CN104836259B - 一种多能源船舶微网实时能量优化调度方法 - Google Patents

一种多能源船舶微网实时能量优化调度方法 Download PDF

Info

Publication number
CN104836259B
CN104836259B CN201510257716.4A CN201510257716A CN104836259B CN 104836259 B CN104836259 B CN 104836259B CN 201510257716 A CN201510257716 A CN 201510257716A CN 104836259 B CN104836259 B CN 104836259B
Authority
CN
China
Prior art keywords
energy
photovoltaic
diesel
energy storage
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510257716.4A
Other languages
English (en)
Other versions
CN104836259A (zh
Inventor
俞万能
廖卫强
王国玲
吴德烽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jimei University
Original Assignee
Jimei University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jimei University filed Critical Jimei University
Priority to CN201510257716.4A priority Critical patent/CN104836259B/zh
Publication of CN104836259A publication Critical patent/CN104836259A/zh
Application granted granted Critical
Publication of CN104836259B publication Critical patent/CN104836259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明的目的是提供一种多能源船舶微网实时能量优化调度方法，包括以下步骤，步骤S1：构建基于模拟退火的支持向量机船舶太阳能发电单元的输出功率预测模型；步骤S2：当负载稳定时，在预测光伏实时输出功率基础上，实时采集储能荷电状态SOC，在储能两个指标MinSOCbat和MaxSOCbat下，把系统的工作方式分为多种模式，然后建立系统模型和各个发电单元稳定运行边界条件，建立以系统运行稳定性和最大节能为优化目标的多目标函数以及约束条件函数，采用遗传算法及粒子群算法，对多种不同工作模式下，实现不同发电单元输出功率的优化分配；步骤S3：当负载突变时，构建跟随柴油发电机惯性特性的虚拟惯性环节。

Description

一种多能源船舶微网实时能量优化调度方法
技术领域
本发明涉及一种以太阳能、柴油发电机和储能系统组成的多能源船舶用微电网的规划、运行及管理，特别是针对船舶多工况情况下，负载突变时微电网能量的实时优化调度方法。属船舶电力系统领域。
背景技术
随着全球经济的持续发展，能源和环境的问题日益突出。为有效控制全球气候变暖，全球正掀起一股绿色浪潮，节能减排已成为世界关注的焦点，其中减少海洋污染已成为国内外相关学者研究的前沿课题方向之一。当前，美国、日本、德国、澳大利亚和英国等发达国家都十分重视船舶节能技术的研发，新能源作为船舶动力能源被视为前景良好的能源技术之一，与船型优化、电力推进、核动力推进、燃料电池应用、氢燃料应用、生物质燃油应用、舰船营运管理等并列为策略性船舶能源（节能）技术。
在船舶动力领域，电力推进越来越成为一个趋势。随着船舶自动化的发展，以及各种新技术在电力推进装置中的应用，电力推进装置应用地位将更大提高，使用范围将更加扩大。但在目前，大多数的电力推进船舶的电能是通过柴油燃烧来获得，燃烧会产生大量的污染物，如碳氢化合物HC、碳氧化合物COx、硫氧化物SOx、氮氧化物NOx以及空气颗粒物PM等。在本质上，这种柴电机组供电的电力推进船舶还是存在大量的烟气排放和环境污染的问题。
因此，利用清洁能源如风能、太阳能以及波浪能等来获取电能的纯绿色船舶可以从根本上解决柴电船舶电力推进系统的污染问题。因此，开展船舶节能以及船舶新能源技术应用基础以及相关可关键技术研究，促进电力推进船舶的节能环保性能，是解决船舶节能减排难题的有效途径之一。
多能源船舶电力系统利用柴油发电、太阳能及蓄电池的储能，可节约燃油、降低营运成本，是极具发展前景的船舶能源综合优化利用系统，也是船舶节能减排领域的研究热点。多能源船舶能量动态优化和控制策略的目标是针对实际运行工况，综合考虑船舶经济性、电网运行的稳定性及可靠性，协调控制各发电设备，实现能量的优化规划与控制，满足供电连续安全稳定，实现全船运行燃油消耗排放最少，经济性最大。
但是在多能源船舶电力微网结构中，由于存在太阳能间歇性电源、柴油发电机连续性电源以及锂电池储能装置，而它们的输出电压调节特性和功率调节特性有本质的区别，如连续性电源有功调节速度较慢，不能响应快速的负荷变化等，因此，在保证满足供电连续安全稳定情况下，如何对不同性质多能源并联运行功率进行优化分配方法显然具有十分重要的意义。
发明内容
本发明的目的是提供一种多能源船舶微网实时能量优化调度方法，实现多能源并联运行功率进行优化分配。
本发明采用以下技术方案实现：一种多能源船舶微网实时能量优化调度方法，其特征在于，包括以下步骤：步骤S1：研究不同因素对光伏发电的影响，利用分形理论提取不同因素之间的关联维度并提取特征向量，构建基于模拟退火的支持向量机船舶太阳能发电单元的输出功率预测模型；步骤S2：当负载稳定时，在预测光伏实时输出功率基础上，实时采集储能荷电状态SOC，在储能两个指标MinSOCbat和MaxSOCbat下，把系统的工作方式分为多种模式，然后建立系统模型和各个发电单元稳定运行边界条件，建立以系统运行稳定性和最大节能为优化目标的多目标函数以及约束条件函数，采用遗传算法+粒子群算法，对多种不同工作模式下，实现不同发电单元输出功率的优化分配；步骤S3：当负载突变时，其工作模式及优化方式和负载稳定时相同，构建了跟随柴油发电机惯性特性的虚拟惯性环节，使储能及光伏系统优化输出的功率具有跟随柴油发电机的特性。
在本发明一实施例中,所述步骤S1包括以下具体步骤：步骤S11：通过历史数据对各个气象因素分别作用于光伏发电系统的影响进行定量分析，对气象因素的累积效应对光伏发电影响进行定量分析，对多个气象因素产生的耦合效果后对作用于光伏发电的影响定量分析；步骤S12：不考虑气象因素的影响,只根据光伏发电系统监控数据库中的历史数据进行光伏发电预测，直接采用历史特征气象因素进行光伏发电预测， 采用历史数据加各个气象因素行光伏发电预测，在光伏发电预测中建立规范化的处理特征相关因素的方法，在光伏发电预测模型中直接考虑实时气象因素的复杂影响；步骤S13：基于步骤S12的预测分析各种组合对光伏发电的影响，并寻找出其中规律，剔除对光伏发电影响的次要因素，择取构建预测模型的特征向量；步骤S14：采用分形理论，求取主要因素数据对光伏输出功率的关联维度，进一步提取特征向量，所选特征向量作为预测模型的训练样本及测试样本；步骤S15：根据分形理论所得的特征向量，构建支持向量机，获得光伏发电进行预测模型。
在本发明一实施例中，所述五中工作模式包括：光伏系统单独给系统供电且给储能系统充电；光伏系统单独供电；光伏系统和柴油发电机共同给系统供电且柴油发电机为储能系统充电；储能系统和光伏系统共同为系统供电；柴油发电机、储能系统和光伏发电系统共同为系统供电，柴油发电机为储能系统充电。
在本发明一实施例中，优化目标为污染物排放水平及运行成本,即目标函数为；其，为所排放污染物的类型编号；为不同电能生产方式所对应的各种污染物排放系数；为治理污染物所需费用；为第台微电源或储能装置输出的有功率;，为系统内可调度的微电源和储能装置的总数；为第台微电源或储能装置输出的有功功率; 为第台微电源或储能装置的运行成本；约束条件分别为储能的荷电状态，柴油发电机的运行最少时间及输出功率的上下限。
与现有技术相比本发明具有以下优点：对多能源微网在负载稳定及负载突变两种不同工况下，在保证供电连续安全稳定情况下，以节能减排效果的最大化以及系统稳定经济运行为双重约束条件下，实现对多能源输出功率的优化调度。
附图说明
图1为本发明系统拓扑结构图。
图2为本发明光伏预测模型建立流程图。
图3为优化调度策略技术路线框图。
图4为功率优化求解流程图。
图5为跟随策略框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
本发明构建由柴油发电机组、太阳能以及锂电池组组成的船舶电力微网系统，参见图1为本发明一实施例的系统拓扑结构图。
本发明提供一种多能源船舶微网实时能量优化调度方法，其特征在于，包括以下步骤：步骤S1：研究船舶不同因素对光伏发电的影响，利用分形理论提取不同因素之间的关联维度并提取特征向量，构建基于模拟退火的支持向量机船舶太阳能发电单元的输出功率预测模型；步骤S2：当负载稳定时，在预测光伏实时输出功率基础上，实时采集储能荷电状态SOC，在储能两个指标MinSOCbat和MaxSOCbat下，把系统的工作方式分为多种模式，然后建立系统模型和各个发电单元稳定运行边界条件，建立以系统运行稳定性和最大节能为优化目标的多目标函数以及约束条件函数，采用遗传算法及粒子群算法，对多种不同工作模式下，实现不同发电单元输出功率的优化分配；步骤S3：当负载突变时，其工作模式及优化方式和负载稳定时相同，构建了跟随柴油发电机惯性特性的虚拟惯性环节，使储能及光伏系统优化输出的功率具有跟随柴油发电机的特性。
准确预知光伏微源在未来时段内的发电功率,是对功率优化分配的前提之一。而可再生能源发电功率受多种外界因素的影响，该模型很难完全准确和完整地利用数学公式表达。
在本发明一实施例中,所述步骤S1包括以下具体步骤：步骤S11：通过历史数据对各个气象因素分别作用于光伏发电系统的影响进行定量分析，对气象因素的累积效应对光伏发电影响进行定量分析，对多个气象因素产生的耦合效果后对作用于光伏发电的影响定量分析；步骤S12：不考虑气象因素的影响,只根据光伏发电系统监控数据库中的历史数据进行光伏发电预测，直接采用历史特征气象因素进行光伏发电预测， 采用历史数据加各个气象因素行光伏发电预测，在光伏发电预测中建立规范化的处理特征相关因素的方法，在光伏发电预测模型中直接考虑实时气象因素的复杂影响；步骤S13：基于步骤S12的预测分析各种组合对光伏发电的影响，并寻找出其中规律，剔除对光伏发电影响的次要因素，择取构建预测模型的特征向量；步骤S14：采用分形理论，求取主要因素数据对光伏输出功率的关联维度，进一步提取特征向量，所选特征向量作为预测模型的训练样本及测试样本；步骤S15：根据分形理论所得的特征向量，构建支持向量机，获得光伏发电进行预测模型。
光伏发电进行预测模型的构建流程图参见图2。
在本发明一实施例中，所述五中工作模式包括：光伏系统单独给系统供电且给储能系统充电；光伏系统单独供电；光伏系统和柴油发电机共同给系统供电且柴油发电机为储能系统充电；储能系统和光伏系统共同为系统供电；柴油发电机、储能系统和光伏发电系统共同为系统供电，柴油发电机为储能系统充电。优化调度策略技术路线框图参见图3。LowSOCbat(即MinSOCbat )代表储能最小放电下限；MaxSOCbat代表储能系统最大充电上限；Pnet代表负载功率减去光伏系统发电功率；Pbat代表此时储能系统的功率。
在本发明一实施例中，优化目标污染物排放水平及运行成本,即目标函数为；其，为所排放污染物(包含CO2，SO2，NOx 等)的类型编号;为不同电能生产方式所对应的各种污染物排放系数;为治理污染物所需费用；为第台微电源或储能装置输出的有功率;，为系统内可调度的微电源和储能装置的总数;为第台微电源或储能装置输出的有功功率; 为第台微电源或储能装置的运行成本。约束条件分别为储能的荷电状态，柴油发电机的运行最少时间及输出功率的上下限。利用粒子群算法+遗传算法进行求解，得到不同工作模式下各微源的输出功率值，其主要流程参见图4。
负载突变时，系统的工作模式以及优化方式和负载稳定相同。区别在于通过优化得到的各微源所需要输出的功率不是直接下达命令给各微源。比如：当负载发生变化时，根据优化柴油发电机得到新的输出功率值命令由A变化到B，但因为柴油发电机具有大惯性特性，当它接收到新的输出功率值时，其不会马上跳变到B，而是一个渐变的过程，需要一定时间才能达到B，这和柴油发电机的惯性时间有关。但对储能及光伏系统来说，因为当其接收到新的输出功率时，由于其控制器件为电子器件，响应速度快，相当是一个阶跃过程，这样，显然会对整个电网质量产生影响。因此，由优化得到的输出功率再通过一个虚拟惯性环节，再下发到储能单元，使储能单元的输出具有和柴油发电机相似的惯性特性，跟随策略框图参见图5。
以上所述仅为本发明的一较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (3)

1.一种多能源船舶微网实时能量优化调度方法，其特征在于，包括以下步骤：
步骤S1：研究船舶不同因素对光伏发电的影响，利用分形理论提取不同因素之间的关联维度并提取特征向量，构建基于模拟退火的支持向量机船舶太阳能发电单元的输出功率预测模型；
步骤S2：当负载稳定时，在预测光伏实时输出功率基础上，实时采集储能荷电状态SOC，在储能两个指标MinSOCbat和MaxSOCbat下，把系统的工作方式分为多种模式，然后建立系统模型和各个发电单元稳定运行边界条件，建立以系统运行稳定性和最大节能为优化目标的多目标函数以及约束条件函数，采用遗传算法+粒子群算法，对多种不同工作模式下，实现不同发电单元输出功率的优化分配；
步骤S3：当负载突变时，其工作模式及优化方式和负载稳定时相同，构建了跟随柴油发电机惯性特性的虚拟惯性环节，使储能及光伏系统优化输出的功率具有跟随柴油发电机的特性；
所述步骤S1包括以下具体步骤：
步骤S11：通过历史数据对各个气象因素分别作用于光伏发电系统的影响进行定量分析，对气象因素的累积效应对光伏发电影响进行定量分析，对多个气象因素产生的耦合效果后对作用于光伏发电的影响定量分析；
步骤S12：不考虑气象因素的影响,只根据光伏发电系统监控数据库中的历史数据进行光伏发电预测，直接采用历史特征气象因素进行光伏发电预测，采用历史数据加各个气象因素进行光伏发电预测，在光伏发电预测中建立规范化的处理特征相关因素的方法，在光伏发电预测模型中直接考虑实时气象因素的复杂影响；
步骤S13：基于步骤S12的预测分析各种组合对光伏发电的影响，并寻找出其中规律，剔除对光伏发电影响的次要因素，择取构建预测模型的特征向量；
步骤S14：采用分形理论，求取主要因素数据对光伏输出功率的关联维度，进一步提取特征向量，所选特征向量作为预测模型的训练样本及测试样本；
步骤S15：根据分形理论所得的特征向量，构建支持向量机，获得光伏发电进行预测模型。
2.根据权利要求1所述的多能源船舶微网实时能量优化调度方法，其特征在于：多种工作模式包括：光伏系统单独给系统供电且给储能系统充电；光伏系统单独供电；光伏系统和柴油发电机共同给系统供电且柴油发电机为储能系统充电；储能系统和光伏系统共同为系统供电；柴油发电机、储能系统和光伏发电系统共同为系统供电，柴油发电机为储能系统充电。
3.根据权利要求1所述的多能源船舶微网实时能量优化调度方法，其特征在于：优化目标为污染物排放水平f1及运行成本f2,即目标函数为Min(f1，f2)；其i为所排放污染物的类型编号；Rj为不同电能生产方式所对应的各种污染物排放系数；Ki为治理污染物i所需费用；Pj为第j台微电源或储能装置输出的有功率；N为系统内可调度的微电源和储能装置的总数；Pi为第i台微电源或储能装置输出的有功功率；Fi(Pi)为第i台微电源或储能装置的运行成本；约束条件分别为储能的荷电状态，柴油发电机的运行最少时间及输出功率的上下限。
CN201510257716.4A 2015-05-20 2015-05-20 一种多能源船舶微网实时能量优化调度方法 Active CN104836259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510257716.4A CN104836259B (zh) 2015-05-20 2015-05-20 一种多能源船舶微网实时能量优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510257716.4A CN104836259B (zh) 2015-05-20 2015-05-20 一种多能源船舶微网实时能量优化调度方法

Publications (2)

Publication Number Publication Date
CN104836259A CN104836259A (zh) 2015-08-12
CN104836259B true CN104836259B (zh) 2017-04-12

Family

ID=53813956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510257716.4A Active CN104836259B (zh) 2015-05-20 2015-05-20 一种多能源船舶微网实时能量优化调度方法

Country Status (1)

Country Link
CN (1) CN104836259B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106160010A (zh) * 2016-09-09 2016-11-23 佛山市派能机电有限公司 电力推进船舶综合电力系统
CN107017625B (zh) * 2017-04-28 2019-12-06 北京天诚同创电气有限公司 用于独立微电网的能量动态调度的方法和设备
CN107933867B (zh) * 2017-11-22 2019-05-10 厦门市泛能科技有限公司 一种柴电混合动力游览船电力系统的拓扑系统
CN108616144A (zh) * 2018-03-20 2018-10-02 武汉理工大学 基于超级电容高频补偿的船舶新能源发电系统
CN109446230A (zh) * 2018-07-27 2019-03-08 中国计量大学 一种光伏发电影响因素的大数据分析系统及方法
CN109101592A (zh) * 2018-07-27 2018-12-28 中国计量大学 一种快速低成本的光伏大数据处理平台
CN110110422B (zh) * 2019-04-29 2023-08-25 达器船用推进器(江苏)有限公司 船舶多电源复合利用最低耗油率优化方法
CN110275440B (zh) * 2019-07-02 2022-04-26 江苏科技大学 基于负荷预测的多能源船舶能量管理控制器及其控制方法
CN111597640A (zh) 2020-05-22 2020-08-28 上海海事大学 一种工况分类下的混合动力船舶需求负载预测方法
CN113113916B (zh) * 2021-04-19 2023-04-28 西安交通大学 一种舰船综合电力系统中多目标能量调控方法
CN113193554B (zh) * 2021-05-06 2023-05-23 上海交通大学 一种基于数据驱动的新能源船舶节能减排方法及系统
CN116738187B (zh) * 2023-08-08 2023-10-24 山东航宇游艇发展有限公司 基于人工智能的船舶燃气功率动态预测方法及系统
CN117559509B (zh) * 2024-01-11 2024-05-14 中国海洋大学 一种船舶柴光储最佳功率匹配方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102386674A (zh) * 2011-11-04 2012-03-21 江苏科技大学 一种船用通信舫舱风光互补供电切换系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9312698B2 (en) * 2012-12-19 2016-04-12 Robert Bosch Gmbh System and method for energy distribution

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102386674A (zh) * 2011-11-04 2012-03-21 江苏科技大学 一种船用通信舫舱风光互补供电切换系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《含可再生能源的海岛微电网电源容量优化配置方法》;肖锐;《中国优秀硕士学位论文全文数据库》;20131215(第S2期);第5、8、19页及图2-1 *

Also Published As

Publication number Publication date
CN104836259A (zh) 2015-08-12

Similar Documents

Publication Publication Date Title
CN104836259B (zh) 一种多能源船舶微网实时能量优化调度方法
Sun A multi-objective optimization model for fast electric vehicle charging stations with wind, PV power and energy storage
CN104779611B (zh) 基于集中式和分布式双层优化策略的微电网经济调度方法
Qi et al. Sustainability analysis of a hybrid renewable power system with battery storage for islands application
CN105811409B (zh) 一种含电动汽车混合储能系统的微网多目标运行调度方法
CN106451550B (zh) 一种基于改进次梯度粒子群的微电网并网优化调度方法
CN106451552B (zh) 一种基于势博弈的微电网能量管理系统分布式优化算法
CN104166877A (zh) 基于改进二进制粒子群优化算法的微网优化运行方法
CN110119888A (zh) 一种基于分布式电源接入的有源网格化规划方法
Mahmoudi et al. A novel method based on fuzzy logic to evaluate the storage and backup systems in determining the optimal size of a hybrid renewable energy system
Chen et al. An improved brain storm optimization for a hybrid renewable energy system
Yuvaraj et al. Integration of Electric Vehicle Charging Stations and DSTATCOM in Practical Indian Distribution Systems using Bald Eagle Search Algorithm
Yin et al. Optimizing cleaner productions of sustainable energies: a co-design framework for complementary operations of offshore wind and pumped hydro-storages
Gan et al. A review on capacity optimization of hybrid renewable power system with energy storage
CN106485603A (zh) 一种应用于风力发电的短期风速预测方法
CN106100002A (zh) 一种交直流混合微网的优化运行方法
Zheng et al. Multi-objective optimization of hybrid energy management system for expressway chargers
Tong et al. An intelligent scheduling control method for smart grid based on deep learning
Ma et al. Intelligent charging control method of shared vehicle based on MPPT algorithm in the environment of internet of things
Zafar et al. Integration of renewable energy sources in smart grid: A review
CN108009684A (zh) 一种包含短期负荷预测的微电网并网状态能量管理方法
Yu et al. Research on the construction of new energy microgrids for wind power generation based on green and low carbon
Capasso et al. A novelplatform for the experimental training on Internet of Energy
CN115526381A (zh) 一种面向能源互联网的零碳园区优化规划方法及装置
CN108009700A (zh) 一种孤立岛屿的能源供应配置方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant