[發(fā)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?zhí)枺?/td>: 201710931188.5
• 申請日: 2017-10-09
• 公開（公告）號: CN107748498A
• 公開（公告）日: 2018-03-02
• 發(fā)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

技術領域

本發(fā)明涉及混合動力船舶的能量管理領域，具體涉及一種基于模型預測控制的混合動力船舶的能量管理方法。

背景技術

混合動力船舶的關鍵技術就是其能量管理方法，目的是在滿足船舶動力性能的前提下，將多種能源合理分配、協(xié)調控制，使得各部件高效的運行。目前國內外常見的混合動力船舶的能量管理方法主要有基于規(guī)則的控制方法其中包括基于確定規(guī)則控制和模糊邏輯控制，基于優(yōu)化的控制包括基于全局優(yōu)化控制和基于瞬時優(yōu)化控制，此外還有智能方法，如神經網絡模型控制、基于遺傳算法或最優(yōu)控制算法的策略、動態(tài)規(guī)劃等。混合動力船舶能量優(yōu)化控制問題具有多目標、多約束、非線性的特征，而基于規(guī)則的控制方法不能應對多種運行狀況及實際船舶負荷需求的動態(tài)變化，即適應能力不足，不能達到最優(yōu)控制；基于全局優(yōu)化方法由于要求事先知道行駛過程中的所有參數(shù)，而且計算量大，因此在船舶的實時控制中無法應用；相對來說，基于瞬時優(yōu)化控制策略不必事先獲得船舶將來運行的工況數(shù)據(jù)，不受給定循環(huán)工況的約束，計算量小，容易實現(xiàn)。基于此，本發(fā)明提出一種基于瞬時優(yōu)化的模型預測控制能量管理方法。

發(fā)明內容

本發(fā)明針對混合動力船舶的能量管理方法，采用模型預測控制的思路，提出了一種基于模型預測控制的能量管理方法；本發(fā)明構建的混合動力系統(tǒng)為一種典型的串聯(lián)混合動力系統(tǒng)，兩組動力源分別為柴油發(fā)電機組和動力電池組，柴油發(fā)電機組產生的交流電經過AC/DC裝置送到直流母排，來自電池組的直流電通過DC/DC裝置后，送到直流母排；電流再通過逆變器供電給推進電機帶動螺旋槳運轉。結合模型預測控制的原理，模型預測控制在每一個采樣時刻，把被控系統(tǒng)的當前狀態(tài)作為初始狀態(tài)，在線解決一個特定時域內的最優(yōu)化問題獲取未來一段時間內(預測時域內)的最優(yōu)控制序列，將該控制序列的第一個或前幾個控制量作用到被控系統(tǒng)，在下一時刻重復上述過程。預測控制算法的基本原理可以歸結為預測模型，滾動優(yōu)化和反饋校正三個主要部分，其中滾動優(yōu)化是其核心，是區(qū)別傳統(tǒng)最優(yōu)控制方法的根本點，其原理為：在k時刻求出預測區(qū)間k～k+p內的最優(yōu)控制序列[u(k),u(k+1|k),u(k+2|k),…]，在k+1時刻要求出新的預測區(qū)間k+1～k+p內的最優(yōu)控制序列[u(k+1),u(k+2|k+1),u(k+3|k+1),…]，以此類推，即為滾動優(yōu)化過程。本發(fā)明首次將模型預測控制的理論方法運用到混合動力船舶的能量管理中；然而，國內目前還沒有在混合動力船舶電力推進系統(tǒng)中運用該能量管理方法。該能量方法包括以下步驟：

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

步驟二、在當前k時刻根據(jù)預測模型預測未來k+p時域內的船舶的功率需求；

本發(fā)明所采用的預測模型為馬爾科夫模型，首先，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(shù)據(jù)中提取與歸納。首先將船舶功率離散化為有限個整數(shù)值(近似代表連續(xù)的功率變化)，令T為船舶負載功率的集合，則定義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。可以得出下列關系式：

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(shù)以及相應的約束；