[發明專利]一種船用柴油機混合能源系統配置的優化方法

在審

• 申請號: 201910043762.2
• 申請日: 2019-01-17
• 公開（公告）號: CN109742781A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 王榮杰;曾廣淼
• 申請（專利權）人: 集美大學
• 主分類號: H02J3/32
• 分類號: H02J3/32;H02J3/38
• 代理公司: 廈門市精誠新創知識產權代理有限公司 35218
• 代理人: 何家富

1.一種船用柴油機混合能源系統配置的優化方法，其特征在于，包括：

船用柴油機混合能源系統包括光伏發電模塊、風力發電模塊、電池儲能模塊以及柴油機供電模塊，對包括所述光伏發電模塊中的太陽能電池板的總數、風力發電模塊中的風機的總數和電池儲能模塊中的蓄電池組的總數在內的系統配置參數采用下述步驟進行優化：

S1，建立船用柴油機混合能源系統配置的多目標優化模型，包括：

S11，根據船用柴油機混合能源系統配置的使用成本情況以及穩定運行情況，分別建立所述船用柴油機混合能源系統配置的成本目標函數C_T和可用性目標函數T；

S12，確定所述成本目標函數C_T和可用性目標函數T的相關配置參數的約束條件；

S2，采用人工蜂群算法對所述多目標優化模型進行優化求解，得到滿足成本和可用性優化目標的最優配置參數。

2.根據權利要求1所述的船用柴油機混合能源系統配置的優化方法，其特征在于，所述S11包括：

所述成本目標函數采用將所述船用柴油機混合能源系統配置的年投入費用、年維護費用和年燃料消耗成本之和進行表示；所述可用性目標函數其中DNM表示沒有滿足的需求量。

3.根據權利要求2所述的船用柴油機混合能源系統配置的優化方法，其特征在于：

DNM表示沒有滿足的需求量，由下式表示：

式中，u(t)是一個階躍函數，當光伏發電模塊和風機發電模塊產生的總功率大于或等于負載的需求時，u(t)＝1，否則u(t)＝0，一年中所取的樣本數為N_data，電池儲能模塊中，蓄電池所能儲存的最小電量e_{min_batt}，蓄電池當前的電量E_batt(t)，系統的光伏發電模塊在t時刻產生的總功率P_pv(t)，系統的風機發電模塊在t時刻產生的總功率P_wt(t)，負載對電能的需求量記作E_l(t)。

4.根據權利要求3所述的船用柴油機混合能源系統配置的多目標優化配置方法，其特征在于，所述系統的光伏發電模塊在t時刻產生的總功率P_pv(t)通過下述步驟獲取：

不考慮船舶在海上航行的不規則搖擺的影響，此時的太陽入射角i的計算就可以簡化并由式表示：

cosi＝sinh (8)

法相太陽輻射強度I_DN可以由式(9-10)得到，

I_DN＝I₀P^m (9)

式(9)中，I₀是太陽常數，P是大氣透明系數，m是光線透過的大氣質量，由式(10)得到，

傾斜面上的總太陽輻射強度I_θ可以由式(11)-式(12)得到：

I_θ＝I_Dθ+I_dθ+I_Rθ (11)

式(11)-式(12)中，斜面傾角θ＝0，I_Dθ是傾斜面上的太陽直射輻射強度，I_dθ是傾斜面上的太陽散射輻射強度，I_Rθ是傾斜面上所獲得的地面反射輻射強度，由于斜面傾角θ＝0，式(12)可以簡化成式(13)：

I_θ＝I_DN·(cosi+cosh) (13)

根據式(13)，可以計算在船舶航行中不同時刻、不同位置的太陽能輻射強度，所以I_t就可以由式(14)得到：

因此，單位時間內太陽能電池板產生的功率p_pv(t)就可以由式(15)得到：

p_pv(t)＝I_t(t)×A×j_pv (15)

式(15)中，太陽能電池板的面積單位是m²，A表示太陽能電池板的面積，j_pv表示太陽能電池板的電能轉化率，系統的光伏發電模塊在t時刻產生的總功率P_pv(t)由式(16)可以得到：

P_pv(t)＝N_pv×p_pv(t) (16)

式(16)中，N_pv是系統中太陽能電池板的總數，其取值范圍如式(17)所示：

0≤N_pv≤N_{max_pv} (17)

其中N_{max_pv}表示N_pv的最大值。

5.根據權利要求1所述的船用柴油機混合能源系統配置的多目標優化配置方法，其特征在于，所述S2包括：

人工蜂群算法分為四個階段，即初始化階段、EB優化階段、OB優化階段和SB優化階段：

在初始化階段，程序需要隨機生成N_P個待優化解的初始值，N_P表示種群的大小，N_P越大它能找到的食物源也越多，食物源的個數就是待優化解x(l,d)的個數，x(l,d)的值可以由式(39)得到：

x(l,d)＝x_min(d)+rand×[x_max(d)-x_min(d)] (39)

式(39)中，x_max(d)和x_min(d)分別是其最大值和最小值，rand表示0～1內的隨機數，d是維度，l是待優化解的序號，

在EB優化階段和OB優化階段，更新解z(l,d)可以由式(40)得到：

z(l,d)＝x(l,d)+y_ld×[x(l,d)-x(r,d)] (40)

式(40)中y_ld表示-1～1的隨機數，r為1～N_P之間的一個隨機整數且不等于l，由于x(l,d)是有最大值和最小值的，所以z(l,d)計算出來可能會超出x(l,d)的取值范圍，如果發生這種情況，就需要放棄這個更新解，利用式(39)得到一個新解作為替代品，

OB優化階段所使用的概率p_l如式(41)來計算：

式(41)中，F(l)是優化解所對應的成本和可用性優化目標的函數值，所述成本和可用性優化目標包括：

所述成本和可用性優化目標其中，λ₁和λ₂表示C_T和T在系統優化中的重要性，為預設值，Max(C_T)和Min(C_T)分別表示成本的最大值和最小值，Max(T)和Min(T)分別表示可用性的最大值和最小值，

OB優化階段的工作是對EB優化階段得出的優化解進行評估，根據花蜜數量對應的概率來選擇食物源，在SB優化階段，當其未更新的次數k_count大于閾值k_limit時，那么，就利用式(38)隨機得到一個新解來與之前的最優值進行比較，如果新解更好，便代替目前的最優解，如果算法滿足了收斂條件，則輸出最優解，否則就進入下一次的迭代計算。