一种基于随机模型预测的多电飞机混合能源能量管理方法技术

本发明专利技术公开了一种基于随机模型预测的多电飞机混合能源能量管理方法，用于解决常用能量管理策略对于混合能源系统具有局限性和适用性差的问题，由三级式发电机、锂离子电池、超级电容器、AC/DC变换器和双向DC

【技术实现步骤摘要】
一种基于随机模型预测的多电飞机混合能源能量管理方法


[0001]本专利技术属于能量管理领域，具体涉及基于随机模型预测的多电飞机混合能源能量管理系统方法。

技术介绍

[0002]随着飞机电气化程度不断增加，多电飞机采用了越来越多的电力系统作为其二次能源系统，因此 多电飞机需要大容量的供电系统。270V高压直流系统极大地增加了供电容量，并且具有电网质量轻， 易实现不中断供电的特点，已在军用多电飞机F35和F22上得到了应用。为了实现可靠的270V供电， 多电飞机通常采用混合能源供电模式。不同能源系统间的电能需要合理管理才能保证多电飞机安全稳 定的运行，常用于多电飞机混合能源系统的能量管理策略有状态机控制策略、模糊逻辑控制策略、经 典PI控制策略和等效燃料消耗最小策略。
[0003]文献“Wang T,Qi L,Chen W,et al.Application of energy management strategy based on statemachine in fuel cell hybrid power system[C]//2017IEEE Transportation Electrification Conference andExpo,Asia
‑
Pacific(ITEC Asia
‑
Pacific).IEEE,2017.”针对空气冷却燃料电池和锂电池结合的混合能源系 统，提出了一种基于状态机的能量管理策略。该策略以开关规则控制为基础，根据负载功率需求和锂 电池的SOC确定每个电源系统的参考输出功率，可以满足不同负荷功率的需求，并实现能量的动态 分配。但对于系统的不同初始条件，状态机控制策略的控制效果差异大，适应性差。
[0004]文献“Xie C，Xu X,Bujlo P,et al.Fuel cell and lithium iron phosphate battery hybrid powertrain withan ultracapacitor bank using direct parallel structure[J].Journal of Power Sources,2015,279:487
‑
494.”针对 燃料电池、磷酸锂电池和超级电容并联的混合能源系统，提出了一种基于模糊逻辑控制的能量管理策 略，实现了稳定直流总线电压的目的。但模糊逻辑控制策略的控制精度低，动态品质差，缺乏系统性。
[0005]文献“Motapon S N,Dessaint L A,Al
‑
Haddad K.A Comparative Study of Energy ManagementSchemes for a Fuel
‑
Cell Hybrid Emergency Power System of More
‑
Electric Aircraft[J].IEEE Transactionson Industrial Electronics,2013,61(3):1320
‑
1334.”指出基于PI控制的能量管理策略可以实现在线优化， 以保证燃料电池系统稳定提供负载所需功率。但经典PI控制策略会降低系统的相对稳定性，而且它 的参数整定困难，不易调节，适用性低。
[0006]文献“Zhang G,Chen W,Jin Y,et al.Study on equivalent consumption minimization strategy for fuelcell hybrid tramway[C]//Transportation Electrification Asia
‑
pacific.IEEE,2017.”提出一种适用于燃料电 池混合动力有轨电车的等效燃料消耗策略，可以保证负载所需能量的有效分配和母线电压的稳定性。 但等效燃料消耗策略的等效因子的取值需要根据负载工况调整，否则优化效果下降，适用性较差。
[0007]同时以上策略的提出均是基于含有燃料电池的混合能源系统，具有一定的局限性，不一定适用于 发电机、锂电池和超级电容之间的能量管理。

技术实现思路

[0008]本专利技术针对以上几种策略的不足，提出了一种基于随机模型预测的多电飞机混合能源能量管理方 法，主要解决了常用控制策略的局限性和适用性差的问题，同时实现在线优化和更好的控制精度。具 体地，本专利技术的目的在于改善以下几个方面：
[0009]1.现有的控制策略对工况变化及参数调整的适应能力差。
[0010]2.传统的优化控制策略需要在已知飞机运行工况的前提下才能得到全局最优解，不能实现实时 控制。
[0011]3.一般的优化控制策略计算量大，计算速度慢，对微处理器的要求很高。
[0012]4.目前研究的系统通常以燃料电池为主，具有局限性，不易扩展到其他系统。
[0013]本专利技术针对以上几种策略的不足，提出了一种基于随机模型预测的多电飞机混合能源管理方法， 所述混合能源系统根据动态负载模块所需的实时功率，考虑随机扰动的情况下，采用基于随机模型预 测控制的预测结果，依据能量管理策略对三个发电机、锂电池和超级电容进行功率分配。
[0014]所述混合能源管理方法的滚动优化过程采用采用多步即时差分学习与动态规划相结合的方法；
[0015]所述部件间协同控制模块，根据功率分配的结果控制三个发电机、锂电池和超级电容的功率输出；
[0016]进一步地，应用于多电飞机混合能量管理方法，包括以下步骤：
[0017]S1建立随机扰动预测模型
[0018]通过对主发电机(P
mg1
、P
mg2
)、辅助发电机(P
ag
)、锂电池(P
B
)和超级电容(P
UC
)的功率进 行控制，实现系统功率的平衡，保证各供电设备在最优状态下运行；
[0019]在采样时刻k，取控制变量为：
[0020]u(k)＝[P
mg1
(k),P
mg2
(k),P
UC
(k),P
B
(k),P
ag
(k)]T
[0021]其中，P
mg1
(k)为主发电机1的功率，P
mg2
(k)为主发电机2的功率，P
UC
(k)为超级电容模块 的功率，P
B
(k)为锂电池模块的功率，P
ag
(k)为辅助发电机模块的功率。
[0022]则：
[0023]Δu(k)＝u(k)
‑
u(k
‑
1)＝[ΔP
mg1
(k),ΔP
mg2
(k),ΔP
UC
(k),ΔP
B
(k),ΔP
ag
(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机模型预测的多电飞机混合能源管理方法，其特征在于，所述混合能源系统根据动态负载模块所需的实时功率，考虑随机扰动的情况下，采用基于随机模型预测控制的预测结果，依据能量管理策略对三个发电机、锂电池和超级电容进行功率分配；所述混合能源管理方法的滚动优化过程采用多步即时差分学习与动态规划相结合的方法；所述部件间协同控制模块，根据功率分配的结果控制三个发电机、锂电池和超级电容的功率输出。2.根据权利要求1所述的一种基于模型预测的多电飞机混合能源能量管理方法，其特征在于：包括以下步骤：S1建立随机扰动预测模型；通过对主发电机(P
mg1
、P
mg2
)、辅助发电机(P
ag
)、锂电池(P
B
)和超级电容(P
UC
)的功率进行控制，实现系统功率的平衡，保证各供电设备在最优状态下运行；在采样时刻k，取控制变量为：u(k)＝[P
mg1
(k)，P
mg2
(k)，P
UC
(k)，P
B
(k)，P
ag
(k)]
T
其中，P
mg1
(k)为主发电机1的功率，P
mg2
(k)为主发电机2的功率，P
UC
(k)为超级电容模块的功率，P
B
(k)为锂电池模块的功率，P
ag
(k)为辅助发电机模块的功率；则：Δu(k)＝u(k)
‑
u(k
‑
1)＝[ΔP
mg1
(k)，ΔP
mg2
(k)，ΔP
UC
(k)，ΔP
B
(k)，ΔP
ag
(k)]
T
其中，Δu(k)为控制量当前时刻与上一时刻的变化量，ΔP
mg1
(k)为主发电机1的功率的变化量，ΔP
mg2
(k)为主发电机2的功率的变化量，ΔP
UC
(k)为超级电容模块的功率的变化量，ΔP
B
(k)为锂电池模块的功率的变化量，ΔP
ag
(k)为辅助发电机模块的功率的变化量；状态变量矩阵为：x(k)＝u(k)＝[P
mg1
(k)，P
mg2
(k)，P
UC
(k)，P
B
(k)，P
ag
(k)，SOC
UC
(k)，SOC
B
(k)]
T
其中，SOC
UC
(k)为超级电容的荷电状态，SOC
B
(k)为锂电池的荷电状态；输出变量为：y(k)＝[P
mg1
(k)+P
mg2
(k)+P
UC
(k)+P
B
(k)+P
ag
(k)，P
mg1
(k)，P
mg2
(k)，SOC
UC
(k)，SOC
B
(k)]
T
式中，SOC
UC
(k)和SOC
B
(k)分别为超级电容和锂电池的荷电状态，相邻采样时刻荷电状态与功率的关系应满足：式中，SOC
UC
(k
‑
1)为超级电容采样时刻前一时刻的荷电状态，SOC
B
(k
‑
1)为锂电池采样时刻前一时刻的荷电状态，E
UC
、E
B
分别为超级电容及锂电池容量；Δt为采样步长，加入随机扰动的预测模型为：式中，k为当前采样时刻；Δu(k)为控制量当前时刻与上一时刻的变化量，x(k+1)为下一时刻的状态变量矩阵，y(k)为当前时刻的输出变量矩阵，w(k)为k时刻的外界对系统产生的随机扰动，A、B、C分别为状态、输入、输出矩阵，
S2设置约束条件基于随机模型预测控制策略，考虑两种储能装置的特性，设置控制和状态约束，为混合能源系统各模块提供优化的控制信号；S3滚动优化模型预测控制中的优化部分为在有限时域内进行滚动优化；在每个采样时刻，求解该时刻起预测时域内，使指标函数最优化的未来控制动作，然后推进到下一采样时刻，优化时域也会向前推进；S4反馈校正反馈校正根据下式：y
p
(k+i)＝y
m
(k+i|k)+e(k)，，i＝0，1，
…
，N其中，N
P
为预测域；y
m
(k+i|k)和y
p
(k+i)分别为k时刻预测模型和反馈矫正后输出的预测域内k+i时刻的系统输出；e(k)为预测模型预测的k时刻系统输出与真实输出的误差；误差为：e(k)＝y
m
(k)
‑
y(k)其中，y
m
(...

【专利技术属性】
技术研发人员：吴宇，徐国圣，李伟林，王宇杨，黄文宵，张明轩，董润，
申请(专利权)人：西北工业大学太仓长三角研究院，
类型：发明
国别省市：