CN106875063A - 一种动力定位船舶能量管理优化方法 - Google Patents

Abstract

本发明涉及一种动力定位船舶能量管理优化方法，按照发电机组的能耗特征及其出力比例进行调度，将每台发电机组输出功率与其最大功率比值和每台发电机额定功率与功率最大发电机额定功率的比值的乘积的组合作为可行解，每个可行解作为一个粒子，全部可行解的集合作为粒子群，通过粒子群算法获取最优可行解，进行优化。本发明提出的一种动力定位船舶能量管理优化方法，根据粒子群算法和所构建的调度模型，合理分配各船舶发电机组的负荷，在保证船舶安全的基础上，减少船舶能耗。

Description

一种动力定位船舶能量管理优化方法

技术领域

本发明涉及船舶能量管理系统，特别是一种动力定位船舶能量管理优化方法。

背景技术

船舶能量管理是指根据船舶电力系统的实际需要而产生的对船舶电能进行统一调度，管理和控制。其目的是根据船舶实际工况，综合考虑船舶机动性、经济型、电网运行的稳定性和可靠性，协调控制电气设备，实现电能的优化配置与管理，在满足连续稳定安全的基础上兼顾经济型，确保船舶能量消耗最少。

发电机组调度在陆上已有广泛应用。国务院颁发《节能发电调度办法》后，陆续开展了节能发电调度改革的试点工作。规定了电力系统调度的基本原则，按各容量发电机组的供电能耗水平，从低能耗机组到高能耗机组依次安排发电。大规模优化算法是实现节能目标的重要方法，应用到节能发电调度的算法主要有线性规划法、动态规划法、遗传算法、粒子群算法、蚁群算法等。

动力定位船舶能量管理与陆上发电机调度不同，主要体现在：1、船舶能量管理要以船舶安全操作为基础，对电网的安全稳定提出了更高的要求；2、由于船舶电网线路短、阻抗小，其网损可忽略不计；3、船舶电网相比陆上电网容量较小，负载的变化对发电机影响较大；4、船舶功率变化大，且变化快速，对船舶发电机影响明显。

目前船舶发电机组调度的主要方法是忽略每台发电机组的能耗特性，等比例的分配各个发电机组的负荷，易导致船舶能耗高，污染大。陆上发电机组的调度方法虽然能够减少船舶能耗，取得一定的优化效果，但没有针对船舶电网进行适当改进，不能满足船舶能量管理优化的要求。

发明内容

本发明的目的在于提供一种动力定位船舶能量管理优化方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种动力定位船舶能量管理优化方法，按照如下步骤实现：

步骤S1：建立动力定位船舶能量管理优化数学模型；

步骤S2：设置优化参数，初始化粒子群；

步骤S3：更新粒子群的位置和速度；

步骤S4：判断粒子群中每个粒子当前迭代数k的粒子位置的适应度是否大于对应粒子搜索过的最优位置p_ibest的适应度，若是，则执行步骤S5，否则保留该粒子的历史最优位置，并执行步骤S6；

步骤S5：更新相应粒子的最优位置p_ibest，令并执行步骤S6；

步骤S6：判断当前迭代数k中所有粒子的最优位置的适应度是否大于记录的粒子群中所有粒子的历史全局最优位置g_best，若是，则执行步骤S7，否则保留粒子的历史全局最优位置，并执行步骤S8；

步骤S7：更新粒子群的历史全局最优位置g_best，令并执行步骤S8；

步骤S8：判断是否满足终止条件，若是，则结束，得到最优可行解，并根据该最优可行解对动力定位船舶能量管理进行优化，否则返回步骤S3。

在本发明一实施例中，在所述步骤S1中，所述动力定位船舶能量管理优化数学模型包括目标函数和约束条件；所述目标函数包括：最低燃料消耗；所述约束条件包括：机组出力约束以及机组平衡约束。

在本发明一实施例中，在所述步骤S1中，记每台发电机的输出功率为p_Gj，每台发电机组的额定功率为p_j ^max，第n台发电机组功率最大，额定功率为p_n ^max，船舶总负荷为p_D，则令：

则所述动力定位船舶能量管理优化数学模型为：

其中，p_G为发电机组的输出总功率与功率最大发电机的额定功率的比值；F(p_G)为发电机组消耗燃料的总量；p_j为第j台机组输出功率与其额定功率的比值；p_j’为第j台机组额定功率与功率最大发电机额定功率的比值；a_j、b_j、c_j为第j台机组燃料消耗系数；p_jmin为第j台机组最小输出功率与其额定功率的比值；p_jmax为第j台机组最大输出功率与其额定功率的比值；p_D’为船舶总负荷与功率最大发电机的额定功率的比值。

在本发明一实施例中，在所述步骤S2中，所述优化参数包括：惯性权重、个体加速系数、社会加速系数、粒子群规模pop_size、可行解的维度dim、可行解的位置上限X_max、可行解的位置下限X_min、可行解的最大速度限制V_max以及可行解的最大迭代数iter_max。

在本发明一实施例中，在所述步骤S2中，所述初始化粒子群按照如下方式实现：计算每一个粒子的位置向量X，计算每个粒子的速度向量V，即：

X＝X_min+(X_max-X_min)*rand()；

V＝V_min+(V_max-V_min)*rand()；

其中，X为pop_size行dim列矩阵，矩阵中每一个元素表示为X_x,j，rand()介于[0,1]之间的随机数。

在本发明一实施例中，在所述步骤S3中，按照如下方式更新粒子群的速度和位置：

其中，ω为惯性权重，c₁为个体加速系数，c₂为社会加速系数，r₁、r₂为区间在[0,1]之间的随机数。

在本发明一实施例中，在所述步骤S8中，所述终止条件为可行解的最大迭代步数iter_max。

相较于现有技术，本发明具有以下有益效果：本发明所提出的一种动力定位船舶能量管理优化方法，合理分配了各船舶发电机组的负荷，在保证船舶安全的基础上，减少了船舶能耗，减低了船舶运营成本，降低了船舶污染。

附图说明

图1为本发明中一种动力定位船舶能量管理优化方法的流程图。

图2为本发明方法与传统船舶发电机调度方法船舶能源消耗之差示意图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明提供一种动力定位船舶能量管理优化方法，如图1所示，本发明具体包括以下步骤：

步骤S1、建立动力定位船舶能量管理优化数学模型；

在本实施例中，动力定位船舶能量管理优化数学模型包括：目标函数和约束条件；目标函数包括：最低燃料消耗；约束条件包括：机组出力约束以及机组平衡约束。

进一步的，若每台发电机的输出功率为p_Gj，每台发电机组的额定功率为p_j ^max，假设第n台发电机组功率最大，额定功率为p_n ^max，船舶总负荷为p_D,则令：

则能量管理优化模型具体形式为：

其中，p_G为发电机组的输出总功率与功率最大发电机的额定功率的比值；F(p_G)为发电机组消耗燃料的总量；p_j为第j台机组输出功率与其额定功率的比值；p_j’为第j台机组额定功率与功率最大发电机额定功率的比值；a_j、b_j、c_j为第j台机组燃料消耗系数；p_jmin为第j台机组最小输出功率与其额定功率的比值；p_jmax为第j台机组最大输出功率与其额定功率的比值；p_D’为船舶总负荷与功率最大发电机的额定功率的比值。

步骤S2、设置优化参数，初始化粒子群；

进一步的，优化参数包括：惯性权重、个体加速系数、社会加速系数、粒子群规模pop_size、可行解的维度dim、可行解的位置上限X_max、可行解的位置下限X_min、可行解的最大速度限制V_max、可行解的最大迭代数iter_max。

进一步的，随机初始化粒子群的过程为：计算每一个粒子的位置向量X，计算每个粒子的速度向量V，即：

X＝X_min+(X_max-X_min)*rand()

(6)

V＝V_min+(V_max-V_min)*rand()

(7)

式中，X为pop_size行dim列矩阵，矩阵中每一个元素表示为X_x,j，rand()介于[0,1]之间的随机数。

步骤S3、更新粒子群的位置和速度；

依照下列公式计算出新的粒子的速度和位置：

其中，ω为惯性权重，c1为个体加速系数，c2为社会加速系数，r1、r2为区间在[0,1]之间的随机数。

步骤S4、判断粒子群中每个粒子当前迭代数k的粒子位置的适应度是否大于对应粒子搜索过的最优位置p_ibest的适应度，是则执行步骤S5，否则保留该粒子的历史最优位置执行步骤S6；

步骤S5、更新相应粒子的最优位置p_ibest，令之后执行步骤S6；

步骤S6、判断当前迭代数k中所有粒子的最优位置的适应度是否大于记录的粒子群中所有粒子的历史全局最优位置g_best，是则执行步骤S7，否则保留粒子的历史全局最优位置执行步骤8；

步骤S7、更新粒子群的历史全局最优位置g_best，令之后执行步骤S8；

步骤S8、判断是否满足终止条件，是则结束，得到最优可行解，依据最优可行解对动力定位船舶能量管理进行优化，否则返回步骤S3。较佳的，终止条件为预先设定的最大迭代步数iter_max。

为了让本领域技术人员进一步了解本发明所提出的一种动力定位船舶能量管理优化方法，下面结合具体实施例进行说明。

在本实施例中，提供装备有8台柴油发电机组的动力定位船舶进行能量管理优化，其功率为表1所示

表1

单机额定功率(KW)	1250	2500	3750	5000
					数量(台)	1	3	2	2

机组能耗特性如下：

0≤p_j＜0.25

S(p_j)＝2.9512(p_j)³+187.866(p_j)²+270.67P_j+289

0.25＜p_j＜0.5

S(p_j)＝2.9572(p_j-0.25)³+190.08(p_j-0.25)²-176.184(p_j-0.25)+233.12

0.5＜p_j＜0.75

S(p_j)＝7.0041(p_j-0.5)³+192.293(p_j-0.5)²-80.591(p_j-0.5)+201

0.75≤p_j＜0.85

S(p_j)＝-1.4424×10³(p_j-0.75)³+197.546(p_j-0.75)²+16.869(p_j-0.75)+192.98

0.85≤p_j＜0.9

S(p_j)＝1.9401×10³(p_j-0.85)³+235.158(p_j-0.85)²+13.10(p_j-0.25)+195.2

0.9≤p_j＜1.0

S(p_j)＝67.134(p_j-0.9)³+55.8598(p_j-0.9)²+4.1427(p_j-0.9)+195.51

1.0≤p_j＜1.1

S(p_j)＝67.134(p_j-1.0)³+76.0(p_j-1.0)²+17.328(p_j-1.0)+195.55

则根据本实施中提出的上述方法中的公式(1)-(5)可确定船舶发电机组调度模型。

进一步的，当p_D’＝1时，根据目前常用船舶发电机组的调度方法和本发明方法，各发电机组功率分配如表2所示：

表2

根据上述表2，传统船舶发电机调度方法分三种：一、在满足船舶负荷前提下优先使用功率较低的发电机，根据发电机功率等比例分配负荷；二，在满足船舶负荷前提下优先使用功率较高的发电机，根据发电机功率等比例分配负荷；三，满足船舶负荷前提下，将所需功率按功率比例分配给所有发电机。本实施例中的船舶能量管理方法是基于粒子群算法进行功率分配。

进一步的，船舶在不同负荷下，目前常用船舶发电机组的调度方法和本实施例中采用的方法的耗油量对比如表3所示：

表3

进一步的，船舶在不同负荷下，常用船舶发电机组的调度方法和本实施例采用的方法的耗油量之差如图2所示。根据表3和图2所示，相较于传统船舶发电机调度方法，本实施例中所提出的方法能够在各个工况下减少船舶能源的消耗。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (7)

1.一种动力定位船舶能量管理优化方法，其特征在于，按照如下步骤实现：

步骤S1：建立动力定位船舶能量管理优化数学模型；

步骤S2：设置优化参数，初始化粒子群；

步骤S3：更新粒子群的位置和速度；

步骤S4：判断粒子群中每个粒子当前迭代数k的粒子位置的适应度是否大于对应粒子搜索过的最优位置p_ibest的适应度，若是，则执行步骤S5，否则保留该粒子的历史最优位置，并执行步骤S6；

步骤S5：更新相应粒子的最优位置p_ibest，令并执行步骤S6；

步骤S6：判断当前迭代数k中所有粒子的最优位置的适应度是否大于记录的粒子群中所有粒子的历史全局最优位置g_best，若是，则执行步骤S7，否则保留粒子的历史全局最优位置，并执行步骤S8；

步骤S7：更新粒子群的历史全局最优位置g_best，令并执行步骤S8；

步骤S8：判断是否满足终止条件，若是，则结束，得到最优可行解，并根据该最优可行解对动力定位船舶能量管理进行优化，否则返回步骤S3。

2.根据权利要求1所述的一种动力定位船舶能量管理优化方法，其特征在于，在所述步骤S1中，所述动力定位船舶能量管理优化数学模型包括目标函数和约束条件；所述目标函数包括：最低燃料消耗；所述约束条件包括：机组出力约束以及机组平衡约束。

3.根据权利要求1所述的一种动力定位船舶能量管理优化方法，其特征在于，在所述步骤S1中，记每台发电机的输出功率为p_Gj，每台发电机组的额定功率为p_j ^max，第n台发电机组功率最大，额定功率为p_n ^max，船舶总负荷为p_D，则令：

$p_j=\frac{p_{Gj}}{p_j^{\max }};$

${p_j}^{\′}=\frac{p_j^{\max }}{p_n^{\max }};$

$p_G=\frac{\underset{j=1}{\overset{n}{\Σ}}{p}_{Gj}}{p_n^{\max }};$

${p_D}^{\′}=\frac{p_D}{p_n^{\max }};$

则所述动力定位船舶能量管理优化数学模型为：

$\left\{\begin{array}{c}F\left(p_G\right)=\underset{j=1}{\overset{n}{\Σ}}\[(a_j+b_j{p}_j+c_j{p_j}^2+d_j{p}_j^3)\·p_j\·{p_j}^{\′}\]\\ s.t\\ p_{jmin}\≤p_j\≤p_{jmax}\\ \underset{j=1}{\overset{n}{\Σ}}(p_j\·{p_j}^{\′})={p_D}^{\′}\end{array}\right.;$

其中，p_G为发电机组的输出总功率与功率最大发电机的额定功率的比值；F(p_G)为发电机组消耗燃料的总量；p_j为第j台机组输出功率与其额定功率的比值；p_j’为第j台机组额定功率与功率最大发电机额定功率的比值；a_j、b_j、c_j为第j台机组燃料消耗系数；p_jmin为第j台机组最小输出功率与其额定功率的比值；p_jmax为第j台机组最大输出功率与其额定功率的比值；p_D’为船舶总负荷与功率最大发电机的额定功率的比值。

4.根据权利要求1所述的一种动力定位船舶能量管理优化方法，其特征在于，在所述步骤S2中，所述优化参数包括：惯性权重、个体加速系数、社会加速系数、粒子群规模pop_size、可行解的维度dim、可行解的位置上限X_max、可行解的位置下限X_min、可行解的最大速度限制V_max以及可行解的最大迭代数iter_max。

5.根据权利要求4所述的一种动力定位船舶能量管理优化方法，其特征在于，在所述步骤S2中，所述初始化粒子群按照如下方式实现：计算每一个粒子的位置向量X，计算每个粒子的速度向量V，即：

X＝X_min+(X_max-X_min)*rand()；

V＝V_min+(V_max-V_min)*rand()；

其中，X为pop_size行dim列矩阵，矩阵中每一个元素表示为X_x,j，rand()介于[0,1]之间的随机数。

6.根据权利要求5所述的一种动力定位船舶能量管理优化方法，其特征在于，在所述步骤S3中，按照如下方式更新粒子群的速度和位置：

$\left\{\begin{array}{c}{V}_{i,j}^{k+1}={\mathrm{\ωV}}_{i,j}^k+c_1{r}_1(p_{ibest,j}-{X_{i,j}}^k)+c_2{r}_2(g_{best,j}-{X_{i,j}}^k)\\ X_{i,j}^{k+1}={X_{i,j}}^k+V_{i,j}^{k+1}\end{array}\right.;$

其中，ω为惯性权重，c₁为个体加速系数，c₂为社会加速系数，r₁、r₂为区间在[0,1]之间的随机数。

7.根据权利要求1所述的一种动力定位船舶能量管理优化方法，其特征在于，在所述步骤S8中，所述终止条件为可行解的最大迭代步数iter_max。