CN112668240B - 一种基于虚拟储能的全电力船舶经济性调度方法及系统 - Google Patents
一种基于虚拟储能的全电力船舶经济性调度方法及系统 Download PDFInfo
- Publication number
- CN112668240B CN112668240B CN202011621909.0A CN202011621909A CN112668240B CN 112668240 B CN112668240 B CN 112668240B CN 202011621909 A CN202011621909 A CN 202011621909A CN 112668240 B CN112668240 B CN 112668240B
- Authority
- CN
- China
- Prior art keywords
- ship
- power
- energy storage
- full
- diesel generator
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000004146 energy storage Methods 0.000 claims abstract description 59
- 239000002245 particle Substances 0.000 claims abstract description 50
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 239000000446 fuel Substances 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 20
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 20
- 238000010248 power generation Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 8
- 239000005431 greenhouse gas Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 11
- 239000003921 oil Substances 0.000 description 10
- 238000007726 management method Methods 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Abstract
本发明提供了一种基于虚拟储能的全电力船舶经济性调度方法及系统，包括如下步骤：虚拟储能建立步骤：建立电力推进负荷所需的功率与船速呈强非线性关系；物理储能建立步骤：建立蓄电池作为船载物理储能充放电方程；柴油发电机搭建步骤：定义柴油发电机每小时的油耗公式；全电力船舶经济性调度模型建立步骤：根据所述的强非线性关系与所述的油耗公式，设定全电力船舶的燃油成本和碳排放最低的目标函数；虚拟储能的全电力船舶经济性调度模型建立步骤：根据所述目标函数，采用粒子群优化算法解决全电力船舶的经济性调度问题。本发明通过虚拟储能，可以更好的利用综合电力推进系统，提高柴油发电机的燃油效率，从而降低燃油成本，提升环境友好性。
Description
技术领域
本发明涉及电力系统运行与船舶技术领域，具体地，涉及一种基于虚拟储能的全电力船舶经济性调度方法及系统。
背景技术
在全球化石能源逐渐减少、环境问题日益突出、燃油成本和运输成本与日俱增的趋势下，如何提升船舶电力系统的能源利用率，减少运输成本与污染物排放已迫在眉睫。随着船舶电站电气化程度越来越高，融合了综合电力推进技术的全电力船舶可以彻底改变这一不利局面，还可以带来显著的经济效益
在全电力船舶的愿景中，利用先进的电力推进技术改变传统船舶单一的航行模式，并大幅度地提升能效水平是其主要目的。而灵活的储能方式与最佳的经济性调度方案是实现这一根本目的的前提。
目前，船舶的优化运行大都基于较为成熟的船载储能技术，包括蓄电池储能技术、飞轮储能技术和超级电容储能技术。虽然经济性调度方法可以提高船舶的经济性，但是昂贵的储能系统往往会增加船舶的投入成本。
为了进一步降低船舶成本，提升全电力船舶的续航能力，全电力船舶经济调度方法将充分挖掘综合电力推进技术潜力，合理调配柴油机发电系统，改善船舶电力系统整体性能，保证船舶安全、稳定、经济运行。
为实现全电力船舶的经济性运行管理，结合先进的电力推进技术，综合考虑船舶发电与航行约束，本项目基于虚拟储能技术，提出了一种新型适用于全电力船舶的优化调度方案。该方案具有以下特点：
融合了先进的综合电力推进技术的虚拟储能方式，可降低高昂的储能设备投入，减少设备的故障率。
全电力船舶可通过虚拟储能，更加灵活的控制船速，实现船舶多模式航行。
基于虚拟储能的全电力船舶经济性调度方法，不仅可以保证船舶安全、准时的抵达港口，而且能够大幅度提升全电力船舶的经济性和环境友好性。
新型的全电力船舶经济性调度方法可更加充分的利用柴油机发电系统，从而提升船舶能效水平、降低油耗、减少温室气体的排放。
对比文件1：
杨再明,高海波,林治国,等.多电船舶的能量管理策略仿真研究[J].中国修船,2019,32(3):42-46.
摘要:文章对氢燃料电池船"Alsterwasser"号进行模拟改装,保持以质子交换膜燃料电池(PEMFC)作为主能量源,设计了以磷酸铁锂电池和超级电容为核心的复合储能装置,更好地应对多变的负载需求。采用支持向量机进行工况识别,设计低通滤波器进行功率分配,提出2种不同的能量管理策略对复合储能装置的功率输出进行优化控制,并设计仿真实验,对比其优劣。仿真结果表明,模糊控制策略匹配复合储能装置能更好地优化功率分配。
技术要点比较：该文献针对多电船舶提出了一种能量管理方法。在该方法中可实现混合储能的功率分配，但尚未考虑电力推进负荷的优化控制，也未考虑船舶的经济性调度问题，仅靠控制物理储能系统无法满足船舶经济性和碳排放实际要求。
对比文件2：
阚志伟,王锡淮.混合动力船舶能量管理系统控制与优化[J].船电技术,2018(8):36-40,44.
摘要:本文介绍使用频率方法改进混合电动船(HEB)能量管理系统,并对系统做适当优化。柴油发电机通过超级电容器和锂电池的配合出力来满足混合动力船的负荷需求。超级电容器和锂电池通过两个双向DC/DC连接到直流母线,柴油发电机使用三相PWM整流器连接到直流总线.DC/AC转换器连接到使用两个电动机作为推进器模拟混合动力船(HEB)在航行过程需求的推进负载.利用粒子群优化算法来整定柴油机调速系统PID控制器参数,使其有更快的速度响应.本文通过柴油发电机,超级电容器和锂电池这些电源的功率分配来满足动态负荷需求.理论结果通过MATALB/Simulink软件进行仿真验证。
技术要点比较：该文献针对混合电动船能量管理系统，提出了一种基于粒子群优化算法的控制器。该控制器只针对柴油发电机，尚未考虑系统层面的优化调度，也未考虑通过控制电力推进负荷实现能效提升的技术手段，通过该控制器无法灵活控制船速，无法保证船舶的航程需求。
对比文件3：
Yuqing Huang,Hai Lan,Ying-Yi Hong,Shuli Wen,and Sidun Fang.Jointvoyage scheduling and economic dispatch for all-electric ships with virtualenergy storage systems[J].Energy,2020,190:1–9.
摘要:As a special mobile microgrid,an all-electric ship(AES)utilizesdiesel generators and energy storage systems to provide electric propulsionand service loads.Unlike previous studies of the minimization of the AESoperation using auxiliary energy storage systems,this paper exploits existingshipboard thermal storage and thermal load as a virtual energy storage systemto reduce both operat ing cost and greenhouse gas emissions.To achieve thisgoal,a joint optimization model is developed optimally to coordinate thevoyage scheduling and power generation of the AES under various loadconditions.Thermal load and propulsion load optimization are considered indemand-side management.The problem is formulated mathematically as a multi-objective economic dispatch problem and solved by the particle swarmoptimization(PSO)algorithm combined with non-dominated sorting geneticalgorithm II(NSGAII).A typical navigation route is selected for the casestudies and simulation results demonstrate that the proposed jointoptimization method reduces cost and greenhouse gas emissions by 17.4％and23.6％,respectively,from those achieved using current fixed voyage generationscheduling methods.The environment friendliness and energy efficiency arefurther improved by coordinated penetration of the thermal storage dispatchinto generation and voyage scheduling.
技术要点比较：该文献针对全电力船舶也提出了虚拟储能的概念，但该文献是通过控制船舶上的热负荷实现的储能的目的，与本方案通过控制船速间接改变电力推进负荷功率有本质区别。与该文献比较，本方案所提出的经济性调度方法在提高船舶经济性和环境友好性的同时，可使船舶航程多样化，实现全电力船舶提前到达目标港口的目的。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于虚拟储能的全电力船舶经济性调度方法及系统。
2、根据本发明的一个方面，提供了一种基于虚拟储能的全电力船舶经济性调度方法，包括如下步骤：
虚拟储能建立步骤：建立电力推进负荷所需的功率与船速呈强非线性关系；
物理储能建立步骤：建立蓄电池作为船载物理储能充放电方程；
柴油发电机搭建步骤：定义柴油发电机每小时的油耗公式；
全电力船舶经济性调度模型建立步骤：根据所述的强非线性关系与所述的油耗公式，设定全电力船舶的燃油成本和碳排放最低的目标函数；
虚拟储能的全电力船舶经济性调度模型建立步骤：根据所述目标函数，采用粒子群优化算法解决全电力船舶的经济性调度问题。
优选地，所述虚拟储能建立步骤中，综合电力推进系统是全电力船舶的重要负荷，电力推进负荷所需的功率
与船速Vt呈强非线性关系如下：
其中，c1和c2为推进系数。
优选地，当全电力船舶发电量充足时，增加船速，从而提升负荷量，使柴油发电机工作在最佳工作点；当全电力船舶发电量不足时，适当降低船速，从而减小负荷需求，保证柴油发电机始终高效运行，通过调节船速，实现推进负荷功率的变化，从而导致全电力船舶发电调度的变化，间接的实现了储能充放电功能。
优选地，所述物理储能建立步骤中，蓄电池作为船载物理储能系统，其充放电程如下：
其中，
为物理储能系统在t时刻的剩余能量；/>
和/>
分别代表储能系统的充放电功率；ηch和ηdc代表储能系统的充放电效率；Δt是时间间隔。
优选地，所述柴油发电机搭建步骤中，作为船舶电力系统中主要的供电设备，柴油机发电系统为全电力船舶负荷供电，保证船舶电站供电的安全性和可靠性，柴油发电机每小时的油耗定义为：
其中，
为柴油发电机每小时的输出功率；Pr为柴油发电机额定功率；a和b为发电机油耗系数。
优选地，所述的全电力船舶经济性调度模型建立步骤中，把全电力船舶的燃油成本和碳排放最低设为目标函数，具体表示为：
式中，Ct表示燃油成本；En代表碳排放量；n与m分别代表柴油价格和碳排放系数；
为船舶生活负荷；D是航程距离；RD和RU分别代表柴油机发电系统功率调节的上限和下限。
优选地，所述虚拟储能的全电力船舶经济性调度模型建立步骤中，引入粒子群优化算法解决多目标优化问题，再使用多目标粒子群优化算法解决全电力船舶的经济性调度问题。
优选地，所述粒子群优化算法是通过整合群体的历史信息以及个体自身的经验，在全局最优粒子与个体最优粒子的指引下寻找最优解，具体数学表述如下所示。
其中，k为当前迭代数，vi是第i个粒子的飞行速度；xi是第i个粒子的位置；w是惯性权重；u1和u2为学习因子；r1和r2代表在[0,1]变化的随机数；pi为个体最优粒子的位置；g代表全局最优位置。
优选地，所述多目标粒子群优化算法解决全电力船舶的经济性调度问题，是指首先初始化变量形成一个粒子数为N的种群P，变量包括船载柴油机发电系统每小时功率输出、船速和物理储能系统的充放电功率；随后，在约束条件内，为每个粒子随机设置一个速度；其次，结合目标函数评价每个粒子；然后，检验全电力船舶的运行成本和温室气体排放量是否最低，如果没有，利用即公式5更新粒子，产生新的种群Q；随后，整合种群P和Q，合成新的种群R，并对种群R进行排序；排序后，重新选取N个最佳粒子，进行下一次迭代；最后，直至程序结束，输出最后优化调度的结果。
根据本发明的另一个方面，提供了一种基于虚拟储能的全电力船舶经济性调度系统，其特征在于，包括：
虚拟储能建立模块：建立电力推进负荷所需的功率与船速呈强非线性关系；
物理储能建立模块：建立蓄电池作为船载物理储能充放电方程；
柴油发电机搭建模块：定义柴油发电机每小时的油耗公式；
全电力船舶经济性调度模型建立模块：根据所述的强非线性关系与所述的油耗公式，设定全电力船舶的燃油成本和碳排放最低的目标函数；
虚拟储能的全电力船舶经济性调度模型建立模块：根据所述目标函数，采用粒子群优化算法解决全电力船舶的经济性调度问题。
与现有技术相比，本发明具有如下的有益效果：
1、本发明通过虚拟储能，全电力船舶可以更加灵活有效的调节船速，可以使全电力提前抵达目的港口，并不消耗额外的燃油；
2、本发明通过虚拟储能，全电力船舶可以更好的利用综合电力推进系统，提高柴油发电机的燃油效率，从而降低燃油成本，提升环境友好性；
3、本发明通过虚拟储能和经济性调度方法，可有效整合资源，使柴油机发电系统与物理储能相互配合，高效的为船舶推进负荷与生活负荷供电；
4、本发明中经济性调度方法不局限于固定的网络结构，具有广泛的适用性和良好的延展性，可以应用于不同类型的船舶甚至是陆地交通工具。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为全电力船舶电力系统结构图；
图2为全电力船舶经济性调度流程图；
图3为船速和航程算例示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
在本实施例中，采用本发明提供的一种基于虚拟储能的全电力船舶经济性调度方法，具体包括：
A.虚拟储能
全电力船舶综合电力推进系统规模庞大，结构复杂，设备种类繁多，其核心是电机及电力电子设备等组成的电力系统。综合电力推进系统是全电力船舶的重要负荷，电力推进负荷所需的功率与船速呈强非线性关系，具体如下：
其中，c1和c2为推进系数。
由于电力推进负荷与船速存在数学上的耦合关系，可通过经济性调度手段调节船速进而改变推进负荷功率。具体地，当全电力船舶发电量充足时，可增加船速，从而提升负荷量，使柴油发电机工作在最佳工作点；当全电力船舶发电量不足时，可适当降低船速，从而减小负荷需求，保证柴油发电机始终高效运行。因此，通过调节船速，可实现推进负荷功率的变化，从而导致全电力船舶发电调度的变化，间接的实现了储能充放电功能，因此本项目结合电力推进技术和经济性调度方法，率先提出了全电力船舶虚拟储能的概念。
B.物理储能
虽然可以通过调节船速实现储能的目的，但是为了保证船舶安全、准时到港，不能任意调节船速。全电力船舶依然需要实际的物理储能系统配合船载柴油机发电系统，共同为船舶负荷供电。蓄电池作为船载物理储能系统，其充放电程如下：
其中，
为物理储能系统在t时刻的剩余能量；/>
和/>
分别代表储能系统的充放电功率；ηch和ηdc代表储能系统的充放电效率。
C.柴油机发电系统
作为船舶电力系统中主要的供电设备，柴油机发电系统为全电力船舶负荷供电，保证船舶电站供电的安全性和可靠性。本项目考虑柴油发电机每小时的油耗，具体定义为：
其中，
为柴油发电机每小时的输出功率；Pr为柴油发电机额定功率；a和b为发电机油耗系数。
D.全电力船舶经济性调度模型
全电力船舶经济性调度的目的是通过合理调配发电，在满足船舶负荷需求的同时，尽量减少船舶的运行成本和温室气体排放量。因此，本项目把全电力船舶的燃油成本和碳排放最低设为目标函数，具体表示为：
式中，Ct表示燃油成本；En代表碳排放量；n与m分别代表柴油价格和碳排放系数；
为船舶生活负荷；D是航程距离；RD和RU分别代表柴油机发电系统功率调节的上限和下限。
E.基于虚拟储能的全电力船舶经济性调度方法
作为一种启发式全局优化方法，粒子群优化算法可有效解决多目标优化问题，受到了广泛的关注和应用。粒子群优化算法的寻优机制是由群体动物觅食的过程演变而来。鸟群或鱼群在觅食的时候，群体之间通过分享彼此的信息进行沟通的同时，每个单独的个体总结自身的历史经验，整个群体不断更新所在位置和方向直至最终发现目标。基于此，粒子群优化算法通过整合群体的历史信息以及个体自身的经验，在全局最优粒子与个体最优粒子的指引下寻找最优解，具体数学表述如下所示。
其中，k为当前迭代数，vi是第i个粒子的飞行速度；xi是第i个粒子的位置；w是惯性权重；u1和u2为学习因子；r1和r2代表在[0,1]变化的随机数；pi为个体最优粒子的位置；g代表全局最优位置。
本项目利用多目标粒子群优化算法解决全电力船舶的经济性调度问题。该方法首先初始化变量形成一个粒子数为N的种群P，变量包括船载柴油机发电系统每小时功率输出、船速和物理储能系统的充放电功率；随后，在约束条件内，为每个粒子随机设置一个速度；其次，结合目标函数评价每个粒子；然后，检验全电力船舶的运行成本和温室气体排放量是否最低，如果没有，利用速度和位置更新公式(即公式5)更新粒子，产生新的种群Q；随后，整合种群P和Q，合成新的种群R，并对种群R进行排序；排序后，重新选取N个最佳粒子，进行下一次迭代；最后，直至程序结束，输出最后优化调度的结果，具体流程如图2所示。
现有的船舶经济性调度方法往往采用统一调配发电端的发电量以满足负荷端的需求，基于综合电力推进系统，结合优化控制技术，将其控制成功率需求可变的虚拟储能现阶段尚无相关研究和应用。本项目依托国家自然基金项目“多变量耦合的移动式微电网优化配置研究”，设计了一种基于虚拟储能的全电力船舶经济性调度方法。
通过本项目提出的经济性调度方法，可降低全电力船舶运行油耗及二氧化碳排放量。以具有4台6MW柴油发电机和0.85MW物理储能系统的全电力船舶为例，若柴油价格为1.06(美元/升)，其运行一天的平均油耗成本为43842美元，温室气体排放量为8324千克。如表1和图3所示，通过本方案提出的经济性调度方法可更加灵活的调节船速，保证船舶可以提前到达港口的同时，提高了系统经济性和能源利用率，进一步解决了传统船舶燃油高、污染重、效率低等问题。
表1经济性调度优化结果
| 无经济性调度算例 | 本方案算例 | |
| 油耗成本(美元) | 70046 | 43842 |
| 碳排放量(千克) | 20156 | 8324 |
| 航行时间(小时) | 24 | 21 |
本发明还提供了一种基于虚拟储能的全电力船舶经济性调度系统，包括：虚拟储能建立模块：建立电力推进负荷所需的功率与船速呈强非线性关系；物理储能建立模块：建立蓄电池作为船载物理储能充放电方程；柴油发电机搭建模块：定义柴油发电机每小时的油耗公式；全电力船舶经济性调度模型建立模块：根据所述的强非线性关系与所述的油耗公式，设定全电力船舶的燃油成本和碳排放最低的目标函数；虚拟储能的全电力船舶经济性调度模型建立模块：根据所述目标函数，采用粒子群优化算法解决全电力船舶的经济性调度问题。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (5)
1.一种基于虚拟储能的全电力船舶经济性调度方法，其特征在于，包括：
虚拟储能建立步骤：建立电力推进负荷所需的功率与船速呈强非线性关系；
物理储能建立步骤：建立蓄电池作为船载物理储能充放电方程；
柴油发电机搭建步骤：定义柴油发电机每小时的油耗公式；
全电力船舶经济性调度模型建立步骤：根据所述的强非线性关系与所述的油耗公式，设定全电力船舶的燃油成本和碳排放最低的目标函数；
虚拟储能的全电力船舶经济性调度模型建立步骤：根据所述目标函数，采用粒子群优化算法解决全电力船舶的经济性调度问题；
所述虚拟储能建立步骤中，综合电力推进系统是全电力船舶的重要负荷，电力推进负荷所需的功率
与船速Vt呈强非线性关系如下：
其中，c1和c2为推进系数；
当全电力船舶发电量充足时，增加船速，从而提升负荷量，使柴油发电机工作在最佳工作点；当全电力船舶发电量不足时，适当降低船速，从而减小负荷需求，保证柴油发电机始终高效运行，通过调节船速，实现推进负荷功率的变化，从而导致全电力船舶发电调度的变化，间接的实现了储能充放电功能；
所述物理储能建立步骤中，蓄电池作为船载物理储能系统，其充放电程如下：
其中，
为物理储能系统在t时刻的剩余能量；/>
和/>
分别代表储能系统的充放电功率；ηch和ηdc代表储能系统的充放电效率；Δt是时间间隔；
所述柴油发电机搭建步骤中，作为船舶电力系统中主要的供电设备，柴油机发电系统为全电力船舶负荷供电，保证船舶电站供电的安全性和可靠性，柴油发电机每小时的油耗定义为：
其中，
为柴油发电机每小时的输出功率；Pr为柴油发电机额定功率；a和b为发电机油耗系数；
所述的全电力船舶经济性调度模型建立步骤中，把全电力船舶的燃油成本和碳排放最低设为目标函数，具体表示为：
式中，Ct表示燃油成本；En代表碳排放量；n与m分别代表柴油价格和碳排放系数；
为船舶生活负荷；D是航程距离；RD和RU分别代表柴油机发电系统功率调节的上限和下限。
2.根据权利要求1所述的基于虚拟储能的全电力船舶经济性调度方法，其特征在于，所述虚拟储能的全电力船舶经济性调度模型建立步骤中，引入粒子群优化算法解决多目标优化问题，再使用多目标粒子群优化算法解决全电力船舶的经济性调度问题。
3.根据权利要求2所述的基于虚拟储能的全电力船舶经济性调度方法，其特征在于，所述粒子群优化算法是通过整合群体的历史信息以及个体自身的经验，在全局最优粒子与个体最优粒子的指引下寻找最优解，具体数学表述如下所示，
其中，k为当前迭代数，vi是第i个粒子的飞行速度；xi是第i个粒子的位置；w是惯性权重；u1和u2为学习因子；r1和r2代表在[0,1]变化的随机数；pi为个体最优粒子的位置。
4.根据权利要求3所述的基于虚拟储能的全电力船舶经济性调度方法，其特征在于，所述多目标粒子群优化算法解决全电力船舶的经济性调度问题，是指首先初始化变量形成一个粒子数为N的种群P，变量包括船载柴油机发电系统每小时功率输出、船速和物理储能系统的充放电功率；随后，在约束条件内，为每个粒子随机设置一个速度；其次，结合目标函数评价每个粒子；然后，检验全电力船舶的运行成本和温室气体排放量是否最低，如果没有，利用即公式5更新粒子，产生新的种群Q；随后，整合种群P和Q，合成新的种群R，并对种群R进行排序；排序后，重新选取N个最佳粒子，进行下一次迭代；最后，直至程序结束，输出最后优化调度的结果。
5.一种基于虚拟储能的全电力船舶经济性调度系统，其特征在于，包括：
虚拟储能建立模块：建立电力推进负荷所需的功率与船速呈强非线性关系；
物理储能建立模块：建立蓄电池作为船载物理储能充放电方程；
柴油发电机搭建模块：定义柴油发电机每小时的油耗公式；
全电力船舶经济性调度模型建立模块：根据所述的强非线性关系与所述的油耗公式，设定全电力船舶的燃油成本和碳排放最低的目标函数；
虚拟储能的全电力船舶经济性调度模型建立模块：根据所述目标函数，采用粒子群优化算法解决全电力船舶的经济性调度问题；
所述虚拟储能建立模块中，综合电力推进系统是全电力船舶的重要负荷，电力推进负荷所需的功率
与船速Vt呈强非线性关系如下：
其中，c1和c2为推进系数；
当全电力船舶发电量充足时，增加船速，从而提升负荷量，使柴油发电机工作在最佳工作点；当全电力船舶发电量不足时，适当降低船速，从而减小负荷需求，保证柴油发电机始终高效运行，通过调节船速，实现推进负荷功率的变化，从而导致全电力船舶发电调度的变化，间接的实现了储能充放电功能；
所述物理储能建立模块中，蓄电池作为船载物理储能系统，其充放电程如下：
其中，
为物理储能系统在t时刻的剩余能量；/>
和/>
分别代表储能系统的充放电功率；ηch和ηdc代表储能系统的充放电效率；Δt是时间间隔；
所述柴油发电机搭建模块中，作为船舶电力系统中主要的供电设备，柴油机发电系统为全电力船舶负荷供电，保证船舶电站供电的安全性和可靠性，柴油发电机每小时的油耗定义为：
其中，
为柴油发电机每小时的输出功率；Pr为柴油发电机额定功率；a和b为发电机油耗系数；
所述的全电力船舶经济性调度模型建立模块中，把全电力船舶的燃油成本和碳排放最低设为目标函数，具体表示为：
式中，Ct表示燃油成本；En代表碳排放量；n与m分别代表柴油价格和碳排放系数；
为船舶生活负荷；D是航程距离；RD和RU分别代表柴油机发电系统功率调节的上限和下限。/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011621909.0A CN112668240B (zh) | 2020-12-30 | 2020-12-30 | 一种基于虚拟储能的全电力船舶经济性调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011621909.0A CN112668240B (zh) | 2020-12-30 | 2020-12-30 | 一种基于虚拟储能的全电力船舶经济性调度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112668240A CN112668240A (zh) | 2021-04-16 |
| CN112668240B true CN112668240B (zh) | 2023-06-09 |
Family
ID=75412164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011621909.0A Active CN112668240B (zh) | 2020-12-30 | 2020-12-30 | 一种基于虚拟储能的全电力船舶经济性调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112668240B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113094968B (zh) * | 2021-04-28 | 2023-03-21 | 哈尔滨工程大学 | 一种船舶动力系统多机组运行成本优化方法 |
| 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 |
| CN113902309B (zh) * | 2021-10-13 | 2022-11-11 | 上海交通大学 | 绿色港口能源互联系统的优化方法及系统 |
| CN115511203B (zh) * | 2022-10-14 | 2023-08-29 | 上海交通大学 | 基于锂电池荷电状态估计电动船舶航程优化方法及系统 |
| CN116050796B (zh) * | 2023-02-15 | 2023-09-22 | 上海交通大学 | 基于燃料电池能量梯级利用的移动能源网络优化调度方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107958424A (zh) * | 2016-10-14 | 2018-04-24 | 华北电力大学（保定） | 一种基于改进引力搜索算法的电力系统经济调度策略 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103151798B (zh) * | 2013-03-27 | 2015-02-04 | 浙江省电力公司电力科学研究院 | 独立微网系统的优化方法 |
| US11829935B2 (en) * | 2018-04-03 | 2023-11-28 | Florida A&M University | Application of a multi-objective optimization model for automatic vessel scheduling in liner shipping |
| CN111709850B (zh) * | 2020-06-15 | 2023-07-25 | 江苏科技大学 | 一种考虑船舶横摇的新能源船舶电力系统容量优化方法 |
-
2020
- 2020-12-30 CN CN202011621909.0A patent/CN112668240B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107958424A (zh) * | 2016-10-14 | 2018-04-24 | 华北电力大学（保定） | 一种基于改进引力搜索算法的电力系统经济调度策略 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112668240A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN103840457B (zh) | 考虑电动汽车充放电影响的配电网内dg优化配置方法 | |
| Kermani et al. | A comprehensive technoeconomic solution for demand control in ports: Energy storage systems integration | |
| Letafat et al. | An efficient and cost-effective power scheduling in zero-emission ferry ships | |
| Balsamo et al. | Power flow approach for modeling shipboard power system in presence of energy storage and energy management systems | |
| CN114996906A (zh) | 一种航空混合电推进系统的能量管理策略 | |
| Damian et al. | Review on the challenges of hybrid propulsion system in marine transport system | |
| CN115409408A (zh) | 基于lng船舶动态行为的港口能源系统协调优化方法及系统 | |
| Yang et al. | Real-time energy management strategy for parking lot considering maximum penetration of electric vehicles | |
| Sun et al. | Optimal energy management of fuel cell hybrid electric ships considering fuel cell aging cost | |
| Ahangar et al. | Smart local energy systems: optimal planning of stand-alone hybrid green power systems for on-line charging of electric vehicles | |
| Shang et al. | NSGA-II for joint generation and voyage scheduling of an all-electric ship | |
| Kanellos et al. | Toward Smart Green Seaports: What should be done to transform seaports into intelligent and environment-friendly energy systems? | |
| Foley et al. | Electric vehicles and displaced gaseous emissions | |
| CN113902309B (zh) | 绿色港口能源互联系统的优化方法及系统 | |
| CN113991719B (zh) | 一种电动船舶参与的海岛群用能优化调度方法及系统 | |
| Wang et al. | A novel bi-level optimization model-based optimal energy scheduling for hybrid ship power system | |
| An et al. | A Two-stage offline-to-online multiobjective optimization strategy for ship integrated energy system economical/environmental scheduling problem | |
| Dong et al. | Optimal Allocation of Hybrid Hydrogen and Battery Storage System for Multi-energy Seaport Microgrid | |
| Popa | Review of electric propulsion for small boats/drones. | |
| Rrukaj et al. | Integrated Energy Systems for Green Ports; A Cost Model and Case Study | |
| Li et al. | Hybrid Power System Topology and Energy Management Scheme Design for Hydrogen-Powered Aircraft | |
| Krishnamoorthy et al. | A Techno-Economic Feasibility Analysis of Renewable Energy-Based Marine Micro-Grid for Cruise Ship Applications: A Case Study Simulation | |
| Yin et al. | Energy Management Method of a Hybrid Energy Storage System Combined With the Transportation-Electricity Coupling Characteristics of Ports | |
| Sang et al. | The Power Planning of Interacted and Interconnected Microgrid in Pelagic Clustering Islands Based on Energy Storage Vessel Transport Route |
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 |