CN110525592A - 一种能量管理方法及装置 - Google Patents

Abstract

根据本发明实施例公开的一种能量管理方法及装置，获取控制周期内环境可再生能源模块所产生的能量，以及无人帆船上的功能模块所需消耗的能量；基于环境可再生能源模块所产生的能量以及功能模块所需消耗的能量，确定可充电电池模块的预估保有能量；基于预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；将帆所需消耗的能量、舵所需消耗的能量以及激素浓度输入至神经内分泌模型进行计算，输出可充电电池当前的能量供给量。通过本发明的实施，将神经内分泌模型作为控制框架来控制可充电电池的能量输出，利用神经内分泌模型的自学习、自适应特点可有效模拟动态规划的控制规律，进而使得能量管理的准确性以及能量利用效率得到有效提升。

Description

一种能量管理方法及装置

技术领域

本发明涉及能量管理技术领域，尤其涉及一种能量管理方法及装置。

背景技术

人类对海洋的探索活动非常有限，在探索过程中会面临着危险、能源、效率等多方面束缚。现有的大部分无人船都是采用电池或燃料发动机来提供动力，受制于机器人所携带的电池或燃料的数量限制，这些探测机器人的活动范围还是非常有限，尚不能实现较长时间、大范围续航，因而无法满足远洋航行所需大时空续航能力的要求。

为了提高无人船的续航能力，混合动力船舶受到了市场的广泛青睐，环境可再生能源模块和可充电电池模块的混合动力系统可实现自我驱动和完成能量补给，但目前市场上针对混合动力船舶还未提出一种行之有效的能量管理策略，从而使得混合动力船舶在实际使用中的能量实时管理准确性较为有限，以及能量利用效率较低。

发明内容

本发明实施例的主要目的在于提供一种能量管理方法及装置，至少能够解决相关技术中针对混合动力船舶缺乏合理的能量管理策略，所导致的能量实时管理准确性较为有限以及能量利用效率较低的问题。

为实现上述目的，本发明实施例第一方面提供了一种能量管理方法，应用于通过并联式混合动力系统驱动的无人帆船，所述并联式混合动力系统包括并联设置的环境可再生能源模块和可充电电池模块，该能量管理方法包括：

获取在预设的控制周期内所述环境可再生能源模块所产生的能量，以及所述无人帆船上的功能模块所需消耗的能量；

基于所述环境可再生能源模块所产生的能量以及所述功能模块所需消耗的能量，确定所述可充电电池模块的预估保有能量；其中，所述功能模块包括帆、舵和负载；

基于所述预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；

将所述帆所需消耗的能量、所述舵所需消耗的能量以及所述激素浓度输入至所述神经内分泌模型进行计算，输出所述可充电电池当前的能量供给量。

为实现上述目的，本发明实施例第二方面提供了一种能量管理装置，应用于通过并联式混合动力系统驱动的无人帆船，所述并联式混合动力系统包括并联设置的环境可再生能源模块和可充电电池模块，该能量管理装置包括：

获取模块，用于获取在预设的控制周期内所述环境可再生能源模块所产生的能量，以及所述无人帆船上的功能模块所需消耗的能量；

确定模块，用于基于所述环境可再生能源模块所产生的能量以及所述功能模块所需消耗的能量，确定所述可充电电池模块的预估保有能量；其中，所述功能模块包括帆、舵和负载；

计算模块，用于基于所述预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；

输出模块，用于将所述帆所需消耗的能量、所述舵所需消耗的能量以及所述激素浓度输入至所述神经内分泌模型进行计算，输出所述可充电电池当前的能量供给量。

根据本发明实施例提供的能量管理方法及装置，获取在预设的控制周期内环境可再生能源模块所产生的能量，以及无人帆船上的功能模块所需消耗的能量；基于环境可再生能源模块所产生的能量以及功能模块所需消耗的能量，确定可充电电池模块的预估保有能量；基于预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；将帆所需消耗的能量、舵所需消耗的能量以及激素浓度输入至神经内分泌模型进行计算，输出可充电电池当前的能量供给量。通过本发明的实施，将神经内分泌模型作为控制框架来控制可充电电池的能量输出，利用神经内分泌模型的自学习、自适应特点可有效模拟动态规划的控制规律，进而使得能量实时管理的准确性以及能量利用效率得到有效提升。

本发明其他特征和相应的效果在说明书的后面部分进行阐述说明，且应当理解，至少部分效果从本发明说明书中的记载变的显而易见。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明第一实施例提供的能量管理方法的基本流程示意图；

图2为本发明第一实施例提供的激素浓度计算方法的基本流程示意图；

图3为本发明第一实施例提供的神经内分泌模型的网络结构示意图；

图4为本发明第二实施例提供的一种能量管理装置的结构示意图；

图5为本发明第二实施例提供的另一种能量管理装置的结构示意图；

图6为本发明第三实施例提供的电子装置的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

第一实施例：

为了解决相关技术中针对混合动力船舶缺乏合理的能量管理策略，所导致的能量实时管理准确性较为有限以及能量利用效率较低的技术问题，本实施例提出了一种能量管理方法，应用于通过并联式混合动力系统驱动的无人帆船，并联式混合动力系统包括并联设置的环境可再生能源模块和可充电电池模块，其中，环境可再生能源模块和可充电电池模块可以分别或共同驱动无人帆船，并且，可充电电池模块可以吸收环境可再生能源模块所产生的多余能量。

如图1所示为本实施例提供的能量管理方法的基本流程示意图，本实施例提出的能量管理方法包括以下的步骤：

步骤101、获取在预设的控制周期内环境可再生能源模块所产生的能量，以及无人帆船上的功能模块所需消耗的能量。

在本实施例中，环境可再生能源模块为可利用环境可再生能源例如风能、电能等进行发电的模块，在本实施例一种可选的实施方式中，环境可再生能源模块包括：太阳能发电板和风力发电机。另外，为了保证无人帆船的正常运行，在无人帆船上通常需要配备多个功能模块来协同工作，本实施例中将所有功能模块划分为帆、舵和负载。

步骤102、基于环境可再生能源模块所产生的能量以及功能模块所需消耗的能量，确定可充电电池模块的预估保有能量；其中，功能模块包括帆、舵和负载。

本实施例中以环境可再生能源模块为太阳能发电板和风力发电机为例，环境可再生能源模块所产生的能量则为太阳能发电板和风力发电机分别在对应控制周期内所产生的能量之和，而功能模块所需消耗的能量则为帆、舵和负载分别在对应控制周期内所需消耗的能量之和。本实施例基于环境可再生能源模块所供给的能量、功能模块所耗能量，以及所获取的可充电电池模块的当前能量，即可计算出可充电电池模块预估保有能量。

在本实施例一种可选的实施方式中，基于环境可再生能源模块所产生的能量以及功能模块所需消耗的能量，确定可充电电池模块的预估保有能量包括：将太阳能发电板和风力发电机所产生的能量以及功能模块所需消耗的能量，代入预设的电池能量计算公式，计算可充电电池模块的预估保有能量，电池能量计算公式表示如下：

b^t+1＝(s+w)/3600+b^t-c/3600，

其中，b^t+1为预估保有能量，b^t为可充电电池模块的当前能量，s为太阳能发电板所产生的能量，w为风力发电机所产生的能量，c为功能模块所需消耗的能量。

应当理解的是，无人帆船上的功能模块所需消耗的能量c可以表示如下：c＝p_f+p_r+k，其中，p_f为帆所需消耗的能量，p_r为舵所需消耗的能量，k为负载所需消耗的能量。

步骤103、基于预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度。

具体的，本实施例中的神经内分泌模型为一种基于神经内分泌调节机制的计算模型及算法，模型将神经系统与内分泌系统相结合，利用神经系统的学习与记忆能力，以及内分泌系统对神经系统的反馈调控作用，控制执行主体行为，使执行主体具有自学习/自适应能力。

如图2为本实施例提供的一种激素浓度计算方法的流程示意图，本实施例在基于预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度时，具体包括以下步骤：

步骤201、将预估保有能量作为当前能量迭代至预设的激素释放量计算公式，计算激素释放量。

在本实施例中，激素释放量计算公式表示如下：q＝λb^t-β，其中，q为激素释放量，b^t为当前能量，b^t在激素释放量计算公式中由预估保有能量迭代替换，λ和β均为激素功能常数，λ为胰高血糖素功能常数，β为胰岛素功能常数；

步骤202、将激素释放量输入至预设的激素浓度计算公式，计算迭代后的激素浓度，并将迭代后的激素浓度作为所需输入至预设的神经内分泌模型的激素浓度。

在本实施例中，激素浓度计算公式表示如下：其中，为迭代后的激素浓度，为所获取的当前激素浓度，q为激素释放量，r为衰减率/释放率常数。

步骤104、将帆所需消耗的能量、舵所需消耗的能量以及激素浓度输入至神经内分泌模型进行计算，输出可充电电池当前的能量供给量。

具体的，本实施例中的神经内分泌模型采用三层网络结构，也即输入层、隐藏层以及输出层，如图3所示为本实施例提供的一种神经内分泌模型的网络结构示意图，C_j为激素浓度，在本实施例的一种实施方式中，输入层具有两个神经元，将帆所需消耗的能量p_f、舵所需消耗的能量p_r的值分别作为输入，隐藏层则有八个神经元，而输出层仅具有一个神经元，输出值也即可充电电池当前的能量供给量P_b，应当理解的是，图3中的w₁至w₈为训练完成后的神经内分泌模型的输出层参数。本实施例通过神经内分泌模型进行能量管理，考虑到环境可再生能源的产能量和可充电电池的能量存量，动态调节可充电电池的合理能量输出值，从而最小化消耗可充电电池的能量，并最大化利用环境可再生能源，可以有效保证无人帆船的能源供给平衡，提高电池的能量保有量。另外，可以根据负载的变化及环境可再生能源的能量供给量自适应调节可充电电池的充放电，使得系统能量可以最大化的延长工作时长。

还应当说明的是，整个神经内分泌模型的神经网络只包含一个隐含层，在训练过程中，无人帆船采用并联式混合动力，可以采用电池和风能、太阳能三种不同能量来源进行供电。另外，神经内分泌模型的训练过程是让无人帆船在不同的天气条件下(主要是太阳照射和风力环境不同)，按照固定路线行进，采集太阳能、风能以及帆、舵所消耗的能量，做成训练样本来训练网络。

在本实施例一种可选的实施方式中，神经内分泌模型表示如下：

其中，P_b为可充电电池当前的能量供给量，n为神经内分泌模型隐藏层的神经元个数，i∈{0,n}，w_i为训练完成后的神经内分泌模型的输出层参数，p_f为帆所需消耗的能量，p_r为舵所需消耗的能量，C_j为激素浓度，S_j为激素敏感性常数，为一个不停迭代的常数，m_i为神经内分泌模型训练时对应于p_f的权重参数，n_i为神经内分泌模型训练时对应于p_r的权重参数。

根据本发明实施例提供的能量管理方法，获取在预设的控制周期内环境可再生能源模块所产生的能量，以及无人帆船上的功能模块所需消耗的能量；基于环境可再生能源模块所产生的能量以及功能模块所需消耗的能量，确定可充电电池模块的预估保有能量；基于预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；将帆所需消耗的能量、舵所需消耗的能量以及激素浓度输入至神经内分泌模型进行计算，输出可充电电池当前的能量供给量。通过本发明的实施，将神经内分泌模型作为控制框架来控制可充电电池的能量输出，利用神经内分泌模型的自学习、自适应特点可有效模拟动态规划的控制规律，进而使得能量管理的准确性以及能量利用效率得到有效提升。

第二实施例：

为了解决相关技术中针对混合动力船舶缺乏合理的能量管理策略，所导致的能量实时管理准确性较为有限以及能量利用效率较低的技术问题，本实施例示出了一种能量管理装置，应用于通过并联式混合动力系统驱动的无人帆船，并联式混合动力系统包括并联设置的环境可再生能源模块和可充电电池模块。

具体请参见图4，本实施例的能量管理装置包括：

获取模块401，用于获取在预设的控制周期内环境可再生能源模块所产生的能量，以及无人帆船上的功能模块所需消耗的能量；

确定模块402，用于基于环境可再生能源模块所产生的能量以及功能模块所需消耗的能量，确定可充电电池模块的预估保有能量；其中，功能模块包括帆、舵和负载；

计算模块403，用于基于预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；

输出模块404，用于将帆所需消耗的能量、舵所需消耗的能量以及激素浓度输入至神经内分泌模型进行计算，输出可充电电池当前的能量供给量。

具体的，环境可再生能源模块和可充电电池模块可以分别或共同驱动无人帆船，并且，可充电电池模块可以吸收环境可再生能源模块所产生的多余能量，另外在本实施例一种可选的实施方式中，环境可再生能源模块包括：太阳能发电板和风力发电机。

本实施例基于环境可再生能源模块所供给的能量、功能模块所耗能量，以及所获取的可充电电池模块的当前能量，即可计算出可充电电池模块预估保有能量。然后基于预估保有能量仿生得到神经内分泌模型的输入参数激素浓度，通过具有自学习、自适应能力的神经内分泌模型进行能量管理，动态调节可充电电池的合理能量输出值。

进一步地，在本实施例的一些实施方式中，确定模块402具体用于将太阳能发电板和风力发电机所产生的能量以及功能模块所需消耗的能量，代入预设的电池能量计算公式，计算可充电电池模块的预估保有能量，电池能量计算公式表示如下：

b^t+1＝(s+w)/3600+b^t-c/3600，

其中，b^t+1为预估保有能量，b^t为可充电电池模块的当前能量，s为太阳能发电板所产生的能量，w为风力发电机所产生的能量，c为功能模块所需消耗的能量。

如图5所示为本实施例提供的另一种能量管理装置的结构示意图，更进一步地，在本实施例的一些实施方式中，计算模块403包括第一计算子模块4031和第二计算子模块4032；第一计算子模块4031用于将预估保有能量作为当前能量迭代至预设的激素释放量计算公式，计算激素释放量，激素释放量计算公式表示如下：q＝λb^t-β，其中，q为激素释放量，b^t为当前能量，b^t在激素释放量计算公式中由预估保有能量迭代替换，λ和β均为激素功能常数，λ为胰高血糖素功能常数，β为胰岛素功能常数；第二计算子模块4032将激素释放量输入至预设的激素浓度计算公式，计算迭代后的激素浓度，并将迭代后的激素浓度作为所需输入至预设的神经内分泌模型的激素浓度，激素浓度计算公式表示如下：其中，为迭代后的激素浓度，为所获取的当前激素浓度，q为激素释放量，r为衰减率常数。

进一步地，在本实施例的一些实施方式中，神经内分泌模型表示如下：

其中，P_b为可充电电池当前的能量供给量，n为神经内分泌模型隐藏层的神经元个数，i∈{0,n}，w_i为训练完成后的神经内分泌模型的输出层参数，p_f为帆所需消耗的能量，p_r为舵所需消耗的能量，C_j为激素浓度，S_j为激素敏感性常数，m_i为神经内分泌模型训练时对应于p_f的权重参数，n_i为神经内分泌模型训练时对应于p_r的权重参数。

应当说明的是，前述实施例中的能量管理方法均可基于本实施例提供的能量管理装置实现，所属领域的普通技术人员可以清楚的了解到，为描述的方便和简洁，本实施例中所描述的能量管理装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

采用本实施例提供的能量管理装置，获取在预设的控制周期内环境可再生能源模块所产生的能量，以及无人帆船上的功能模块所需消耗的能量；基于环境可再生能源模块所产生的能量以及功能模块所需消耗的能量，确定可充电电池模块的预估保有能量；基于预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；将帆所需消耗的能量、舵所需消耗的能量以及激素浓度输入至神经内分泌模型进行计算，输出可充电电池当前的能量供给量。通过本发明的实施，将神经内分泌模型作为控制框架来控制可充电电池的能量输出，利用神经内分泌模型的自学习、自适应特点可有效模拟动态规划的控制规律，进而使得能量管理的准确性以及能量利用效率得到有效提升。

第三实施例：

本实施例提供了一种电子装置，参见图6所示，其包括处理器601、存储器602及通信总线603，其中：通信总线603用于实现处理器601和存储器602之间的连接通信；处理器601用于执行存储器602中存储的一个或者多个计算机程序，以实现上述实施例一中的能量管理方法中的至少一个步骤。

本实施例还提供了一种计算机可读存储介质，该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory，随机存取存储器),ROM(Read-Only Memory，只读存储器),EEPROM(Electrically Erasable Programmable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory，光盘只读存储器)，数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。

本实施例中的计算机可读存储介质可用于存储一个或者多个计算机程序，其存储的一个或者多个计算机程序可被处理器执行，以实现上述实施例一中的方法的至少一个步骤。

本实施例还提供了一种计算机程序，该计算机程序可以分布在计算机可读介质上，由可计算装置来执行，以实现上述实施例一中的方法的至少一个步骤；并且在某些情况下，可以采用不同于上述实施例所描述的顺序执行所示出或描述的至少一个步骤。

本实施例还提供了一种计算机程序产品，包括计算机可读装置，该计算机可读装置上存储有如上所示的计算机程序。本实施例中该计算机可读装置可包括如上所示的计算机可读存储介质。

可见，本领域的技术人员应该明白，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。

此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、计算机程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明实施例所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种能量管理方法，应用于通过并联式混合动力系统驱动的无人帆船，所述并联式混合动力系统包括并联设置的环境可再生能源模块和可充电电池模块，其特征在于，所述能量管理方法包括：

获取在预设的控制周期内所述环境可再生能源模块所产生的能量，以及所述无人帆船上的功能模块所需消耗的能量；

基于所述环境可再生能源模块所产生的能量以及所述功能模块所需消耗的能量，确定所述可充电电池模块的预估保有能量；其中，所述功能模块包括帆、舵和负载；

基于所述预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；

将所述帆所需消耗的能量、所述舵所需消耗的能量以及所述激素浓度输入至所述神经内分泌模型进行计算，输出所述可充电电池当前的能量供给量。

2.如权利要求1所述的能量管理方法，其特征在于，所述环境可再生能源模块包括：太阳能发电板和风力发电机。

3.如权利要求2所述的能量管理方法，其特征在于，所述基于所述环境可再生能源模块所产生的能量以及所述功能模块所需消耗的能量，确定所述可充电电池模块的预估保有能量包括：

将所述太阳能发电板和风力发电机所产生的能量以及所述功能模块所需消耗的能量，代入预设的电池能量计算公式，计算所述可充电电池模块的预估保有能量，所述电池能量计算公式表示如下：

b^t+1＝(s+w)/3600+b^t-c/3600，

其中，所述b^t+1为所述预估保有能量，所述b^t为所述可充电电池模块的当前能量，所述s为所述太阳能发电板所产生的能量，所述w为所述风力发电机所产生的能量，所述c为所述功能模块所需消耗的能量。

4.如权利要求3所述的能量管理方法，其特征在于，所述基于所述预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度包括：

将所述预估保有能量作为所述当前能量迭代至预设的激素释放量计算公式，计算激素释放量，所述激素释放量计算公式表示如下：

q＝λb^t-β，

其中，所述q为所述激素释放量，所述b^t为当前能量，所述b^t在所述激素释放量计算公式中由所述预估保有能量迭代替换，所述λ和β均为激素功能常数，所述λ为胰高血糖素功能常数，所述β为胰岛素功能常数；

将所述激素释放量输入至预设的激素浓度计算公式，计算迭代后的激素浓度，并将所述迭代后的激素浓度作为所需输入至预设的神经内分泌模型的激素浓度，所述激素浓度计算公式表示如下：

其中，所述为所述迭代后的激素浓度，所述为当前激素浓度，所述q为所述激素释放量，所述r为衰减率常数。

5.如权利要求1至4中任意一项所述的能量管理方法，其特征在于，所述神经内分泌模型表示如下：

其中，所述P_b为所述可充电电池当前的能量供给量，所述n为所述神经内分泌模型隐藏层的神经元个数，所述i∈{0,n}，所述w_i为训练完成后的所述神经内分泌模型的输出层参数，所述p_f为所述帆所需消耗的能量，所述p_r为所述舵所需消耗的能量，所述C_j为所述激素浓度，所述S_j为激素敏感性常数，所述m_i为所述神经内分泌模型训练时对应于所述p_f的权重参数，所述n_i为所述神经内分泌模型训练时对应于所述p_r的权重参数。

6.一种能量管理装置，应用于通过并联式混合动力系统驱动的无人帆船，所述并联式混合动力系统包括并联设置的环境可再生能源模块和可充电电池模块，其特征在于，所述能量管理装置包括：

获取模块，用于获取在预设的控制周期内所述环境可再生能源模块所产生的能量，以及所述无人帆船上的功能模块所需消耗的能量；

确定模块，用于基于所述环境可再生能源模块所产生的能量以及所述功能模块所需消耗的能量，确定所述可充电电池模块的预估保有能量；其中，所述功能模块包括帆、舵和负载；

计算模块，用于基于所述预估保有能量计算所需输入至预设的神经内分泌模型的激素浓度；

输出模块，用于将所述帆所需消耗的能量、所述舵所需消耗的能量以及所述激素浓度输入至所述神经内分泌模型进行计算，输出所述可充电电池当前的能量供给量。

7.如权利要求6所述的能量管理装置，其特征在于，所述环境可再生能源模块包括：太阳能发电板和风力发电机。

8.如权利要求7所述的能量管理装置，其特征在于，所述确定模块具体用于将所述太阳能发电板和风力发电机所产生的能量以及所述功能模块所需消耗的能量，代入预设的电池能量计算公式，计算所述可充电电池模块的预估保有能量，所述电池能量计算公式表示如下：

b^t+1＝(s+w)/3600+b^t-c/3600，

其中，所述b^t+1为所述预估保有能量，所述b^t为所述可充电电池模块的当前能量，所述s为所述太阳能发电板所产生的能量，所述w为所述风力发电机所产生的能量，所述c为所述功能模块所需消耗的能量。

9.如权利要求8所述的能量管理装置，其特征在于，所述计算模块包括第一计算子模块和第二计算子模块；

所述第一计算子模块用于将所述预估保有能量作为所述当前能量迭代至预设的激素释放量计算公式，计算激素释放量，所述激素释放量计算公式表示如下：

q＝λb^t-β，

其中，所述q为所述激素释放量，所述b^t为当前能量，所述b^t在所述激素释放量计算公式中由所述预估保有能量迭代替换，所述λ和β均为激素功能常数，所述λ为胰高血糖素功能常数，所述β为胰岛素功能常数；

所述第二计算子模块将所述激素释放量输入至预设的激素浓度计算公式，计算迭代后的激素浓度，并将所述迭代后的激素浓度作为所需输入至预设的神经内分泌模型的激素浓度，所述激素浓度计算公式表示如下：

其中，所述为所述迭代后的激素浓度，所述为当前激素浓度，所述q为所述激素释放量，所述r为衰减率常数。

10.如权利要求6至9中任意一项所述的能量管理装置，其特征在于，所述神经内分泌模型表示如下：

其中，所述P_b为所述可充电电池当前的能量供给量，所述n为所述神经内分泌模型隐藏层的神经元个数，所述i∈{0,n}，所述w_i为训练完成后的所述神经内分泌模型的输出层参数，所述p_f为所述帆所需消耗的能量，所述p_r为所述舵所需消耗的能量，所述C_j为所述激素浓度，所述S_j为激素敏感性常数，所述m_i为所述神经内分泌模型训练时对应于所述p_f的权重参数，所述n_i为所述神经内分泌模型训练时对应于所述p_r的权重参数。