一种基于模型预测控制的混合动力船舶的能量管理方法技术

针对传统混合动力船舶控制方法难以实现实时最优控制的问题，本发明专利技术采用模型预测控制的思路，提出了一种基于模型预测控制的混合动力船舶的能量管理方法；选取马尔科夫模型对混合动力船舶需求功率进行预测，结合模型预测控制的原理，运用动态规划的方法在预测时域内以燃油消耗最小化为目标进行功率分配的优化。这种能量管理方法可以提高混合动力船舶的燃油经济性，且具有良好的实时性。

An energy management method for Hybrids Based on model predictive control

In view of the traditional hybrid ship control method is difficult to achieve real-time optimal control problem, the invention adopts the idea of predictive control model, proposes an energy management method of model predictive control based on hybrid ship; using Markoff model to predict hybrid ship power demand, combined with the model predictive control principle, optimization method dynamic programming in predictive horizon to minimize the fuel consumption for power distribution. This energy management method can improve the fuel economy of the hybrid power ship and have good real-time performance.

【技术实现步骤摘要】
一种基于模型预测控制的混合动力船舶的能量管理方法
本专利技术涉及混合动力船舶的能量管理领域，具体涉及一种基于模型预测控制的混合动力船舶的能量管理方法。
技术介绍
混合动力船舶的关键技术就是其能量管理方法，目的是在满足船舶动力性能的前提下，将多种能源合理分配、协调控制，使得各部件高效的运行。目前国内外常见的混合动力船舶的能量管理方法主要有基于规则的控制方法其中包括基于确定规则控制和模糊逻辑控制，基于优化的控制包括基于全局优化控制和基于瞬时优化控制，此外还有智能方法，如神经网络模型控制、基于遗传算法或最优控制算法的策略、动态规划等。混合动力船舶能量优化控制问题具有多目标、多约束、非线性的特征，而基于规则的控制方法不能应对多种运行状况及实际船舶负荷需求的动态变化，即适应能力不足，不能达到最优控制；基于全局优化方法由于要求事先知道行驶过程中的所有参数，而且计算量大，因此在船舶的实时控制中无法应用；相对来说，基于瞬时优化控制策略不必事先获得船舶将来运行的工况数据，不受给定循环工况的约束，计算量小，容易实现。基于此，本专利技术提出一种基于瞬时优化的模型预测控制能量管理方法。专利
技术实现思路
本专利技术本文档来自技高网...

【技术保护点】
一种基于模型预测控制的混合动力船舶的能量管理方法，所述混合动力船舶的两组动力源分别为柴油发电机组和锂电池组；柴油发电机组的交流电流经过AC/DC装置转换成直流电到直流母排，与通过DC/DC装置的电池组的直流电流合并到直流母排，通过逆变器供电给推进电机带动螺旋桨的运转；其特征在于所述基于模型预测控制的混合动力船舶的能量管理方法包括以下步骤：步骤一、获取混合动力船舶的当前时刻需求功率P

【技术特征摘要】
1.一种基于模型预测控制的混合动力船舶的能量管理方法，所述混合动力船舶的两组动力源分别为柴油发电机组和锂电池组；柴油发电机组的交流电流经过AC/DC装置转换成直流电到直流母排，与通过DC/DC装置的电池组的直流电流合并到直流母排，通过逆变器供电给推进电机带动螺旋桨的运转；其特征在于所述基于模型预测控制的混合动力船舶的能量管理方法包括以下步骤：步骤一、获取混合动力船舶的当前时刻需求功率Pd(k)以及电池SOC等状态；步骤二、在当前k时刻根据预测模型预测未来k+p时域内的船舶的功率需求；将船舶未来功率视为一种概率分布，建立随机马尔可夫模型，而船舶未来需求功率的概率分布可以从船舶历史航行数据中提取与归纳；首先将船舶功率离散化为有限个整数值，令T为船舶负载功率的集合，定义T＝{z1,z2,...zs}，基于马尔可夫链的船舶负载功率预测模型由转移概率矩阵PM定义：tab＝P[τ(k+i+1)＝b|τ(k+i)＝a]tab∈R，其中tab是转移概率矩阵PM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时刻船舶负载功率为a、在k+i+1时刻船舶负载功率变化到b的概率；预测船舶负载功率，即描述转移概率矩阵PM，转移概率可以从混合动力船舶以往的驾驶记录中提取，令向量其中，表示在t(k+i)时刻船舶负载功率在zi处的概率；得出下列关系式：P(k+n-1)＝P(k+n-2)PM＝P(k)(PM)n-1(1)由于在t(k)时刻，船舶负载功率τ(k)已知，所以P(k)已知，利用上述公式可以求出船舶负载功率在预测周期内各个预测点处的分布概率，最后选取各预测点t(k+i)处概率最大的负载功率作为该时刻预测的负载功率，完成马尔科夫预测模型的建立；步骤三、在预测时域内建立燃油消耗最小的目标函数以及相应的约束；模型预测控制优化的目标是在预测的有限时域tlim内，使得混合动力系统的等效燃油消耗最少，等效的油耗量包括发动机油耗和电量等效油耗，定义系统阶段指标函数是在K时刻总的等效燃油消耗量：FK＝FE(k)+FB(k)(2)则系统在预测时域P内的总的燃油消耗为:由此，系统目标函数就是系统在预测时域内总的燃油消耗最小，即:式中，FK表示K时刻总的等效燃油消耗量，FE(k)表示K时刻柴油发机组的油耗量，FB...

【专利技术属性】
技术研发人员：张伟，高迪驹，刘志全，潘海邦，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海,31