CN110516885A - 基于spso与qpso混合优化的船舶能量管理方法 - Google Patents
基于spso与qpso混合优化的船舶能量管理方法 Download PDFInfo
- Publication number
- CN110516885A CN110516885A CN201910817367.5A CN201910817367A CN110516885A CN 110516885 A CN110516885 A CN 110516885A CN 201910817367 A CN201910817367 A CN 201910817367A CN 110516885 A CN110516885 A CN 110516885A
- Authority
- CN
- China
- Prior art keywords
- ship
- power
- power system
- energy storage
- constraint
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 52
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000004146 energy storage Methods 0.000 claims abstract description 60
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 238000013178 mathematical model Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 62
- 239000002245 particle Substances 0.000 claims description 51
- 238000007599 discharging Methods 0.000 claims description 28
- 239000005431 greenhouse gas Substances 0.000 claims description 20
- 239000002096 quantum dot Substances 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于SPSO与QPSO混合优化的船舶能量管理方法,首先建立船舶能量管理优化问题的数学模型,然后应用SPSO算法,确定船舶航行过程中所有时间段电力系统储能系统的充放电功率;应用QPSO算法,确定船舶航行过程中所有时间段发电机组的启停状态与输出功率,并计算船舶在给定航线的同一航行工况下电力系统运营成本指标函数值,最后用SPSO和QPSO算法对能量管理优化问题进行混合优化。本发明在给定航线的同一航行工况下,合理调度船舶整个航行过程中每个时间段电力系统各发电机组启停、输出功率以及储能系统的充放电功率,最大限度地优化船舶电力系统运营成本,同时使船舶在航行过程中各发电机组的启动成本尽可能下降。
Description
技术领域
本发明涉及船舶的能量管理领域,特别是一种船舶能量管理方法,既可以保障船舶节能减排,又可以最大限度的降低船舶运营成本,具体为一种基于标准粒子群(SPSO)与量子粒子群(QPSO)混合优化的船舶能量管理方法。
背景技术
船舶在运行过程中不可避免的会产生能源浪费与过度排放,导致船舶的运营成本与温室气体排放增加,为了降低运营成本,实现节能减排,需要对船舶进行能量管理。船舶通过使用能量管理方法可以降低船舶电力系统运营成本,从而降低船舶运营成本,提高船舶运营的经济性与环保性,同时使实现绿色、安全、高效的智能船舶、无人船舶成为可能,为航运业带来革命性的改变,具有巨大的现实意义。
中国专利CN202586500U公开了一种船舶能量管理系统,能够根据船舶的运行工况有效且迅速地调度船舶电力系统产生的电能;中国专利CN107140168B公开了一种混合动力船舶能量管理系统及控制方法,通过合理地分配燃料电池、蓄电池和超级电容三种能量源输出的功率,提高了船舶运营的经济性。上海海事大学兰熙在《电源技术》2016年第40卷第9期上发表的题为“混合动力船舶能量管理系统的最优控制”的论文,提出了一种能量管理优化方法,应用动态规划法优化柴油发电机组与储能系统的输出功率,使船舶航行过程中的油耗达到最小。上述专利及文献均未涉及多发电机组的情况,且均未考虑船舶航行过程中温室气体的排放。
上海海事大学杨泽鑫在《中国舰船研究》2018年第13卷第4期上发表题为“基于差分进化算法的船舶能量管理系统优化策略研究”,提出了一种船舶能量管理优化方法,优化了船舶电力系统中各发电机组的启停状态与输出功率,但未考虑电力系统中储能系统的充放电情况,因此未最大限度的降低船舶电力系统运营成本。重庆大学姚池的硕士论文“全电驱船舶电网能量优化管理”(2017年)提出了一种带有储能系统的船舶电网能量管理优化方法,降低了船舶电力系统运营成本与温室气体排放,但未考虑多发电机组的启停调度对船舶电力系统运营成本的影响。
发明内容
为解决现有技术存在的问题,本发明要提出一种基于SPSO与QPSO混合优化的船舶能量管理方法,对电力系统具有多发电机组和储能系统的船舶,考虑其多发电机组的启停调度情况及电力系统储能系统充放电对电力系统运营成本的影响,既可以最大限度地降低船舶电力系统运营成本,提高船舶运营的经济性,又可以节能减排。
本发明的船舶电力系统配有多组发电机组与储能系统。所述的电力系统各发电机组在船舶航行过程中只输出功率;所述的电力系统储能系统在船舶航行过程中既可以输出功率,也可以利用发电机组输出的多余功率进行充电;在船舶航行过程中,电力系统各发电机组与储能系统联合供电,满足船舶用电设备在船舶航行所有时间段的电力负荷需求,并且在满足船舶电力系统各运行状态约束的前提下,合理地调度各发电机组的启停、输出功率以及储能系统的充放电功率,在给定航线的同一航行工况下,使船舶电力系统的运营成本最优。所述的船舶电力系统各运行状态约束包括电力系统各发电机组最大和最小输出功率、最小启停机时间、储能系统的充放电功率限制、储能系统电力容量限制,并要求发电量与电力负荷保持能量平衡、发电量保证一定的旋转备用量、温室气体排放量满足国际海事组织(IMO)的规定。
本发明的基本思路是:
首先,建立船舶能量管理优化问题的数学模型,即确定船舶电力系统运营成本指标函数及船舶电力系统各运行状态约束、船舶用电设备在所有时间段的电力负荷;初始化SPSO(标准粒子群)与QPSO(量子粒子群)混合优化算法参数,包括SPSO与QPSO各种群的粒子个数、混合优化算法最大迭代次数;然后,应用SPSO算法,确定船舶航行过程中所有时间段电力系统储能系统的充放电功率;应用QPSO算法,确定船舶航行过程中所有时间段所有发电机组的启停状态与输出功率,并计算船舶在给定航线的同一航行工况下电力系统运营成本指标函数值,再计算出船舶在航行过程中的温室气体排放量;进一步用SPSO和QPSO算法对能量管理优化问题进行混合优化,包括对SPSO算法中粒子种群的粒子的速度、位置和QPSO算法中粒子种群的量子粒子的量子比特位和量子角进行更新,更新后的两种粒子种群同时参与下一次迭代,直到混合优化算法迭代次数达到设定的最大迭代次数,终止迭代过程,并记录和输出船舶在给定航线的同一航行工况下电力系统最优运营成本的指标函数值,以及其对应的船舶在航行过程中所有时间段电力系统所有发电机组的启停状态与输出功率,储能系统的充放电功率。
为实现上述目的,本发明的技术方案如下:
一种基于SPSO与QPSO混合优化的船舶能量管理方法,包括以下步骤:
A、建立能量管理优化问题的数学模型
船舶能量管理优化问题的数学模型表达如下:
受到如下约束:
各发电机组输出功率约束:
各发电机组最小启停机时间约束:
储能系统的充放电功率约束:
储能系统的电力容量约束:Bmin≤Bj≤Bmax(6)
船舶电力系统能量平衡约束:
船舶电力系统旋转备用约束:
船舶电力系统温室气体排放约束:Fe≤FIMO-e (9)
式中,COST为船舶电力系统运营成本指标函数,N为电力系统所拥有的发电机组数量,M为将船舶航行时间按小时划分的总时间段数;
U表示船舶航行过程中所有时间段电力系统所有发电机组的启停状态,如下式所示:
其中,i=1,2,...,N,j=1,2,...,M,为电力系统第i组发电机组在第j个时间段的启停状态,表示第i组发电机组在第j个时间段停机,表示第i组发电机组在第j个时间段启动;
Pa表示船舶航行过程中所有时间段电力系统所有发电机组的输出功率,如下式所示:
其中,i=1,2,...,N,j=1,2,...,M,为电力系统第i组发电机组在第j个时间段的输出功率;
Si为电力系统第i组发电机组的启动成本,为电力系统第i组发电机组在第j个时间段的发电成本指标函数,与的关系如下:
式中,ai>0、bi>0、ci>0为第i组发电机组的发电成本指标函数的参数。
分别表示船舶电力系统第i组发电机组的最小和最大输出功率。表示电力系统第i组发电机组在第j个时间段已经连续运行的时间,表示电力系统第i组发电机组的最小连续运行时间。
表示电力系统第i组发电机组在第j个时间段已经连续停止运行的时间,表示电力系统第i组发电机组的最小连续停止运行时间。
表示电力系统储能系统在第j个时间段的充放电功率,表示电力系统储能系统的最大充放电功率,表示电力系统储能系统在第j个时间段放电,表示电力系统储能系统在第j个时间段充电,表示电力系统储能系统在第j个时间段既不放电也不充电。
Bj表示电力系统储能系统在第j个时间段的电力容量,Bmin和Bmax分别表示电力系统储能系统的最小电力容量和最大电力容量。电力系统储能系统充放电量与储能系统的电力容量之间的关系如下:
B0表示电力系统储能系统初始的电力容量,Δj表示第j个时间段的时间长度。
表示船舶用电设备在第j个时间段的电力负荷,表示船舶航行过程中在第j个时间段电力系统中所有发电机组需要提供的输出功率。与之间的关系如下:
Rj表示船舶电力系统在第j个时间段发电量的旋转备用量;
Fe表示船舶在航行过程中的温室气体排放量,FIMO-e表示IMO规定的温室气体排放限定值;Fe与的关系如下:
式中,αi、βi、γi为船舶电力系统第i组发电机组的温室气体排放特性参数。
B、设定混合优化算法参数
设定SPSO种群的粒子个数NS与QPSO种群的量子粒子个数NQ,混合优化算法最大迭代次数
C、初始化SPSO种群信息
随机初始化SPSO粒子种群中第ns个粒子的位置,即船舶航行过程中所有时间段电力系统储能系统的初始充放电功率:
同时随机初始化第ns个粒子的速度:
即SPSO算法的寻优步长。
D、判断由步骤C获得的粒子所包含的船舶航行过程中所有时间段电力系统储能系统的充放电功率k为迭代次数,是否满足式(5)所示的储能系统的充放电功率约束和式(6)所示的电力容量约束,若满足约束,转步骤E;
对不满足约束的粒子所包含的船舶航行过程中所有时间段电力系统储能系统的充放电功率进行修复,使其满足式(5)和(6)。
E、由步骤A获得的船舶用电设备在所有时间段的电力负荷Pd∈RM减去由步骤D获得的船舶航行过程中所有时间段电力系统储能系统的充放电功率得到船舶航行过程中所有时间段电力系统中所有发电机组需要提供的输出功率:
即
F、初始化QPSO种群信息
随机初始化QPSO量子粒子种群中第nq个量子粒子的量子比特位,然后将每个量子比特位翻译成0或1,表示发电机组的启停状态,则第nq个量子粒子的量子比特位为随机的船舶航行过程中所有时间段电力系统所有发电机组的初始启停状态:
同时随机初始化第nq个量子粒子的量子角:
即QPSO算法的寻优步长。
G、判断由步骤F获得的量子粒子所包含的船舶航行过程中所有时间段电力系统所有发电机组的启停状态Unq(k)是否满足式(8)所示的旋转备用约束和式(3)-(4)所示的各发电机组最小启停时间约束,若满足约束,转步骤H;对不满足约束的量子粒子所包含的船舶航行过程中所有时间段电力系统所有发电机组的启停状态Unq(k)进行修复使其满足式(3)、(4)、(8)。
H、采用二次规划算法,求出船舶航行过程中所有时间段电力系统所有发电机组的输出功率nq=1,2,...,NQ,然后由式(1)对应求得电力系统运营成本指标函数值COSTnq(k)。
I、采用式(13)计算得到船舶航行过程中电力系统的温室气体排放量Fe。
J、判断船舶航行过程中电力系统的温室气体排放量Fe是否满足IMO提出的式(9)所示的船舶航行温室气体排放约束,若满足该约束,转步骤K;若不满足,转步骤L。
K、比较当前所有的船舶电力系统的运营成本指标函数值记录船舶电力系统当前最优运营成本指标函数值COST*(k),作为SPSO和QPSO混合优化算法第k次迭代的最优解,以及记录其对应的船舶航行过程中所有时间段电力系统所有发电机组的启停状态U*(k)与输出功率储能系统的充放电功率转步骤M。
L、剔除该量子粒子的量子比特位并随机生成新的量子比特位,转步骤G。
M、设置终止条件为SPSO和QPSO混合优化算法当前迭代次数k等于最大迭代次数判断当前混合优化迭代次数是否满足终止条件,若不满足终止条件,即则令k=k+1,转步骤N;若满足终止条件,即转步骤Q。
N、判断当前种群是否为SPSO种群,若是SPSO种群,则转步骤O,若不是SPSO种群则转步骤P。
O、设定SPSO种群中粒子位置与速度的更新公式,根据这个更新公式更新SPSO种群中粒子的位置与速度,转步骤D参与SPSO算法下一次迭代。
P、设定QPSO种群中量子粒子的量子比特位和量子角的更新公式,根据这个更新公式更新QPSO种群中量子粒子的量子比特位和量子角,更新量子比特位和量子角的量子粒子与由步骤L获得的量子粒子组成完整的QPSO种群一起参与QPSO算法下一次迭代,转步骤G。
Q、记录并输出船舶在航行过程中电力系统最优运营成本指标函数值COST*,以及其对应的所有时间段电力系统所有发电机组的启停状态U*与输出功率储能系统的充放电功率
本发明具有以下有益效果:
1、本发明在给定航线的同一航行工况下,可保证船舶温室气体排放满足IMO的规定、电力系统各发电机组满足最大和最小输出功率要求和最小启停时间要求、电力系统储能系统满足电力容量限制和充放电功率限制,合理调度船舶整个航行过程中每个时间段电力系统各发电机组启停、输出功率以及储能系统的充放电功率,最大限度地降低船舶电力系统运营成本,同时通过合理的调度各发电机组的启停,使船舶在航行过程中各发电机组的启动成本尽可能下降。
2、本发明提出的能量管理方法可应用于由多发电机组与储能系统联合供电的船舶。
3、本发明具有良好的适用性,可推广用于不同船舶在不同航线下的能量管理。只要针对不同船舶电力系统配置情况,修改船舶能量管理优化问题的数学模型,包括船舶电力系统运营成本指标函数、电力系统各运行状态约束、航行过程中每个时间段用电设备的电力负荷,就可实现船舶的能量管理。
附图说明
图1为本发明的流程图。
图2为船舶电力系统运营成本指标函数值与优化迭代次数的关系图。
具体实施方式
下面结合附图对本发明进行进一步地描述。
以一艘客滚渡轮航行为例,按图1所示的对基于SPSO和QPSO混合优化算法的船舶能量管理方法进行仿真验证。
该客滚渡轮的电力系统配有6组不同型号的发电机组,即N=6,以及一套储能系统,其电力系统所有发电机组的相关参数见表1。
表1船舶电力系统发电机组的相关参数
其电力系统储能系统的相关参数如下:B0=15MWh,Bmin=2MWh,Bmax=15MWh
船舶在平静的海况下航行,将船舶航行时间以1小时为时间间隔,划分为24个时间段,即M=24,船舶用电设备在第j个时间段电力负荷j=1,2,...,24,以及表2所示的船舶电力系统在第j个时间段发电量的旋转备用量Rj。
表2船舶用电设备在第j个时间段电力负荷与电力系统在第j个时间段发电量的旋转备用量
表2(续表)
仿真中,混合优化算法的SPSO种群的粒子个数NS与QPSO种群的量子粒子个数NQ均取为40,混合优化算法最大迭代次数取为仿真结果如图2所示,图2给出了船舶电力系统运营成本指标函数值与优化迭代次数的关系曲线。
由图2可知,随着混合优化算法迭代次数的增加,船舶电力系统运营成本指标函数值不断减小,当混合优化算法完成第240次迭代计算后,船舶电力系统运营成本指标函数值不再减小,该值就是满足给定航线某航行工况下的船舶航行过程中电力系统最优运营成本指标函数最小值,即为船舶能量管理优化问题的最优解COST*=1343991.93$。表3为COST*对应的船舶航行过程中第j个时间段电力系统第i组发电机组的启停状态表4为COST*对应的船舶航行过程中第j个时间段电力系统第i组发电机组的输出功率表5为COST*对应的船舶航行过程中第j个时间段电力系统储能系统的充放电功率
表3 COST*对应的船舶航行过程中第j个时间段电力系统第i组发电机组的启停状态
表3(续表)
表4 COST*对应的船舶航行过程中第j个时间段电力系统所有发电机组的输出功率
表4(续表)
表5 COST*对应的船舶航行过程中第j个时间段电力系统储能系统的充放电功率
表5(续表)
本发明不局限于本实施例,任何在本发明披露的技术范围内的等同构思或者改变,均列为本发明的保护范围。
Claims (1)
1.一种基于SPSO与QPSO混合优化的船舶能量管理方法,其特征在于:包括以下步骤:
A、建立能量管理优化问题的数学模型
船舶能量管理优化问题的数学模型表达如下:
受到如下约束:
各发电机组输出功率约束:
各发电机组最小启停机时间约束:
储能系统的充放电功率约束:
储能系统的电力容量约束:Bmin≤Bj≤Bmax (6)
船舶电力系统能量平衡约束:
船舶电力系统旋转备用约束:
船舶电力系统温室气体排放约束:Fe≤FIMO-e (9)
式中,COST为船舶电力系统运营成本指标函数,N为电力系统所拥有的发电机组数量,M为将船舶航行时间按小时划分的总时间段数;
U表示船舶航行过程中所有时间段电力系统所有发电机组的启停状态,如下式所示:
其中,i=1,2,...,N,j=1,2,...,M,为电力系统第i组发电机组在第j个时间段的启停状态,表示第i组发电机组在第j个时间段停机,表示第i组发电机组在第j个时间段启动;
Pa表示船舶航行过程中所有时间段电力系统所有发电机组的输出功率,如下式所示:
其中,i=1,2,...,N,j=1,2,...,M,为电力系统第i组发电机组在第j个时间段的输出功率;
Si为电力系统第i组发电机组的启动成本,为电力系统第i组发电机组在第j个时间段的发电成本指标函数,与的关系如下:
式中,ai>0、bi>0、ci>0为第i组发电机组的发电成本指标函数的参数;
分别表示船舶电力系统第i组发电机组的最小和最大输出功率;
表示电力系统第i组发电机组在第j个时间段已经连续运行的时间,Ti on表示电力系统第i组发电机组的最小连续运行时间;
表示电力系统第i组发电机组在第j个时间段已经连续停止运行的时间,Ti on表示电力系统第i组发电机组的最小连续停止运行时间;
表示电力系统储能系统在第j个时间段的充放电功率,表示电力系统储能系统的最大充放电功率,表示电力系统储能系统在第j个时间段放电,表示电力系统储能系统在第j个时间段充电,表示电力系统储能系统在第j个时间段既不放电也不充电;
Bj表示电力系统储能系统在第j个时间段的电力容量,Bmin和Bmax分别表示电力系统储能系统的最小电力容量和最大电力容量;电力系统储能系统充放电量与储能系统的电力容量之间的关系如下:
B0表示电力系统储能系统初始的电力容量,Δj表示第j个时间段的时间长度;
表示船舶用电设备在第j个时间段的电力负荷,表示船舶航行过程中在第j个时间段电力系统中所有发电机组需要提供的输出功率;与之间的关系如下:
Rj表示船舶电力系统在第j个时间段发电量的旋转备用量;
Fe表示船舶在航行过程中的温室气体排放量,FIMO-e表示IMO规定的温室气体排放限定值;Fe与的关系如下:
式中,αi、βi、γi为船舶电力系统第i组发电机组的温室气体排放特性参数;
B、设定混合优化算法参数
设定SPSO种群的粒子个数NS与QPSO种群的量子粒子个数NQ,混合优化算法最大迭代次数
C、初始化SPSO种群信息
随机初始化SPSO粒子种群中第ns个粒子的位置,即船舶航行过程中所有时间段电力系统储能系统的初始充放电功率:
同时随机初始化第ns个粒子的速度:
即SPSO算法的寻优步长;
D、判断由步骤C获得的粒子所包含的船舶航行过程中所有时间段电力系统储能系统的充放电功率k为迭代次数,是否满足式(5)所示的储能系统的充放电功率约束和式(6)所示的电力容量约束,若满足约束,转步骤E;
对不满足约束的粒子所包含的船舶航行过程中所有时间段电力系统储能系统的充放电功率进行修复,使其满足式(5)和(6);
E、由步骤A获得的船舶用电设备在所有时间段的电力负荷Pd∈RM减去由步骤D获得的船舶航行过程中所有时间段电力系统储能系统的充放电功率得到船舶航行过程中所有时间段电力系统中所有发电机组需要提供的输出功率:
即
F、初始化QPSO种群信息
随机初始化QPSO量子粒子种群中第nq个量子粒子的量子比特位,然后将每个量子比特位翻译成0或1,表示发电机组的启停状态,则第nq个量子粒子的量子比特位为随机的船舶航行过程中所有时间段电力系统所有发电机组的初始启停状态:
同时随机初始化第nq个量子粒子的量子角:
即QPSO算法的寻优步长;
G、判断由步骤F获得的量子粒子所包含的船舶航行过程中所有时间段电力系统所有发电机组的启停状态Unq(k)是否满足式(8)所示的旋转备用约束和式(3)-(4)所示的各发电机组最小启停时间约束,若满足约束,转步骤H;对不满足约束的量子粒子所包含的船舶航行过程中所有时间段电力系统所有发电机组的启停状态Unq(k)进行修复使其满足式(3)、(4)、(8);
H、采用二次规划算法,求出船舶航行过程中所有时间段电力系统所有发电机组的输出功率nq=1,2,...,NQ,然后由式(1)对应求得电力系统运营成本指标函数值COSTnq(k);
I、采用式(13)计算得到船舶航行过程中电力系统的温室气体排放量Fe;
J、判断船舶航行过程中电力系统的温室气体排放量Fe是否满足IMO提出的式(9)所示的船舶航行温室气体排放约束,若满足该约束,转步骤K;若不满足,转步骤L;
K、比较当前所有的船舶电力系统的运营成本指标函数值记录船舶电力系统当前最优运营成本指标函数值COST*(k),作为SPSO和QPSO混合优化算法第k次迭代的最优解,以及记录其对应的船舶航行过程中所有时间段电力系统所有发电机组的启停状态U*(k)与输出功率储能系统的充放电功率转步骤M;
L、剔除该量子粒子的量子比特位并随机生成新的量子比特位,转步骤G;
M、设置终止条件为SPSO和QPSO混合优化算法当前迭代次数k等于最大迭代次数判断当前混合优化迭代次数是否满足终止条件,若不满足终止条件,即则令k=k+1,转步骤N;若满足终止条件,即转步骤Q;
N、判断当前种群是否为SPSO种群,若是SPSO种群,则转步骤O,若不是SPSO种群则转步骤P;
O、设定SPSO种群中粒子位置与速度的更新公式,根据这个更新公式更新SPSO种群中粒子的位置与速度,转步骤D参与SPSO算法下一次迭代;
P、设定QPSO种群中量子粒子的量子比特位和量子角的更新公式,根据这个更新公式更新QPSO种群中量子粒子的量子比特位和量子角,更新量子比特位和量子角的量子粒子与由步骤L获得的量子粒子组成完整的QPSO种群一起参与QPSO算法下一次迭代,转步骤G;
Q、记录并输出船舶在航行过程中电力系统最优运营成本指标函数值COST*,以及其对应的所有时间段电力系统所有发电机组的启停状态U*与输出功率储能系统的充放电功率
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817367.5A CN110516885B (zh) | 2019-08-30 | 2019-08-30 | 基于spso与qpso混合优化的船舶能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817367.5A CN110516885B (zh) | 2019-08-30 | 2019-08-30 | 基于spso与qpso混合优化的船舶能量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516885A true CN110516885A (zh) | 2019-11-29 |
CN110516885B CN110516885B (zh) | 2023-05-16 |
Family
ID=68628715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910817367.5A Active CN110516885B (zh) | 2019-08-30 | 2019-08-30 | 基于spso与qpso混合优化的船舶能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516885B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799950A (zh) * | 2012-07-03 | 2012-11-28 | 大连海事大学 | 基于粒子群算法的船舶电网重构优化方法 |
JP2014165950A (ja) * | 2013-02-21 | 2014-09-08 | Mitsubishi Heavy Ind Ltd | エネルギー管理システム、及びエネルギー管理方法 |
CN106875063A (zh) * | 2017-02-21 | 2017-06-20 | 集美大学 | 一种动力定位船舶能量管理优化方法 |
CN109361237A (zh) * | 2018-11-30 | 2019-02-19 | 国家电网公司西南分部 | 基于改进混合粒子群算法的微电网容量优化配置方法 |
-
2019
- 2019-08-30 CN CN201910817367.5A patent/CN110516885B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799950A (zh) * | 2012-07-03 | 2012-11-28 | 大连海事大学 | 基于粒子群算法的船舶电网重构优化方法 |
JP2014165950A (ja) * | 2013-02-21 | 2014-09-08 | Mitsubishi Heavy Ind Ltd | エネルギー管理システム、及びエネルギー管理方法 |
CN106875063A (zh) * | 2017-02-21 | 2017-06-20 | 集美大学 | 一种动力定位船舶能量管理优化方法 |
CN109361237A (zh) * | 2018-11-30 | 2019-02-19 | 国家电网公司西南分部 | 基于改进混合粒子群算法的微电网容量优化配置方法 |
Non-Patent Citations (2)
Title |
---|
刘乐 等: "基于PSO优化模糊控制的船舶能量管理策略研究" * |
唐道贵 等: "综合电力系统船舶能量管理技术" * |
Also Published As
Publication number | Publication date |
---|---|
CN110516885B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11541763B2 (en) | Hybrid energy storage system optimization strategy with intelligent adaptive control | |
CN110718940B (zh) | 基于负荷预测的多能源船舶智能功率分配方法及装置 | |
Zhang et al. | Two-level model predictive control energy management strategy for hybrid power ships with hybrid energy storage system | |
CN110457859B (zh) | 混合电力船舶推进系统的优化控制方法 | |
WO2023160641A1 (zh) | 基于分层博弈的港船能源交通系统融合运行方法 | |
CN112668240B (zh) | 一种基于虚拟储能的全电力船舶经济性调度方法及系统 | |
CN110294418B (zh) | 一种混合动力轮胎式集装箱起重机分布式能量管理方法 | |
CN103158711A (zh) | 用于混合动力车的转矩控制方法及其系统 | |
CN113928187A (zh) | 一种燃料电池汽车的能量管理控制方法 | |
Wang et al. | Sizing and control of a hybrid ship propulsion system using multi-objective double-layer optimization | |
Othman et al. | Scheduling of power generation in hybrid shipboard microgrids with energy storage systems | |
Li et al. | Optimal power system design and energy management for more electric aircrafts | |
CN114996906A (zh) | 一种航空混合电推进系统的能量管理策略 | |
Zhang et al. | The research of power allocation in diesel-electric hybrid propulsion system | |
Xie et al. | A two-layer energy management system for a hybrid electrical passenger ship with multi-PEM fuel cell stack | |
Zhang et al. | An adaptive energy management strategy for fuel cell/battery/supercapacitor hybrid energy storage systems of electric vehicles | |
CN110516885A (zh) | 基于spso与qpso混合优化的船舶能量管理方法 | |
Bouaicha et al. | Optimal economic and pollution-constrained management of a hybrid DC shipboard power system | |
CN116436094A (zh) | 全直流船舶微电网系统的多时间尺度综合能量管理方法 | |
KR102359219B1 (ko) | 선박용 하이브리드 전기추진시스템 | |
Li et al. | Ship energy management strategy based on improved gravitational search algorithm | |
Roy et al. | Optimizing dynamic electric ferry loads with intelligent power management | |
CN114239297A (zh) | 计及动态特性的移动能源网络韧性提升方法 | |
CN106202833A (zh) | 电力调度方法和系统 | |
CN116280140B (zh) | 基于深度学习的船舶混合动力能量管理方法、设备及介质 |
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 |