函數：x(k+1)表示第k階段，狀態x_k下施加控制量u(k)后，第k+1階段的狀態量，該值不一定落到狀態量的離散點上，此時可以采用插值法獲得；

從循環工況的第n階段開始至第1階段結束，分別計算各階段每個SOC離散值上的最優解及到第n階段的最小代價函數，將求得的最優解及最小代價函數記錄下來，為正向尋優做準備，

給定了SOC的初始值之后，需要正向尋找整個循環工況的最佳控制路徑，從第1階段開始，已知當前階段的狀態量SOC，在逆向求解的結果中尋找該階段該狀態下的最優控制量，將該最優控制量作為當期階段的控制量作用給船舶，計算下一階段的SOC值，進入下一階段尋優過程……直到n-1階段結束；

正向計算完成后，整個動態規劃過程結束，獲得整個循環工況的全局最優控制序列及SOC變化軌跡；

步驟五、將最優控制功率序列的第一個值作為下一時刻的控制變量作用于系統；

步驟六、回到步驟一，重復上述計算過程直到達到設定的條件。