一种船舶动力系统中动力电池容量配比的优化方法与流程

本发明涉及船舶动力技术领域，更具体地说，涉及一种船舶动力系统中动力电池容量配比的优化方法。

背景技术：

我国近几年旅游事业发展迅猛，人们在满足物质生活需求的同时开始追求精神层次上的满足。拥有广阔水域资源的地区迎来了旅游发展的黄金时期，但旅游业发展的同时也给当地水域造成了越来越严重的污染，其中以柴油机和汽油机为动力的游览船便是主要污染源，其噪声、烟尘废气以及油料泄漏等不仅对水域生态环境造成了很大的破坏，而且影响游客的旅行体验，更不利于景区的长期发展。因此研究设计以绿色能源为主动力的观光游船具有重要意义。

以风力和太阳能作为辅助动力、以动力电池作为推进动力的船舶动力系统，可实现游船的绿色化。本发明针对该船舶动力系统如何跟根据船舶的历史工况，综合考虑系统配置成本和电池的寿命周期来优化配置动力电池配置容量，在满足历史工况的基础上，达到最大经济性的目的。

技术实现要素：

本发明所要解决的技术问题是，提出一种船舶动力系统中动力电池容量配比的优化方法。

本发明的目的是通过以下技术方案来实现的：设计一种船舶动力系统中动力电池容量配比的优化方法，该船舶动力系统包括风力发电系统、光伏发电系统和动力电池，所述风力发电系统通过ac/dc将电能输出到直流母线，所述光伏发电系统、动力电池均通过dc/dc将电能输出到直流母线，所述动力电池、风力发电系统、光伏发电系统并联到直流母线，所述直流母线通过dc/ac给交流负载提供动力；该方法包括以下步骤：

step1，建立风力发电系统的输出功率模型。

风力发电系统的输出功率为单位时间里垂直流过截面面积a的风能，即：

公式(1)中，m是空气质量，单位为kg/m³；e是风能，单位为w；v是风速，单位为m/s；ρ是空气密度，单位为kg/m³；a的单位为m²。

step2，建立光伏发电系统的输出功率模型。

光伏发电系统的输出功率为：

公式(2)中，ppv为t时刻光伏阵列输出的功率大小；g(t)为t时刻光伏太阳能电池板表面的光照强度，单位为w/m²；gstc是在光照强度为1000w/m²、温度为25℃的标准测试环境下照射到光伏阵列表面的光照强度；w(t)为当前时刻太阳能电池板的表面温度；k是与光伏电池有关的温度系数，其取值为-0.47％/k；pstc是指在光照强度为1000w/m²、温度为25℃的标准测试环境下照射到光伏阵列表面的额定输出功率。

step3，建立动力电池的数学模型。

建立动力电池的数学模型根据动力电池剩余电量、动力电池荷电状态和充放电功率约束进行模型建立，

1)动力电池剩余电量为：

充电过程：

放电过程：

公式(3)和公式(4)中，socb(t-1)是第t-1个时段结束时动力电池的剩余电量；socb(t)是第t个时段结束时动力电池的剩余电量；δb是动力电池的自放电率，单位为％/h；pb,c(t)、pb,d(t)分别为动力电池的充电和放电功率，单位为mw，其值大于0表示放电，小于0表示充电；ηb,c、ηb,d分别是动力电池的充电和放电效率，单位是％，其取值范围为80％～90％；eb,n是动力电池的额定容量，单位为mw·h；δt是采样步长；

2)动力电池荷电状态：

socb,min≤socb(t)≤socb,max(5)

公式(5)中，socb,min是指动力电池容量的最低值，socb,max是指动力电池容量的最高值，动力电池容量满足公式(5)才能正常进行充放电工作，动力电池容量低于socb,min时放电截止，动力电池容量高于socb,max时充电截止；

3)充放电功率约束：

pmax,c,b＝nc,max×pb,n(6)

pmax,d,b＝nd,max×pb,n(7)

公式(6)和公式(7)中，pb,n为动力电池的额定功率；nd,max、nc,max分别是动力电池的最大允许充放电倍数，nc,max的取值范围为0.5～1，nd,max的取值范围为1～1.5。

step4，利用线性递减权重法对目标函数的权重系数进行确定，获得目标函数。

目标函数为：

c＝(1+ngh)keeb,n+(kp+ka+kwlgn+kpngh)×pb,n(8)

公式(8)中，ngh为动力电池的更换次数，ke是动力电池的容量成本系数，eb,n是动力电池配置的容量，kp是动力电池的功率成本系数，ka是动力电池配套设备成本系数，kw是动力电池的年运行维护成本，lgn是船舶工程的使用年限。

step5，以步骤step1、step2、step3的数学模型为约束条件，利用线性递减权重粒子群算法对目标函数进行寻优，获得动力电池容量最优配比。

步骤step5包括以下步骤：

step5-1，输入风力发电系统、光伏发电系统、负荷功率数据以及粒子群算法的主要参数；

step5-2，采用随机方法在可行域范围内产生一组初始数据作为粒子群算法的初始种群，同时初始化各粒子对应的速度；

step5-3，计算出动力电池的实际补偿功率值和额定功率；

step5-4，计算出动力电池的额定容量，并确定在满足船舶工作需求的情况下风力发电系统和光伏发电系统的初始荷电状态；

step5-5，进行整体经济评价，比较并记录粒子个体最优值和粒子全局最优值；

step5-6，进行迭代，找到最优容量解。

本发明在传统的纯电动船上配置风力和光伏发电系统，借助可再生能源提供船舶动力，在风力和光伏发电充足时，动力系统处于充电状态，将多余的电能储存起来，以提高风光利用率；在风力和光伏发电不足或遇到峰值负荷时，动力系统处于放电状态，将释放储存的电能供给负荷，以保证动力系统平稳连续的供电，以提高动力系统的供电可靠性。在配置风力和光伏发电系统后，动力电池的容量如何配置是关键问题，若其容量过大，则导致配置成本过高，利用率低；若其容量过小，则动力系统可靠性降低，充放电次数过于频繁，缩短了动力电池的寿命周期。因此，针对上述情况，本发明提供一种船舶动力系统中动力电池容量配比的优化方法，该方法采用线性递减权重粒子群算法，综合考虑动力系统的经济性和可靠性最佳、动力电池寿命周期最长，进行多目标优化分析。

本发明在太阳辐射较强时，风力和光伏发电系统在直接给电动机供电驱动螺旋桨，还将剩余电量储存在动力电池中；在太阳辐射较弱、光伏发电不足时，动力电池放电，维持电动机的正常运行，充分利用可再生能源。本发明以动力电池寿命内整个动力系统工程使用年限中的总成本最小作为目标函数，以动力系统功率平衡、动力电池的充放电功率、soc特性及可靠性指标等为约束条件建立混合储能容量优化的数学模型；然后采用线性递减权重粒子群算法对该模型进行求解，通过验证得到本发明所提出的容量优化方法的正确性与创新性，在满足动力系统要求和总配置成本最低的情况下，使动力电池寿命达到最长。

与现有技术相比，本发明具有以下有益效果：

本发明的推广可以极大地节约游船的运营成本，从长期看有更大的经济和环境效益，符合可持续发展的理念。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明中船舶动力系统的结构示意图。

图2是本发明实施例中线性递减权重粒子群算法的实现流程图；

图3是本发明实施例中线性递减权重粒子群算法的迭代图；

图4为本发明实施例中动力电池容量配比寻优的最佳结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。

本发明提供一种船舶动力系统中动力电池容量配比的优化方法。如图1所示，该船舶动力系统包括风力发电系统、光伏发电系统和动力电池，所述风力发电系统通过ac/dc将电能输出到直流母线，所述光伏发电系统、动力电池均通过dc/dc将电能输出到直流母线，所述动力电池、风力发电系统、光伏发电系统并联到直流母线，所述直流母线通过dc/ac给交流负载提供动力；该方法包括以下步骤：

step1，建立风力发电系统的输出功率模型。

风力发电系统的输出功率为单位时间里垂直流过截面面积a的风能，即：

公式(1)中，m是空气质量，单位为kg/m³；e是风能，单位为w；v是风速，单位为m/s；ρ是空气密度，单位为kg/m³；a的单位为m²。

step2，建立光伏发电系统的输出功率模型。

光伏发电系统的输出功率为：

公式(2)中，ppv为t时刻光伏阵列输出的功率大小；g(t)为t时刻光伏太阳能电池板表面的光照强度，单位为w/m²；gstc是在光照强度为1000w/m²、温度为25℃的标准测试环境下照射到光伏阵列表面的光照强度；w(t)为当前时刻太阳能电池板的表面温度；k是与光伏电池有关的温度系数，其取值为-0.47％/k；pstc是指在光照强度为1000w/m²、温度为25℃的标准测试环境下照射到光伏阵列表面的额定输出功率。

step3，建立动力电池的数学模型。

建立动力电池的数学模型根据动力电池剩余电量、动力电池荷电状态和充放电功率约束进行模型建立，

1)动力电池剩余电量为：

充电过程：

放电过程：

公式(3)和公式(4)中，socb(t-1)是第t-1个时段结束时动力电池的剩余电量；socb(t)是第t个时段结束时动力电池的剩余电量；δb是动力电池的自放电率，单位为％/h；pb,c(t)、pb,d(t)分别为动力电池的充电和放电功率，单位为mw，其值大于0表示放电，小于0表示充电；ηb,c、ηb,d分别是动力电池的充电和放电效率，单位是％，其取值范围为80％～90％；eb,n是动力电池的额定容量，单位为mw·h；δt是采样步长；

2)动力电池荷电状态：

socb,min≤socb(t)≤socb,max(5)

公式(5)中，socb,min是指动力电池容量的最低值，socb,max是指动力电池容量的最高值，动力电池容量满足公式(5)才能正常进行充放电工作，动力电池容量低于socb,min时放电截止，动力电池容量高于socb,max时充电截止；

3)充放电功率约束：

pmax,c,b＝nc,max×pb,n(6)

pmax,d,b＝nd,max×pb,n(7)

公式(6)和公式(7)中，pb,n为动力电池的额定功率；nd,max、nc,max分别是动力电池的最大允许充放电倍数，nc,max的取值范围为0.5～1，nd,max的取值范围为1～1.5。

step4，利用线性递减权重法对目标函数的权重系数进行确定，获得目标函数。

目标函数为：

c＝(1+ngh)keeb,n+(kp+ka+kwlgn+kpngh)×pb,n(8)

公式(8)中，ngh为动力电池的更换次数，ke是动力电池的容量成本系数，eb,n是动力电池配置的容量，kp是动力电池的功率成本系数，ka是动力电池配套设备成本系数，kw是动力电池的年运行维护成本，lgn是船舶工程的使用年限。

step5，以步骤step1、step2、step3的数学模型为约束条件，利用线性递减权重粒子群算法对目标函数进行寻优，获得动力电池容量最优配比。

如图2所示，步骤step5包括以下步骤：

step5-1，输入风力发电系统、光伏发电系统、负荷功率数据以及粒子群算法的主要参数；

step5-2，采用随机方法在可行域范围内产生一组初始数据作为粒子群算法的初始种群，同时初始化各粒子对应的速度；

step5-3，计算出动力电池的实际补偿功率值和额定功率；

step5-4，计算出动力电池的额定容量，并确定在满足船舶工作需求的情况下风力发电系统和光伏发电系统的初始荷电状态；

step5-5，进行整体经济评价，比较并记录粒子个体最优值和粒子全局最优值；

step5-6，进行迭代，找到最优容量解。

如图3所示，本发明实施例中，利用线性递减权重粒子群算法，考虑总体经济性最佳和动力电池寿命最长的情况下，进行多目标寻优，迭代次数为50次，图3给出了目标函数适应值与迭代次数的寻优关系图，迭代了15次就保持稳定。

如图4所示，本发明实施例中，在风力发电系统、光伏发电系统(简称风光发电系统)与动力电池的容量权衡中，根据历史工况数据，在设定迭代次数15次后，设定粒子数为18，学习因子均为2，最大惯性权重系数为0.9，最小惯性权重系数为0.4，按照给出对目标函数和约束条件的优化方法，同时动力电池的寿命周期取决于充放电次数，因此在整体经济性最佳和满足系统可靠性的要求下，得到的最佳容量显示，按照此种方法，输入不同的历史工况，即可得到相对应的容量配置策略。

附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。