CN107908597A - 一种基于复用分解的卫星有效载荷功耗分析方法 - Google Patents
一种基于复用分解的卫星有效载荷功耗分析方法 Download PDFInfo
- Publication number
- CN107908597A CN107908597A CN201711114042.8A CN201711114042A CN107908597A CN 107908597 A CN107908597 A CN 107908597A CN 201711114042 A CN201711114042 A CN 201711114042A CN 107908597 A CN107908597 A CN 107908597A
- Authority
- CN
- China
- Prior art keywords
- task
- mrow
- satellite
- msubsup
- payload
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于复用分解的卫星有效载荷功耗分析方法,包括步骤1:获取卫星执行任务时有效载荷的状态参数;步骤2:建立卫星平台维持常规载荷能耗模型;步骤3:计算卫星执行任务时有效载荷工作产生的能耗;步骤4:建立“单种类型任务”有效载荷能耗复用模型;步骤5:建立“多种类型任务”有效载荷能耗复用分解模型并求解;步骤6:根据卫星执行任务i时的实时遥测数据计算执行该任务时有效载荷总的实时功率。具有通过分析卫星遥测历史数据且不增加物理部件就可合理准确地计算卫星各有效载荷实时功率的优点。
Description
技术领域
本发明涉及一种基于复用分解的卫星有效载荷功耗分析方法,属于卫星测控领域。
背景技术
卫星有效载荷是指直接执行特定卫星任务的仪器、设备或分系统。卫星由于其功能不同所搭载的有效载荷也各不相同,例如返回式卫星返回舱的有效载荷包括多光谱扫描仪、红外扫描仪、合成孔径雷达、微波辐射计、微波散射计、雷达高度计、超光谱成像仪以及遥感信息等设备。随着航天技术的不断发展,卫星任务规划及健康管理也逐步向精细化、智能化转变。而卫星由于工作环境的特殊性,其有限的能量储备成为卫星任务规划与健康管理的关键制约因素。目前我国对卫星能量智能管理的研究还处在起步阶段,对卫星执行任务所需能耗缺乏准确计算方法导致难以对卫星能源系统状态实现有效预测。所以,目前卫星在执行任务时所采取的策略是给定较高储存能量下限,以牺牲卫星的有效工作量来确保卫星运行的安全性。这种策略大大缩减了卫星可执行任务的规划范围,是对卫星资源的一种浪费。例如,在我国某资源卫星的在轨使用原则中规定的有效载荷在轨使用单圈工作时长、工作频率等大大低于实际可承受范围。这是从卫星在轨能源平衡的角度为确保卫星安全运行给出的一个比较严格的条件。如果能准确掌握卫星有效载荷工作与能耗的关系,对卫星执行任务的能量需求有准确的把握,那么就能实时把握卫星能量系统状态,进而更合理地提出任务规划的约束,提高卫星资源的利用率。
实现卫星能源系统的智能管理,关键一步在于对卫星执行任务时有效载荷功率的准确计算。卫星由于制造工艺及制造成本的限制,无法对每一个部件都安装足够的传感器获得准确数据,因此不能直接对有效载荷的功率进行计算。另一方面,卫星在执行某一任务时,往往通过多个有效载荷协调运行共同完成任务,大部分的卫星有效载荷都存在复用的情况。如何从复用的有效载荷中得到每一个具体载荷的功率是一个关键问题。
目前国内外针对卫星能源智能管理和能耗计算的研究较少,几乎没有现成的方法对其进行求解。由于卫星上的各部件主要依靠电力运行,因此本方法研究的卫星有效载荷功耗针对的是电功耗。目前针对电能计算的研究主要可分为两类,第一类是从理论的角度研究电能的计算公式。计算电能的理论公式主要从电路的电压、电流、电阻考虑,公式主要有Q=UIT、Q=I2RT、Q=U2T/R以及三相交流电中的虽然利用电能公式计算的方法是最简单最直接的,但是需要知道单个有效载荷准确的电功率或者电流,目前大多数卫星无法满足这要求。关于电能计算另一类研究是从工程实践的角度出发,研究各种修正方法减少由于器件测量不准确等因素造成功耗计算误差,使得电能计算结果更精确。有研究基于相位差校正法的虚拟谐波功率与电能计算方法实现数字化变电站中的虚拟谐波功率与电能计量。也有研究从电能计量装置的误差出发,考虑电能表的误差、互感器的合成误差等对电能计量造成的误差,并对引起误差的原因进行深入分析。有研究从电网电量计算受谐波污染的问题出发,针对间谐波污染严重的电网,为准确计量相应负荷实际消耗的电能量,减小电能计量误差,在传统电能计量方法基础上,增加计及间谐波产生的电能损耗,并推导出存在间谐波条件下的电能计算公式,最后通过数值仿真分析,证明了在间谐波污染严重的电网中,采用提出的计及间谐波的电能计量方法,将更加合理、准确、可靠。上述研究都致力于解决单一载荷的功耗问题,但并不适用于复用的载荷功耗计算。
发明内容
针对现有技术存在的问题,本发明要解决的问题在于提出了一种通过分析卫星遥测历史数据且不增加物理部件就可合理准确地计算卫星各有效载荷实时功率的基于复用分解的卫星有效载荷功耗分析方法。
为解决上述技术问题,本发明采用以下技术方案:
一种基于复用分解的卫星有效载荷功耗分析方法,包括以下步骤:
步骤1:获取卫星执行任务时有效载荷的状态参数;
步骤2:建立卫星平台维持常规载荷能耗模型;
步骤3:计算卫星执行任务时有效载荷工作产生的能耗;
步骤4:建立“单种类型任务”有效载荷能耗复用模型;
步骤5:建立“多种类型任务”有效载荷能耗复用分解模型并求解;
步骤6:根据卫星执行任务i时的实时遥测数据计算执行该任务时有效载荷总的实时功率。
作为本发明的进一步改进:
进一步地,步骤2所述具体方法为:
步骤2.1:根据充电阵输出电流识别卫星运转周期;
步骤2.2:获取卫星未执行任务时的历史遥测数据,利用RK算法挖掘卫星一个周期内的变化模式,利用多项式拟合方法建立母线电压和母线电流的时间函数f(t)和g(t);
步骤2.3:计算卫星维持常规载荷的实时能耗为p(t)=f(t)×g(t);
步骤2.4:计算卫星在一段时间内维持常规载荷的能耗为Tstart为卫星执行任务的开始时间,Tstop为卫星执行任务的结束时间。
进一步地,步骤3所述具体方法为:
步骤3.1:根据卫星上行指令,获取卫星执行每个任务的开始时间Tstart和结束时间Tstop以及执行任务的类型Mtype,并据此获取Tstart和Tstop之间母线电压v(t)及母线电流i(t)的遥测数据,计算执行该任务卫星的总能耗Wtotal;
步骤3.2:计算卫星平台在任务执行期间用于维持常规载荷的能耗Wbase
步骤3.3:得到由于有效载荷工作引起的能耗Wpayload为:
Wpayload=Wtotal-Wbase (3)
进一步地,步骤4中所述“单种类型任务”有效载荷能耗复用模型为:
其中,i为M种类型任务中的第i类任务,i={1,...,M},Ni为参与第i类任务的有效载荷数,为第j={1,...,Ni}个载荷的工作开始时间;为第j={1,...,Ni}个载荷的工作结束时间;为有效载荷j={1,...,Ni}在第i类任务内的平均功率。
进一步地,步骤5中所述“多种类型任务”有效载荷能耗复用分解模型为
所述求解结果为:卫星有效载荷的平均功率
进一步地,所述步骤6的具体方法为:
步骤6.1:将历史遥测数据包含的n个任务分解出多个任务组,每个任务组里包含卫星所执行的所有M种任务类型,对每一个任务组,利用步骤3至步骤5求解出各种任务类型的有效载荷的平均功率,并保存求解结果;
步骤6.2:根据步骤6.1算出的每个任务组下各有效载荷的平均功率,计算所有任务组中相同有效载荷平均功率的平均值,作为相同有效载荷在工作时的总平均功率,将执行任务的各有效载荷的总平均功率比作为执行该任务的有效载荷的实时功率比;
步骤6.3:计算卫星执行任务i时的有效载荷总的实时功率;
Ppayload(t)=v(t)×i(t)-f(t)×g(t) (6)
步骤6.4:根据执行任务i时有效载荷的实时功率比,计算任务i中有效载荷的实时功率。
其中:a:b:c为执行任务i时所参与的三个有效载荷A,B,C的实时功率比,PA(t),PB(t),PC(t)为三个有效载荷A,B,C的实时功率。
进一步地,所述步骤6.1中将历史遥测数据包含的n个任务分解出多个任务组的具体方法是指从第一个任务开始,直至第n个任务,如果从第x个任务至第y个任务之间包含所有任务类型M,则将其中不含重复任务类型的任务视为一个任务组,然后从第y+1个任务开始往后寻找新的任务组,以此类推。
与现有技术相比,本发明的有益效果在于:
本发明一种基于复用分解的卫星有效载荷功耗分析方法,通过分析已有的历史遥测数据,可以不用增加物理部件,也不用增加成本就计算出卫星有效载荷的平均功耗,并通过各有效载荷总平均功率比估算执行某一任务时各有效载荷的实时功率比,进而可以合理估算出执行某一任务时有效载荷的实时功率。
附图说明
图1本发明的系统流程图。
图2为利用RK算法挖掘卫星运行一个周期内长期负载情况下母线电流和母线电压的变化模式。
具体实施方式:
下面结合具体实施例来做进一步的说明。本发明所研究的卫星属于资源探测卫星,选择2015年6月至7月的历史遥测数据进行研究,期间共执行任务114次,在进行项目分析之前,需要根据有关卫星在轨使用描述文件,该卫星任务执行模式与载荷的关系如表1所示,本实施例中卫星有效载荷包括三线阵相机、多光谱相机、激光测距仪(搭载)、数据传输分系统、数传天线分系统以及数据记录分系统。其中由于激光测距仪属于搭载的载荷,且时刻都在工作,所以不将其作为有效载荷考虑。因此,本实施例中研究的任务类型M=5。
表1任务模式包含的有效载荷
图1和图2示出了本发明一种基于复用分解的卫星有效载荷功耗分析方法,包括以下步骤:步骤1:获取卫星执行任务时有效载荷的状态参数;步骤2:建立卫星平台维持常规载荷能耗模型;步骤3:计算卫星执行任务时有效载荷工作产生的能耗;步骤4:建立“单种类型任务”有效载荷能耗复用模型;步骤5:建立“多种类型任务”有效载荷能耗复用分解模型并求解;步骤6:根据卫星执行任务i时的实时遥测数据计算执行该任务时有效载荷总的实时功率。本发明通过分析已有的历史遥测数据,计算出卫星各有效载荷的平均功率,以及计算出各个有效载荷在工作时总平均功率,由于卫星在执行某一种任务时,其执行过程固定,因此该模式下包含的有效载荷功率也不变,所以可以根据有效载荷总平均功率比估算执行该任务时各有效载荷的实时功率比,进而可以根据实时遥测数据计算出卫星执行某一任务时有效载荷总的平均功率以及功率比,不用增加物理部件,也不用增加成本就可合理估算出执行某一任务时有效载荷的实时功率。
本实施例中,步骤1:获取卫星执行任务时有效载荷的状态参数;各有效载荷的状态参数如表2所示。
表2有效载荷状态监测参数
步骤2:建立卫星平台维持常规载荷能耗模型;
步骤2.1:根据充电阵输出电流识别卫星运转周期;得到卫星运转一圈的平均周期为5676秒。
步骤2.2:获取卫星未执行任务时的历史遥测数据,利用RK算法挖掘卫星一个周期内的变化模式,利用多项式拟合方法建立母线电压和母线电流的时间函数f(t)和g(t);本实施例中根据卫星上行任务列表识别长期负载时间段,以卫星电源系统母线电压与母线电流为研究对象,利用RK算法挖掘卫星一个周期内的变化模式,其结果如附图2所示。然后利用函数拟合方法建立母线电压和母线电流的时间函数f(t)和g(t),得到母线电压与母线电流变化的拟合结果为:
其中t∈[0,5676]为一周期内的时间,
步骤2.3:计算卫星维持常规载荷的实时能耗为p(t)=f(t)×g(t);
计算卫星平台维持常规载荷的实时能耗为:
p(t)=f(t)×g(t)=314.94+29×sin(t×2π/306)瓦
步骤2.4:计算卫星在一段时间内维持常规载荷的能耗为Tstart为卫星执行任务的开始时间,Tstop为卫星执行任务的结束时间。
步骤3:计算卫星执行某一类型任务时有效载荷工作产生的总能耗;
步骤3.1:根据卫星上行指令,获取卫星执行每个任务的开始时间Tstart和结束时间Tstop以及执行任务的类型Mtype,并据此获取Tstart和Tstop之间母线电压v(t)及母线电流i(t)的遥测数据;本实施例中以表1中的图像测绘实传模式为例,从卫星历史上行指令列表中找到每种模式的开始时间Tstart和结束时间Tstop分别为以2016年6月1日10:33至以2016年6月1日10:41,根据公式(1)计算执行该任务卫星的总能耗Wtotal,
步骤3.2:计算卫星平台在任务执行期间用于维持常规载荷的能耗Wbase。根据步骤2,计算出卫星在任务执行期间用于维持常规载荷的能耗,
步骤3.3:得到由于有效载荷工作引起的能耗Wpayload为:
Wpayload=Wtotal-Wbase=141117.2(W)
对前100个任务的有效载荷消耗总能耗计算结果如表3所示。
表3前100次任务有效载荷的总能耗及总功率
步骤4:建立“单种类型任务”有效载荷能耗复用模型;以任务类型1图像测绘实传模式为例,图像测绘实传模式在执行时参与工作的有效载荷有三线阵相机、多光谱相机、数传分系统以及数传天线。以2016年6月1日10:33至以2016年6月1日10:41之间执行的图像测绘时传模式为研究对象,选择三线阵相机成像开/关状态(TMY051)、多光谱相机成像开/关状态(TMY061)、数据处理器a(TMR149)、数传天线加电状态(TMD290)为各个有效载荷开关指示参数。得到在执行该模式期间各载荷的执行时间分别如表4所示。可知在执行该模式时,有效载荷是完全复用的。
表4各有效载荷实际执行时间
有效载荷 | 执行时段 | 执行时长 |
三线阵相机 | 10:33—10:41 | 480 |
多光谱相机 | 10:33—10:41 | 480 |
数传分系统 | 10:33—10:41 | 480 |
数传天线 | 10:33—10:41 | 480 |
假设分别表示三线阵相机、三线阵相机(仅正视相机)、多光谱相机、数传分系统、数传天线以及数据记录分系统在执行测绘时传任务时的平均功率。根据公式(4)得到该图像测绘时传模式执行的有效载荷能耗复用模型为:
步骤5:建立“多种类型任务”有效载荷能耗复用分解模型并求解;
从历史任务执行列表中选择所有不同种类的任务各一例,建立“多种类型任务”有效载荷能耗复用分解模型,其分别属于图像测绘实传模式、图像资源实传模式、图像测绘记录模式、图像资源记录模式、回放模式,各任务执行时间分别为2016/6/1 10:33:50--2016/6/1 10:41:50;2016/6/1 13:42:50--2016/6/1 13:50:50;2016/6/1 16:58:50--2016/6/118:28:45;2016/6/1 18:23:45--2016/6/1 18:28:45;2016/6/1 21:10:55--2016/6/1 21:16:05;组成一个任务组。分别建立各个任务的“单种类型任务”有效载荷能耗复用模型,联立得到复用分解的线性方程组:
求解上述线性方程组时发现该线性方程组无解,原因在于有效的模式类型只有5类,而求解变量有6个,这里需要对载荷进行合并。通过对载荷工作时间的比对,可知三线阵相机与多光谱相机是同时开始工作的,所以将三线阵相机、三线阵相机(仅正视相机)、多光谱相机组合成“三线阵相机+多光谱相机组”,“三线阵相机(仅正视相机)+多光谱相机组”两个变量,并分别用和表示。则线性方程组可以转化为:
所求解出的有效载荷平均功率计算结果如表5所示:
表5有效载荷平均功率计算结果
步骤6:根据卫星执行任务i时的实时遥测数据计算执行该任务时有效载荷总实时功率。
步骤6.1:将历史遥测数据包含的n个任务分解出多个任务组,每个任务组里包含卫星所执行的所有M种任务类型,对每一个任务组,利用步骤3至步骤5求解出各种任务类型的有效载荷的平均功率,并保存求解结果。
步骤6.2:根据步骤6.1算出的历史多个任务组下各有效载荷的平均功率,计算所有任务组中相同有效载荷平均功率的平均值,作为相同有效载荷在工作时的总平均功率,将执行任务的各有效载荷的总平均功率比作为执行该任务的有效载荷的实时功率比;
本实例选择的2016年6月1日以至2016年6月15日之间包含114个任务,由于建立复用分解线性模型需要五种模式的能耗情况,因此首先要选出五种不同的任务组成任务组,根据任务列表,在前100个任务中挑选出6组任务。任务组包含的任务如表6所示,根据步骤3-5计算得到6组任务下各个有效载荷的平均功率如表7所示。
表6挑选出的任务组及其包含的任务代号
表7各个任务组中有效载荷平均功率计算结果
各有效载荷总平均功率会随着新的任务组数据的加入而不断更新。
计算执行各种类型任务时参与工作的有效载荷的功率比;得到6个任务组的各载荷平均功率后,求每种载荷平均功率的平均值即得有效载荷总平均功率值。以“三线阵相机+多光谱相机”总平均功率为例,其计算公式为:
得到总平均功率后,根据总平均功率比可以估算在执行某一任务时各有效载荷的实时功率比。以执行测绘时传任务为例,参与任务的有效载荷包括“三线阵相机+多光谱相机”、“数据传输分系统”以及“数传天线分系统”。则在执行测绘时传任务时三种载荷的总平均功率比计算如下:
用相同方法可以得到在不同任务下各有效载荷的总平均功率比,作为执行该任务的有效载荷的实时功率比。
本实施例中,各种任务类型下有效载荷功率比如表8所示。
表8各任务类型下各有效载荷总平均功率比
步骤6.3:计算卫星执行任务i时的有效载荷总实时功率;
Ppayload(t)=v(t)×i(t)-f(t)×g(t)
则:Ppayload(t)=v(t)×i(t)-314.94+29×sin(t×2π/306)
步骤6.4:根据执行任务i时有效载荷的实时功率比,计算任务i中有效载荷的实时功率。举例如下:
其中:a:b:c为执行任务i时所参与的三个有效载荷A、B、C的实时功率比,PA(t),PB(t),PC(t)为三个有效载荷A、B、C的实时功率。
在提出解决方法之前,首先要介绍目前卫星运行时的能量系统变化特点、卫星执行任务的一般原则及有效载荷工作的相关特性进行说明,作为提出本方法的基础。
卫星各任务独立执行
卫星执行的任务是通过不同的工作模式来完成的,例如一般探测卫星执行的任务包含图像测绘时传模式、图像资源时传模式、图像测绘记录模式、图像资源记录模式、边记边传模式、回放模式等。任务的执行是按照序列顺序执行。卫星在执行任务时,同一时间内最多只能执行一种工作模式,且执行一种模式必定是从模式开始至模式结束完整、连续的执行过程。
卫星平台能耗平稳
卫星在未执行任务时,卫星上的能耗用于维持卫星平台的正常运行。卫星平台的能耗比较平稳且随着卫星所处光照区和阴影区呈周期性变化。
相同任务参与执行的有效载荷及工作模式一致
一般而言,卫星有效载荷由于执行任务的不同可以选择不同的工作模式,而在执行相同类型的任务时,有效载荷的工作模式是相同的。且有效载荷在相同的工作模式下其功率是一定的。
有效载荷的工作状态可由相关的参数识别出来
目前已有的遥测参数中包含有效载荷工作状态的参数,可以通过状态参数来识别有效载荷的运行状态及时间。例如对于资源卫星上的三线阵相机,标明其工作状态的参数就有三线阵相机成像开/关状态、前后视相机成像加断电状态、正视相机成像加断电状态、三线阵相机A总线状态等,都可以标识三线阵相机的工作状态及工作模式。
在此基础之上,提出一种基于复用分解的卫星有效载荷功耗分析方法解决有效载荷功耗计算与实时功率分析问题。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (7)
1.一种基于复用分解的卫星有效载荷功耗分析方法,其特征在于:包括以下步骤:
步骤1:获取卫星执行任务时有效载荷的状态参数;
步骤2:建立卫星平台维持常规载荷能耗模型;
步骤3:计算卫星执行任务时有效载荷工作产生的能耗;
步骤4:建立“单种类型任务”有效载荷能耗复用模型;
步骤5:建立“多种类型任务”有效载荷能耗复用分解模型并求解;
步骤6:根据卫星执行任务i时的实时遥测数据计算执行该任务时有效载荷总的实时功率。
2.根据权利要求1所述的一种基于复用分解的卫星有效载荷功耗分析方法,其特征在于:步骤2所述具体方法为:
步骤2.1:根据卫星太阳能帆板的输出电流识别卫星运转周期;
步骤2.2:获取卫星未执行任务时的历史遥测数据,利用RK算法挖掘卫星一个周期内的变化模式,利用多项式拟合方法建立母线电压和母线电流的时间函数f(t)和g(t);
步骤2.3:计算卫星维持常规载荷的实时能耗p(t)=f(t)×g(t);
步骤2.4:计算卫星在一段时间内维持常规载荷的能耗为其中:Tstart为卫星执行任务的开始时间,Tstop为卫星执行任务的结束时间。
3.根据权利要求2所述的一种基于复用分解的卫星有效载荷功耗分析方法,其特征在于:步骤3所述具体方法为:
步骤3.1:根据卫星上行指令,获取卫星执行每个任务的开始时间Tstart和结束时间Tstop以及执行任务的类型Mtype,并据此获取Tstart和Tstop之间母线电压v(t)及母线电流i(t)的遥测数据,计算执行该任务卫星的总能耗Wtotal
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>o</mi>
<mi>p</mi>
</mrow>
</msub>
</msubsup>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>&times;</mo>
<mi>i</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤3.2:计算卫星平台在任务执行期间用于维持常规载荷的能耗Wbase
<mrow>
<msub>
<mi>W</mi>
<mrow>
<mi>b</mi>
<mi>a</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>T</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mi>o</mi>
<mi>p</mi>
</mrow>
</msub>
</msubsup>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>&times;</mo>
<mi>g</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>t</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤3.3:得到由于有效载荷工作引起的能耗Wpayload为:
Wpayload=Wtotal-Wbase (3)
4.根据权利要求3所述的一种基于复用分解的卫星有效载荷功耗分析方法,其特征在于:步骤4中所述“单种类型任务”有效载荷能耗复用模型为
i为M种类型任务中的第i类任务,i={1,...,M},Ni为参与第i类任务的有效载荷数,为第j={1,...,Ni}个载荷的工作开始时间;为第j={1,...,Ni}个载荷的工作结束时间;为有效载荷j={1,...,Ni}在第i类任务内的平均功率。
5.根据权利要求4所述的一种基于复用分解的卫星有效载荷功耗分析方法,其特征在于:步骤5中所述“多种类型任务”有效载荷能耗复用分解模型为
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>W</mi>
<mrow>
<mi>p</mi>
<mi>a</mi>
<mi>y</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
</mrow>
<mn>1</mn>
</msubsup>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
</munderover>
<mover>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mn>1</mn>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>t</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
<mn>1</mn>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>t</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mn>0</mn>
</mrow>
<mn>1</mn>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>...</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>W</mi>
<mrow>
<mi>p</mi>
<mi>a</mi>
<mi>y</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
</mrow>
<mi>M</mi>
</msubsup>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>M</mi>
</msub>
</munderover>
<mover>
<msubsup>
<mi>p</mi>
<mi>j</mi>
<mi>M</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msubsup>
<mi>t</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>t</mi>
<mrow>
<mi>j</mi>
<mo>_</mo>
<mn>0</mn>
</mrow>
<mi>M</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
所述求解结果为:卫星有效载荷的平均功率
<mrow>
<mo>{</mo>
<mover>
<msubsup>
<mi>p</mi>
<mn>1</mn>
<mn>1</mn>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<mn>2</mn>
<mn>1</mn>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<msub>
<mi>N</mi>
<mn>1</mn>
</msub>
<mn>1</mn>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<mn>1</mn>
<mi>i</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<mn>2</mn>
<mi>i</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<msub>
<mi>N</mi>
<mi>i</mi>
</msub>
<mi>i</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<mn>1</mn>
<mi>M</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<mn>2</mn>
<mi>M</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mover>
<msubsup>
<mi>p</mi>
<msub>
<mi>N</mi>
<mi>M</mi>
</msub>
<mi>M</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>}</mo>
<mo>.</mo>
</mrow>
6.根据权利要求5所述的一种基于复用分解的卫星有效载荷功耗分析方法,其特征在于:所述步骤6的具体方法为:
步骤6.1:将历史遥测数据包含的n个任务分解成多个任务组,每个任务组里包含卫星所执行的所有M种任务类型,对每一个任务组,利用步骤3至步骤5求解出各种任务类型的有效载荷的平均功率,并保存求解结果;
步骤6.2:根据步骤6.1算出的每个任务组下各有效载荷的平均功率,计算所有任务组中相同有效载荷平均功率的平均值,作为相同有效载荷在工作时的总平均功率,将执行任务的各有效载荷的总平均功率比作为执行该任务的有效载荷的实时功率比;
步骤6.3:计算卫星执行任务i时的有效载荷的总实时功率;
Ppayload(t)=v(t)×i(t)-f(t)×g(t) (6)
步骤6.4:根据执行任务i时有效载荷的实时功率比,计算任务i中有效载荷的实时功率。
7.根据权利要求6所述的一种基于复用分解的卫星有效载荷功耗分析方法,其特征在于:所述步骤6.1中将历史遥测数据包含的n个任务分解出多个任务组的具体方法是指从第一个任务开始,直至第n个任务,如果从第x个任务至第y个任务之间包含所有任务类型M,则将其中不含重复任务类型的任务视为一个任务组,然后从第y+1个任务开始往后寻找新的任务组,以此类推。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711114042.8A CN107908597B (zh) | 2017-11-07 | 2017-11-07 | 一种基于复用分解的卫星有效载荷功耗分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711114042.8A CN107908597B (zh) | 2017-11-07 | 2017-11-07 | 一种基于复用分解的卫星有效载荷功耗分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107908597A true CN107908597A (zh) | 2018-04-13 |
CN107908597B CN107908597B (zh) | 2021-02-26 |
Family
ID=61844985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711114042.8A Active CN107908597B (zh) | 2017-11-07 | 2017-11-07 | 一种基于复用分解的卫星有效载荷功耗分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107908597B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415109A (zh) * | 2020-06-09 | 2020-07-14 | 中国人民解放军国防科技大学 | 一种数据驱动的对地观测卫星电源系统应急保障能力评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7113851B1 (en) * | 1999-06-09 | 2006-09-26 | Walter Gelon | Practical orbit raising system and method for geosynchronous satellites |
CN102067478A (zh) * | 2008-04-18 | 2011-05-18 | 阿斯特里姆有限公司 | 通信卫星有效载荷的模块化数字处理系统 |
US20140095077A1 (en) * | 2012-09-28 | 2014-04-03 | Electronics And Telecommunications Research Institute | System and method for weather satellite information processing algorithm simulation |
CN104619032A (zh) * | 2013-11-05 | 2015-05-13 | 上海贝尔股份有限公司 | 用于发送和获取功率余量报告的方法和装置 |
-
2017
- 2017-11-07 CN CN201711114042.8A patent/CN107908597B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7113851B1 (en) * | 1999-06-09 | 2006-09-26 | Walter Gelon | Practical orbit raising system and method for geosynchronous satellites |
CN102067478A (zh) * | 2008-04-18 | 2011-05-18 | 阿斯特里姆有限公司 | 通信卫星有效载荷的模块化数字处理系统 |
US20140095077A1 (en) * | 2012-09-28 | 2014-04-03 | Electronics And Telecommunications Research Institute | System and method for weather satellite information processing algorithm simulation |
CN104619032A (zh) * | 2013-11-05 | 2015-05-13 | 上海贝尔股份有限公司 | 用于发送和获取功率余量报告的方法和装置 |
Non-Patent Citations (5)
Title |
---|
CHIEN STEVE, ET AL: "Onboard Autonomy on the Intelligent Payload Experiment CubeSat Mission", 《JOUENAL OF AERISOACE INFORMATION SYSTEMS》 * |
FU MING, ET AL: "New Electrical Supply System for All-Electric Propulsion Spacecraft", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
潘泳鸰: "有效载荷系数智能规划与调度通用软件平台研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
理查德·布洛克利: "《航空航天科技出版工程 6 环境影响与制造》", 30 June 2016, 北京理工大学出版社 * |
赵贺: "实时功率测控方法评论", 《全国电压电流等级和频率标准化技术委员会秘书处会议论文集》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415109A (zh) * | 2020-06-09 | 2020-07-14 | 中国人民解放军国防科技大学 | 一种数据驱动的对地观测卫星电源系统应急保障能力评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107908597B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Distributed economic dispatch for smart grids with random wind power | |
Kalantar-Neyestanaki et al. | Characterizing the reserve provision capability area of active distribution networks: A linear robust optimization method | |
Schenato et al. | Bayesian linear state estimation using smart meters and pmus measurements in distribution grids | |
CN105633948B (zh) | 一种分布式能源接入电力系统随机模糊潮流算法 | |
US8775136B2 (en) | Primal-dual interior point methods for solving discrete optimal power flow problems implementing a chain rule technique for improved efficiency | |
Min et al. | Total transfer capability computation for multi-area power systems | |
Muñoz-Delgado et al. | Integrated transmission and distribution system expansion planning under uncertainty | |
Cavraro et al. | Real-time identifiability of power distribution network topologies with limited monitoring | |
Chen et al. | Multi-area distributed three-phase state estimation for unbalanced active distribution networks | |
CN104392135A (zh) | 一种含经vsc-hvdc并网海上风电场的交直流系统概率最优潮流计算方法 | |
Wu et al. | Transmission network expansion planning based on chronological evaluation considering wind power uncertainties | |
Rana et al. | Kalman filter based microgrid state estimation and control using the IoT with 5G networks | |
Mo et al. | A stochastic spatiotemporal decomposition decision-making approach for real-time dynamic energy management of multi-microgrids | |
CN103887813A (zh) | 基于风功率预测不确定度的风电系统运行的控制方法 | |
Soltani et al. | Real-time topology detection and state estimation in distribution systems using micro-pmu and smart meter data | |
Du et al. | Efficient forecasting scheme and optimal delivery approach of energy for the energy Internet | |
Zhang et al. | State estimation in low-observable distribution systems using matrix completion | |
CN107908597A (zh) | 一种基于复用分解的卫星有效载荷功耗分析方法 | |
Zelensky et al. | Development of a distributed multi-agent system monitoring and control networks of 0.4–35 kV | |
Ryu et al. | Mitigating the impacts of uncertain geomagnetic disturbances on electric grids: A distributionally robust optimization approach | |
Werner et al. | Distributed state estimation in digitized low-voltage networks | |
Rana et al. | Distributed generation monitoring of smart grid using accuracy dependent Kalman filter with communication systems | |
Müller et al. | Coordinated congestion management across voltage levels using load flow sensitivities | |
Hossain et al. | A distributed-mpc framework for voltage control under discrete time-wise variable generation/load | |
Steinhagen et al. | Evaluation of the Usage of Edge Computing and LoRa for the Control of Electric Vehicle Charging in the Low Voltage Grid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |