CN114560091B - 一种基于模型预测的多电飞机混合能源管理系统及方法 - Google Patents

一种基于模型预测的多电飞机混合能源管理系统及方法 Download PDF

Info

Publication number
CN114560091B
CN114560091B CN202210215204.1A CN202210215204A CN114560091B CN 114560091 B CN114560091 B CN 114560091B CN 202210215204 A CN202210215204 A CN 202210215204A CN 114560091 B CN114560091 B CN 114560091B
Authority
CN
China
Prior art keywords
power
soc
super capacitor
generator
module
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
Application number
CN202210215204.1A
Other languages
English (en)
Other versions
CN114560091A (zh
Inventor
吴宇
李伟林
何林珂
祝文涛
艾凤明
江雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202210215204.1A priority Critical patent/CN114560091B/zh
Publication of CN114560091A publication Critical patent/CN114560091A/zh
Application granted granted Critical
Publication of CN114560091B publication Critical patent/CN114560091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D27/00—Arrangement or mounting of power plants in aircraft; Aircraft characterised by the type or position of power plants
    • B64D27/02—Aircraft characterised by the type or position of power plants
    • B64D27/24—Aircraft characterised by the type or position of power plants using steam or spring force
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/40—Electric propulsion with power supplied within the vehicle using propulsion power supplied by capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U50/00—Propulsion; Power supply
    • B64U50/10—Propulsion
    • B64U50/19—Propulsion using electrically powered motors
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/102—Parallel operation of dc sources being switching converters
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/10—Parallel operation of dc sources
    • H02J1/12—Parallel operation of dc generators with converters, e.g. with mercury-arc rectifier
    • 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
    • H02J1/00—Circuit arrangements for dc mains or dc distribution networks
    • H02J1/14—Balancing the load in a network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02M—APPARATUS FOR CONVERSION BETWEEN AC AND AC, BETWEEN AC AND DC, OR BETWEEN DC AND DC, AND FOR USE WITH MAINS OR SIMILAR POWER SUPPLY SYSTEMS; CONVERSION OF DC OR AC INPUT POWER INTO SURGE OUTPUT POWER; CONTROL OR REGULATION THEREOF
    • H02M3/00—Conversion of dc power input into dc power output
    • H02M3/02—Conversion of dc power input into dc power output without intermediate conversion into ac
    • H02M3/04—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters
    • H02M3/10—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode
    • H02M3/145—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal
    • H02M3/155—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only
    • H02M3/156—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators
    • H02M3/158—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators including plural semiconductor devices as final control devices for a single load
    • H02M3/1584—Conversion of dc power input into dc power output without intermediate conversion into ac by static converters using discharge tubes with control electrode or semiconductor devices with control electrode using devices of a triode or transistor type requiring continuous application of a control signal using semiconductor devices only with automatic control of output voltage or current, e.g. switching regulators including plural semiconductor devices as final control devices for a single load with a plurality of power processing stages connected in parallel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2200/00—Type of vehicles
    • B60L2200/10—Air crafts
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于模型预测的多电飞机混合能源能量管理系统及方法，用于解决常用能量管理策略对于以三级式发电机作为主电源的混合能源系统具有局限性和适用性差的问题。技术方案是建立由三级式发电机、锂离子电池、超级电容器、AC/DC变换器和双向DC‑DC变换器组成的混合能源系统架构，将各分布式单元的功率及SOC接口作为模型预测控制算法的前端输入。当负载突变时，控制算法通过在线求解获得系统当前采样时刻的最优控制增量序列，从而控制系统优化运行。本发明保证了发电机输出电压波动小、输出功率平稳，并且锂电池和超级电容的SOC均处于安全运行的区间，使模型具有较强的实用性。

Description

一种基于模型预测的多电飞机混合能源管理系统及方法
技术领域
本发明属于能量管理领域，具体涉及一种基于模型预测的多电飞机混合能源管理系统及其执行方法。
背景技术
随着飞机电气化程度不断增加，多电飞机采用了越来越多的电力系统作为其二次能源系统，因此多电飞机需要大容量的供电系统。270V高压直流系统极大地增加了供电容量，并且具有电网质量轻，易实现不中断供电的特点，已在军用多电飞机F35和F22上得到了应用。为了实现可靠的270V供电，多电飞机通常采用混合能源供电模式。不同能源系统间的电能需要合理管理才能保证多电飞机安全稳定的运行，常用于多电飞机混合能源系统的能量管理策略有状态机控制策略、模糊逻辑控制策略、经典PI控制策略和等效燃料消耗最小策略。
文献“Wang T,Qi L,Chen W,et al.Application of energy managementstrategy based on state machine in fuel cell hybrid power system[C]//2017IEEETransportation Electrification Conference and Expo,Asia-Pacific(ITEC Asia-Pacific).IEEE,2017.”针对空气冷却燃料电池和锂电池结合的混合能源系统，提出了一种基于状态机的能量管理策略。该策略以开关规则控制为基础，根据负载功率需求和锂电池的SOC确定每个电源系统的参考输出功率，可以满足不同负荷功率的需求，并实现能量的动态分配。但对于系统的不同初始条件，状态机控制策略的控制效果差异大，适应性差。
文献“Xie C，Xu X,Bujlo P,et al.Fuel cell and lithium iron phosphatebattery hybrid powertrain with an ultracapacitor bank using direct parallelstructure[J].Journal of Power Sources,2015,279:487-494.”针对燃料电池、磷酸锂电池和超级电容并联的混合能源系统，提出了一种基于模糊逻辑控制的能量管理策略，实现了稳定直流总线电压的目的。但模糊逻辑控制策略的控制精度低，动态品质差，缺乏系统性。
文献“Motapon S N,Dessaint L A,Al-Haddad K.A Comparative Study ofEnergy Management Schemes for a Fuel-Cell Hybrid Emergency Power System ofMore-Electric Aircraft[J].IEEE Transactions on Industrial Electronics,2013,61(3):1320-1334.”指出基于PI控制的能量管理策略可以实现在线优化，以保证燃料电池系统稳定提供负载所需功率。但经典PI控制策略会降低系统的相对稳定性，而且它的参数整定困难，不易调节，适用性低。
文献“Zhang G,Chen W,Jin Y,et al.Study on equivalent consumptionminimization strategy for fuel cell hybrid tramway[C]//TransportationElectrification Asia-pacific.IEEE,2017.”提出一种适用于燃料电池混合动力有轨电车的等效燃料消耗策略，可以保证负载所需能量的有效分配和母线电压的稳定性。但等效燃料消耗策略的等效因子的取值需要根据负载工况调整，否则优化效果下降，适用性较差。
同时以上策略的提出均是基于含有燃料电池的混合能源系统，具有一定的局限性，不一定适用于发电机、锂电池和超级电容之间的能量管理。
发明内容
本发明针对以上几种策略的不足，提出了一种基于模型预测的多电飞机混合能源管理系统及策略，主要解决了常用控制策略的局限性和适用性差的问题，同时实现在线优化和更好的控制精度。具体地，本发明的目的在于改善以下几个方面：
1.现有的控制策略对工况变化及参数调整的适应能力差。
2.传统的优化控制策略需要在已知飞机运行工况的前提下才能得到全局最优解，不能实现实时控制。
3.一般的优化控制策略计算量大，计算速度慢，对微处理器的要求很高。
4.目前研究的系统通常以燃料电池为主，具有局限性，不易扩展到其他系统。
本发明提出一种基于模型预测的多电飞机混合能源管理系统，所述混合能源系统，包括：能量管理模块、部件间协同控制模块、三发电机模块、锂电池、超级电容模块、电能变换器模块以及动态负载模块；
所述能量管理模块，根据动态负载模块所需的实时功率，采用基于模型预测控制(MPC)的预测结果，依据能量管理策略对三个发电机、锂电池和超级电容进行功率分配；
所述部件间协同控制模块，根据功率分配的结果控制三个发电机、锂电池和超级电容的功率输出；
所述电能变换器模块，将三个发电机、锂电池和超级电容输出的电能转换为270V高压直流电，输送给动态负载模块。
进一步地，所述动态负载负载功率可以在双发电机工作时达到400kW，在三发电机工作时达到800kW。
进一步地，应用于多电飞机混合能量管理系统，包括以下步骤：
S1混合能源系统建模
S11进行供电单元的建模，发电机采用三级式无刷同步发电机，该发电机由永磁副励磁机、励磁机和主发电机组成，这三个部分的发电机均采用dq建模法进行建模，锂电池根据3.7V/10AH的锂电池单体参数，构建基于理论分析的功能模型，超级电容基于其电气特性构建经典模型；
S12进行电能变换器件的建模，双向变换器采用非隔离型两相交错并联双向拓扑结构，整流器采用六脉波整流器；
S13采用下垂控制法进行部件间的协同控制；
S2构建基于模型预测控制(MPC)的能量管理算法
S21建立预测模型
在采样时刻k，取控制变量u(k)为：
u(k)＝[Pmg1(k),Pmg2(k),PUC(k),PB(k),Pag(k)]T
其中，Pmg1(k)为主发电机1的功率，Pmg2(k)为主发电机2的功率，PUC(k)为超级电容模块的功率，PB(k)为锂电池模块的功率，Pag(k)为辅助发电机模块的功率。
则：
Δu(k)＝u(k)-u(k-1)＝[ΔPmg1(k),ΔPmg2(k),ΔPUC(k),ΔPB(k),ΔPag(k)]T
其中，Δu(k)为控制量当前时刻与上一时刻的变化量，ΔPmg1(k)为主发电机1的功率的变化量，ΔPmg2(k)为主发电机2的功率的变化量，ΔPUC(k)为超级电容模块的功率的变化量，ΔPB(k)为锂电池模块的功率的变化量，ΔPag(k)为辅助发电机模块的功率的变化量。
状态变量矩阵x(k)为：
x(k)＝u(k)＝[Pmg1(k)，Pmg2(k),PUC(k),PB(k),Pag(k),SOCUC(k),SOCB(k)]T
其中，SOCUC(k)为超级电容的荷电状态，SOCB(k)为锂电池的荷电状态。
输出变量矩阵y(k)为：
y(k)＝[Pmg1(k)+Pmg2(k)+PUC(k)+PB(k)+Pag(k),Pmg1(k),Pmg2(k),SOCUC(k),SOCB(k)]T
式中，SOCUC(k)和SOCB(k)分别为超级电容和锂电池的荷电状态，相邻采样时刻荷电状态与功率的关系应满足：
式中，SOCUC(k-1)为超级电容采样时刻前一时刻的荷电状态，SOCB(k-1)为锂电池采样时刻前一时刻的荷电状态，EUC、EB分别为超级电容及锂电池容量；△t为采样步长，
离散化预测模型为：
式中，k为当前采样时刻；Δu(k)为控制量当前时刻与上一时刻的变化量，x(k+1)为下一时刻的状态变量矩阵，y(k)为当前时刻的输出变量矩阵，A、B、C分别为状态、输入、输出矩阵。
S22设置约束条件
基于模型预测控制策略，考虑两种储能装置的特性，设置控制和状态约束，为混合能源系统各模块提供优化的控制信号。
S221设置系统输出功率约束
假设系统无损耗，负载功率为两台主发电机(Pmg1、Pmg2)、辅助发电机(Pag)、锂电池(PB)和超级电容(PUC)的功率之和，满足：
Pmg1(k+i|k)+Pmg2(k+i|k)+PUC(k+i|k)+PB(k+i|k)+Pag(k+i|k)＝Pload
其中，x(k+i|k)为当前采样时刻k对k+i时刻x的预测值；Pload为负载功率。
S222设置充放电功率约束：
其中，x(k+i|k)为当前采样时刻k对k+i时刻x的预测值；Pmg_MAX为主发电机的最大功率；PUC_MIN、PUC_MAX分别为超级电容的最小、最大功率；PB_MIN、PB_MAX分别为锂电池的最小、最大功率；Pag_MAX为辅助发电机功率。
S223设置荷电状态约束：
SOCUC_MIN、SOCUC_MAX为超级电容的最小、最大荷电状态；SOCB_MIN、SOCB_MAX为锂电池的最小、最大荷电状态。SOCUC(k+i|k)、SOCB(k+i|k)分别为超级电容、锂电池在当前采样时刻k在k+i时刻的荷电状态预测输出值。
S3滚动优化过程
考虑到混合能源系统的安全和经济运行，系统控制目标主要分为两个部分：
S31在系统运行过程中，应在各采样时刻尽可能满足负荷需求的前提下，维持系统功率的分配平衡，保证各分布式单元正常运行；
S32为了保护发电机的寿命，优先保证发电机输出功率维持不变；
系统的优化模型采用控制对象在未来采样点上的输出值和期望轨迹的差值。因此，定义满足控制目标的优化模型，也就是目标函数J为：
式中，k＝0,1,2…；Q为预测输出误差的正定加权系数矩阵；Pmean为系统平均功率，也就是系统的参考轨迹；Pmg1(k+i|k)、Pmg2(k+i|k)为当前采样时刻k在k+i时刻的两个主发电机功率预测输出值。
最终得到三个发电机，锂电池，超级电容的最优功率分配，实现多电飞机混合能源系统能量智能最优分配。
由此，所述发电机的输出功率可以始终维持在额定值。
本发明首先依据混合能源系统结构建立模型信息，然后综合利用历史信息和模型信息对目标函数进行滚动优化，达到全局最优的控制效果，最后将测量所得电信号和预测输出就行比较，修正输出参数，输出参数为发电机，锂电池和超级电容的功率分配，据此实现多电飞机不同运行工况下的能量智能最优分配。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明中混合能源能量管理系统架构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
根据图1所示的系统架构，首先进行供电单元的建模。发电机采用三级式无刷同步发电机，该发电机由永磁副励磁机、励磁机和主发电机组成，这三个部分的发电机均采用dq建模法进行建模。锂电池根据某型号3.7V/10AH的锂电池单体参数，构建基于理论分析的功能模型。超级电容基于其电气特性构建经典模型。然后进行电能变换器件的建模，双向变换器采用非隔离型两相交错并联双向拓扑结构，整流器采用六脉波整流器模型。最后供电单元之间的协同控制采用下垂控制算法，完成了混合能源系统的建模。
本发明提出了一种基于模型预测的多电飞机混合能源管理系统，搭建一种由三级式无刷同步发电机、高比能量锂离子电池、高比功率超级电容器、AC/DC变换器和两相交错并联双向DC-DC变换器组成的混合能源系统。该系统双发电机工作时峰值功率可达400kW，三发电机工作时峰值功率可达800kW，其中混合储能模块采用有源主动式的架构，供电单元间的协同控制采用下垂控制。
本发明主要解决了常用控制策略的局限性和适用性差的问题，同时实现在线优化和更好的控制精度，适用于多电飞机的能量管理。其技术方案包括两大模块：混合能源系统建模和基于模型预测的能量管理算法。
本发明提出一种基于模型预测的多电飞机混合能源管理系统，所述混合能源系统，包括：能量管理模块、部件间协同控制模块、三发电机模块、锂电池、超级电容模块、电能变换器模块以及动态负载模块；
所述能量管理模块，根据动态负载模块所需的实时功率，采用基于模型预测控制(MPC)的预测结果，依据能量管理策略对三个发电机、锂电池和超级电容进行功率分配；
所述部件间协同控制模块，根据功率分配的结果控制三个发电机、锂电池和超级电容的功率输出；
所述电能变换器模块，将三个发电机、锂电池和超级电容输出的电能转换为270V高压直流电，输送给动态负载模块。
进一步地，所述动态负载负载功率可以在双发电机工作时达到400kW，在三发电机工作时达到800kW。
进一步地，应用于多电飞机混合能源管理系统的方法，包括以下步骤：
S1混合能源系统建模
S11进行供电单元的建模，发电机采用三级式无刷同步发电机，该发电机由永磁副励磁机、励磁机和主发电机组成，这三个部分的发电机均采用dq建模法进行建模，锂电池根据3.7V/10AH的锂电池单体参数，构建基于理论分析的功能模型，超级电容基于其电气特性构建经典模型；
S12进行电能变换器件的建模，双向变换器采用非隔离型两相交错并联双向拓扑结构，整流器采用六脉波整流器；
S13采用下垂控制法进行部件间的协同控制；
S2构建基于模型预测控制(MPC)的能量管理算法
S21建立预测模型
在采样时刻k，取控制变量u(k)为：
u(k)＝[Pmg1(k),Pmg2(k),PUC(k),PB(k),Pag(k)]T
其中，Pmg1(k)为主发电机1的功率，Pmg2(k)为主发电机2的功率，PUC(k)为超级电容模块的功率，PB(k)为锂电池模块的功率，Pag(k)为辅助发电机模块的功率。
则：
Δu(k)＝u(k)-u(k-1)＝[ΔPmg1(k),ΔPmg2(k),ΔPUC(k),ΔPB(k),ΔPag(k)]T
其中，Δu(k)为控制量当前时刻与上一时刻的变化量，ΔPmg1(k)为主发电机1的功率的变化量，ΔPmg2(k)为主发电机2的功率的变化量，ΔPUC(k)为超级电容模块的功率的变化量，ΔPB(k)为锂电池模块的功率的变化量，ΔPag(k)为辅助发电机模块的功率的变化量。
状态变量矩阵x(k)为：
x(k)＝u(k)＝[Pmg1(k)，Pmg2(k),PUC(k),PB(k),Pag(k),SOCUC(k),SOCB(k)]T
其中，SOCUC(k)为超级电容的荷电状态，SOCB(k)为锂电池的荷电状态。
输出变量矩阵y(k)为：
y(k)＝[Pmg1(k)+Pmg2(k)+PUC(k)+PB(k)+Pag(k),Pmg1(k),Pmg2(k),SOCUC(k),SOCB(k)]T
式中，SOCUC(k)和SOCB(k)分别为超级电容和锂电池的荷电状态，相邻采样时刻荷电状态与功率的关系应满足：
式中，SOCUC(k-1)为超级电容采样时刻前一时刻的荷电状态，SOCB(k-1)为锂电池采样时刻前一时刻的荷电状态，EUC、EB分别为超级电容及锂电池容量；△t为采样步长，
离散化预测模型为：
式中，k为当前采样时刻；Δu(k)为控制量当前时刻与上一时刻的变化量，x(k+1)为下一时刻的状态变量矩阵，y(k)为当前时刻的输出变量矩阵，A、B、C分别为状态、输入、输出矩阵。
S22设置约束条件
基于模型预测控制策略，考虑两种储能装置的特性，设置控制和状态约束，为混合能源系统各模块提供优化的控制信号。
S221设置系统输出功率约束
假设系统无损耗，负载功率为两台主发电机(Pmg1、Pmg2)、辅助发电机(Pag)、锂电池(PB)和超级电容(PUC)的功率之和，满足：
Pmg1(k+i|k)+Pmg2(k+i|k)+PUC(k+i|k)+PB(k+i|k)+Pag(k+i|k)＝Pload
其中，x(k+i|k)为当前采样时刻k对k+i时刻x的预测值；Pload为负载功率。
S222设置充放电功率约束：
其中，x(k+i|k)为当前采样时刻k对k+i时刻x的预测值；Pmg_MAX为主发电机的最大功率；PUC_MIN、PUC_MAX分别为超级电容的最小、最大功率；PB_MIN、PB_MAX分别为锂电池的最小、最大功率；Pag_MAX为辅助发电机功率。
S223设置荷电状态约束：
SOCUC_MIN、SOCUC_MAX为超级电容的最小、最大荷电状态；SOCB_MIN、SOCB_MAX为锂电池的最小、最大荷电状态。
S3滚动优化过程
考虑到混合能源系统的安全和经济运行，系统控制目标主要分为两个部分：
S31在系统运行过程中，应在各采样时刻尽可能满足负荷需求的前提下，维持系统功率的分配平衡，保证各分布式单元正常运行；
S32为了保护发电机的寿命，优先保证发电机输出功率维持不变；
系统的优化模型采用控制对象在未来采样点上的输出值和期望轨迹的差值。因此，定义满足控制目标的优化模型，也就是目标函数J为：
式中，k＝0,1,2…；Q为预测输出误差的正定加权系数矩阵；Pmean为系统平均功率，也就是系统的参考轨迹；Pmg1(k+i|k)、Pmg2(k+i|k)为当前采样时刻k在k+i时刻的两个主发电机功率预测输出值。
基于模型预测的能量管理算法具体实施步骤如下：
步骤一：搭建由两台三级式无刷同步发电机、锂离子电池、超级电容器、AC/DC变换器和双向DC-DC变换器组成的混合能源系统架构，引出各分布式单元的功率及SOC接口作为模型预测算法的前端输入；
步骤二：设置系统输入、输出数目，各分布式单元约束条件，采样周期Ts，算法运行周期T，预测步长N以及加权系数矩阵Q的值；
步骤三：根据系统初始条件及设计目标，计算所预测模型中涉及的各系数矩阵；
步骤四：利用quadprog函数求解二次规划问题最优解，获得使目标函数最小的下一步的控制变量增量ΔU(k)，并计算控制变量u(k)；
步骤五：若k<T，令k＝k+1，并重复二至五的步骤，直到k＝T时停止控制行为，注意在迭代过程中应当始终满足功率与SOC的约束条件。
本发明能够实现如下有益效果：
1)所述能量管理策略可以实现负载功率峰值不同时，三个发电机、锂电池和超级电容之间的能量智能最优分配，控制精度高；
2)所述能量管理策略可以使发电机在投入使用时一直维持在额定功率，不受负载变化的干扰，保证发电机的效率最大化，提高发电机寿命；
3)所述能量管理策略可以利用超级电容平抑系统功率缺额，保证锂电池处于理想的荷电状态，延长锂电池寿命；
4)所述能量管理算法计算量较小，计算速度快，降低了对微处理器的要求，降低了成本。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (1)

1.一种基于模型预测的多电飞机混合能源管理系统，其特征在于，所述混合能源管理系统包括：能量管理模块、部件间协同控制模块、三发电机模块、锂电池、超级电容模块、电能变换器模块以及动态负载模块；
所述能量管理模块，根据动态负载模块所需的实时功率，采用基于模型预测控制MPC的预测结果，依据能量管理策略对三个发电机、锂电池和超级电容进行功率分配；
所述部件间协同控制模块，根据功率分配的结果控制三个发电机、锂电池和超级电容的功率输出；
所述电能变换器模块，将三个发电机、锂电池和超级电容输出的电能转换为270V高压直流电，输送给动态负载模块；
动态负载功率在双发电机工作时达到400kW，在三发电机工作时达到800kW；
所述基于模型预测的多电飞机混合能源管理系统执行管理方法，所述方法包括以下步骤：
S1混合能源系统建模
S11进行供电单元的建模，发电机采用三级式无刷同步发电机，该发电机由永磁副励磁机、励磁机和主发电机组成，这三个部分的发电机均采用dq建模法进行建模，锂电池根据3.7V/10AH的锂电池单体参数，构建基于理论分析的功能模型，超级电容基于其电气特性构建经典模型；
S12进行电能变换器件的建模，双向变换器采用非隔离型两相交错并联双向拓扑结构，整流器采用六脉波整流器；
S13采用下垂控制法进行部件间的协同控制；
S2构建基于模型预测控制MPC的能量管理算法；
S21建立预测模型：
在采样时刻k，取控制变量u(k)为：
u(k)＝[Pmg1(k),Pmg2(k),PUC(k),PB(k),Pag(k)]T
其中，Pmg1(k)为主发电机1的功率，Pmg2(k)为主发电机2的功率，PUC(k)为超级电容模块的功率，PB(k)为锂电池模块的功率，Pag(k)为辅助发电机模块的功率，
则：
Δu(k)＝u(k)-u(k-1)＝[ΔPmg1(k),ΔPmg2(k),ΔPUC(k),ΔPB(k),ΔPag(k)]T
其中，Δu(k)为控制量当前时刻与上一时刻的变化量，ΔPmg1(k)为主发电机1的功率的变化量，ΔPmg2(k)为主发电机2的功率的变化量，ΔPUC(k)为超级电容模块的功率的变化量，ΔPB(k)为锂电池模块的功率的变化量，ΔPag(k)为辅助发电机模块的功率的变化量，
状态变量矩阵x(k)为：
x(k)＝u(k)＝[Pmg1(k)，Pmg2(k),PUC(k),PB(k),Pag(k),SOCUC(k),SOCB(k)]T
其中，SOCUC(k)为超级电容的荷电状态，SOCB(k)为锂电池的荷电状态；
输出变量矩阵y(k)为：
y(k)＝[Pmg1(k)+Pmg2(k)+PUC(k)+PB(k)+Pag(k),Pmg1(k),Pmg2(k),SOCUC(k),SOCB(k)]T
式中，SOCUC(k)和SOCB(k)分别为超级电容和锂电池的荷电状态，相邻采样时刻荷电状态与功率的关系应满足：
式中，SOCUC(k-1)为超级电容采样时刻前一时刻的荷电状态，SOCB(k-1)为锂电池采样时刻前一时刻的荷电状态，EUC、EB分别为超级电容及锂电池容量；△t为采样步长，
离散化预测模型为：
式中，k为当前采样时刻；Δu(k)为控制量当前时刻与上一时刻的变化量，x(k+1)为下一时刻的状态变量矩阵，y(k)为当前时刻的输出变量矩阵，A、B、C分别为状态、输入、输出矩阵；
S22设置约束条件：
基于模型预测控制策略，考虑两种储能装置的特性，设置控制和状态约束，为混合能源系统各模块提供优化的控制信号；
S221设置系统输出功率约束：
假设系统无损耗，负载功率为两台主发电机(Pmg1、Pmg2)、辅助发电机(Pag)、锂电池(PB)和超级电容(PUC)的功率之和，满足：
Pmg1(k+i|k)+Pmg2(k+i|k)+PUC(k+i|k)+PB(k+i|k)+Pag(k+i|k)＝Pload
其中，x(k+i|k)为当前采样时刻k对k+i时刻x的预测值；Pload为负载功率；
S222设置充放电功率约束：
其中，x(k+i|k)为当前采样时刻k对k+i时刻x的预测值；Pmg_MAX为主发电机的最大功率；PUC_MIN、PUC_MAX分别为超级电容的最小、最大功率；PB_MIN、PB_MAX分别为锂电池的最小、最大功率；Pag_MAX为辅助发电机功率；
S223设置荷电状态约束：
SOCUC_MIN、SOCUC_MAX为超级电容的最小、最大荷电状态；SOCB_MIN、SOCB_MAX为锂电池的最小、最大荷电状态；SOCUC(k+i|k)、SOCB(k+i|k)分别为超级电容、锂电池在当前采样时刻k在k+i时刻的荷电状态预测输出值；
S3滚动优化过程
考虑到混合能源系统的安全和经济运行，系统控制目标主要分为两个部分：
S31在系统运行过程中，应在各采样时刻尽可能满足负荷需求的前提下，维持系统功率的分配平衡，保证各分布式单元正常运行；
S32为了保护发电机的寿命，优先保证发电机输出功率维持不变；
系统的优化模型采用控制对象在未来采样点上的输出值和期望轨迹的差值，因此，定义满足控制目标的优化模型，也就是目标函数J为：
式中，k＝0,1,2…；Q为预测输出误差的正定加权系数矩阵；Pmean为系统平均功率，也就是系统的参考轨迹；Pmg1(k+i|k)、Pmg2(k+i|k)为当前采样时刻k在k+i时刻的两个主发电机功率预测输出值。
CN202210215204.1A 2022-03-07 2022-03-07 一种基于模型预测的多电飞机混合能源管理系统及方法 Active CN114560091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210215204.1A CN114560091B (zh) 2022-03-07 2022-03-07 一种基于模型预测的多电飞机混合能源管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210215204.1A CN114560091B (zh) 2022-03-07 2022-03-07 一种基于模型预测的多电飞机混合能源管理系统及方法

Publications (2)

Publication Number Publication Date
CN114560091A CN114560091A (zh) 2022-05-31
CN114560091B true CN114560091B (zh) 2024-02-06

Family

ID=81718277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210215204.1A Active CN114560091B (zh) 2022-03-07 2022-03-07 一种基于模型预测的多电飞机混合能源管理系统及方法

Country Status (1)

Country Link
CN (1) CN114560091B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115840986B (zh) * 2023-02-24 2023-06-27 明士新材料有限公司 一种基于随机模型预测控制的能量管理方法
CN116031989B (zh) * 2023-03-29 2023-06-16 中国航空工业集团公司金城南京机电液压工程研究中心 一种多源电能控制方法及架构

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2450221A2 (en) * 2010-11-05 2012-05-09 General Electric Company Apparatus and method for charging an electric vehicle
CN109113804A (zh) * 2017-06-22 2019-01-01 通用电气公司 发动机和电机健康状况监测方法及燃气涡轮发动机
EP3521172A1 (en) * 2018-02-05 2019-08-07 Airbus Defence and Space GmbH Drive system for an aircraft and method for supplying drive power for an aircraft
CN112060983A (zh) * 2020-08-13 2020-12-11 西北工业大学 一种新能源无人机混合电源架构评估方法
CN112467717A (zh) * 2020-11-13 2021-03-09 上海明华电力科技有限公司 一种基于模糊控制的混合能源系统实时负荷分配方法
CN113200148A (zh) * 2021-06-21 2021-08-03 西北工业大学太仓长三角研究院 一种基于深度强化学习的氢燃料无人机能量管理方法
CN113507105A (zh) * 2021-06-16 2021-10-15 南京航空航天大学 基于mpc-pi控制算法的多电飞机混合动力系统的能量管理方法
WO2022022594A1 (zh) * 2020-07-29 2022-02-03 四川鼎鸿智电装备科技有限公司 工程机械能量管理系统、方法、装置和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6813525B2 (en) * 2000-02-25 2004-11-02 Square D Company Energy management system

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2450221A2 (en) * 2010-11-05 2012-05-09 General Electric Company Apparatus and method for charging an electric vehicle
CN109113804A (zh) * 2017-06-22 2019-01-01 通用电气公司 发动机和电机健康状况监测方法及燃气涡轮发动机
EP3521172A1 (en) * 2018-02-05 2019-08-07 Airbus Defence and Space GmbH Drive system for an aircraft and method for supplying drive power for an aircraft
WO2022022594A1 (zh) * 2020-07-29 2022-02-03 四川鼎鸿智电装备科技有限公司 工程机械能量管理系统、方法、装置和存储介质
CN112060983A (zh) * 2020-08-13 2020-12-11 西北工业大学 一种新能源无人机混合电源架构评估方法
CN112467717A (zh) * 2020-11-13 2021-03-09 上海明华电力科技有限公司 一种基于模糊控制的混合能源系统实时负荷分配方法
CN113507105A (zh) * 2021-06-16 2021-10-15 南京航空航天大学 基于mpc-pi控制算法的多电飞机混合动力系统的能量管理方法
CN113200148A (zh) * 2021-06-21 2021-08-03 西北工业大学太仓长三角研究院 一种基于深度强化学习的氢燃料无人机能量管理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于模型预测控制的直流微网混合储能能量管理策略;杜祥伟;沈艳霞;李静;;电力系统保护与控制(第16期);69-75页 *
杜祥伟 ; 沈艳霞 ; 李静 ; .基于模型预测控制的直流微网混合储能能量管理策略.电力系统保护与控制.2020,(第16期),69-75页. *
飞机多通道发电系统并网协同控制方法研究;李征鸿等;飞机设计;第40卷(第6期);18-25页 *

Also Published As

Publication number Publication date
CN114560091A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
Etxeberria et al. Hybrid energy storage systems for renewable energy sources integration in microgrids: A review
Bizon Effective mitigation of the load pulses by controlling the battery/SMES hybrid energy storage system
Pu et al. Hierarchical energy management control for islanding DC microgrid with electric-hydrogen hybrid storage system
CN114560091B (zh) 一种基于模型预测的多电飞机混合能源管理系统及方法
CN112751376B (zh) 一种混合电源系统的能量管理方法
Peng et al. Development of robust suboptimal real-time power sharing strategy for modern fuel cell based hybrid tramways considering operational uncertainties and performance degradation
Chandan et al. Intelligent control strategy for energy management system with FC/battery/SC
CN112467773A (zh) 一种超级电容器耦合锂电池的电力调频系统及方法
CN104104107A (zh) 用混合储能平抑风电功率波动的模型预测控制方法
CN113541287A (zh) 一种直流微电网光伏发电混合储能系统及控制策略
Kang et al. Rule-based energy management strategies for a fuel cell-battery hybrid locomotive
CN113809733A (zh) 光储系统直流母线电压与超级电容荷电管理控制方法
CN115882490A (zh) 基于soc的蓄电池改进下垂控制方法及系统
CN110350538B (zh) 一种基于主动需求侧响应的微电网协调控制方法
CN115313453A (zh) 一种基于soc改进下垂控制算法的多储能系统协调控制方法
CN112510803B (zh) 飞机分布式电网结构的单通道模块、发电系统及控制方法
Behera et al. Coordinated power management of a laboratory scale wind energy assisted lvdc microgrid with hybrid energy storage system
CN113691158A (zh) 一种基于v2g的两级式双向变换器分数阶控制方法
CN113507105A (zh) 基于mpc-pi控制算法的多电飞机混合动力系统的能量管理方法
CN116154749A (zh) 一种多电飞机的高均峰比混合能源系统分层控制方法
Gomathy et al. Photovoltaic-Battery Operated Electric Vehicle with an Energy Management Strategy
Trinh et al. An Improved Energy Management Strategy for Fuel Cell Hybrid Power System Based on Compensator Design of DC-DC Converters
Yang et al. Electric vehicles charging and discharging control strategy based on independent DC micro-grid
CN112838605A (zh) 一种基于多智能体粒子群优化的储能电站协调控制与能量管理与运行方法
Wang et al. Model-Free DC Bus Voltage and Energy Management Control for Fuel Cell Hybrid Electric Vehicle

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