一种基于学习的油电混动拖轮滚动时域能量管理方法技术

本发明专利技术涉及一种基于学习的油电混动拖轮滚动时域能量管理方法，包括：1)获取拖轮历史运行数据；2)获取训练集离线训练得到的LSTM功率预测神经网络；3)将拖轮本次运行数据输入训练后的LSTM功率预测神经网络，得到预测的未来一段时间的需求功率；4)使用基于等效燃油消耗最小策略的滚动时域优化方法，进行功率在线分配；5)输出功率分配的结果，基于功率分配的结果优化拖轮的运行状态。与现有技术相比，本发明专利技术具有兼顾效率与精度等优点。明具有兼顾效率与精度等优点。明具有兼顾效率与精度等优点。

【技术实现步骤摘要】
一种基于学习的油电混动拖轮滚动时域能量管理方法


[0001]本专利技术涉及船舶电力设备
，尤其是涉及一种基于学习的油电混动拖轮滚动时域能量管理方法。

技术介绍

[0002]船舶的混合动力技术可以显著降低燃油消耗和当地二氧化碳排放，已成功应用于多种类型的船舶，典型代表为渡轮与港口拖轮(活动范围小、使用可再生岸电充电)。文献《Design and control of hybrid power and propulsion systems for smart ships:A review of developments》将船舶混合动力系统根据船舶的能量供应方式和能量推进方式进行分类。典型的混动系统能量供应方式混合能量供应，如分别存在柴油机与电池组；典型的混动系统的能量推进方式有混合能量推进与电推进。因为混动系统多存在不同的能量源，所以需要采用合适的能量管理策略分配不同能量源提供的功率。目前混合动力系统的能量管理方法主要有两类：第一类为基于规则的控制方法，通过预先制定的规则，根据工况分配功率；第二类为基于优化的控制方法，通过设定优化目标与约束，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于学习的油电混动拖轮滚动时域能量管理方法，其特征在于，包括：1)获取拖轮历史运行数据，所述历史运行数据包括训练集；2)获取基于训练集训练得到的LSTM功率预测神经网络；3)将拖轮本次运行数据输入训练后的LSTM功率预测神经网络，进行在线预测，得到预测的未来一段时间的需求功率；4)使用基于等效燃油消耗最小策略的滚动时域优化方法，根据当前时刻的需求功率和预测的未来一段时间的需求功率对时域内功率进行功率在线分配，分配过程中采用3)得到的预测的未来一段时间需求功率作为约束条件；5)输出功率分配的结果，基于功率分配的结果优化拖轮的运行状态。2.根据权利要求1所述的一种基于学习的油电混动拖轮滚动时域能量管理方法，其特征在于，2)中的训练的具体步骤为：201)采用LSTM结构的神经网络，设置网络的输入为历史船速、所处位置与需求功率，设置网络的输出为预测的未来一段时间需求功率；202)设计损失函数，对网络进行训练，得到训练后的LSTM功率预测神经网络。3.根据权利要求2所述的一种基于学习的油电混动拖轮滚动时域能量管理方法，其特征在于，损失函数表达式为：其中，N
total
为训练样本总数，P
predict,i
为网络预测的i时刻下拖轮总需求功率，P
true,i
为i时刻下拖轮实际总需求功率。4.根据权利要求2所述的一种基于学习的油电混动拖轮滚动时域能量管理方法，其特征在于，LSTM结构的神经网络的输入与输出的表达式为：其中，v
i
为时刻i下的船速，p
i
为时刻i下拖轮所处位置，P
d,i
为时刻i下拖轮总需求功率，P
predict,n+1:n+k
为网络预测的n+1时刻至n+k时刻下拖轮总需求功率，N为设置的历史窗口长度。5.根据权利要求1所述的一种基于学习的油电混动拖轮滚动时域能量管理方法，其特征在于，4)的具体步骤为：401)获取先验知识；402)建立等效燃油消耗最小策略的优化目标函数；403)建立等效燃油消耗最小策略的约束条件；404)在可行域内对控制量进行离散化，根据当前时刻的需求功率和预测的未来一段时间的需求功率求解出滚动时域内所有满足约束的分配方案；405)根据电池荷电状态与电池温度查表，获得时域...

【专利技术属性】
技术研发人员：郭亚锋，李子芃，王峻，
申请(专利权)人：同济大学，
类型：发明
国别省市：