一种新能源混合船舶电力系统能源优化调度方法

1.本发明涉及新能源混合船舶电力系统能源优化调度技术领域，尤其是一种新能源混合船舶电力系统能源优化调度方法。


背景技术：

2.随着全球能源危机以及环境问题日益严重，各国加快降低碳排放步伐，有利于引导绿色技术创新，提高产业和经济的全球竞争力。在全球化石能源危机情况下，高燃油成本的航运业导致排放二氧化碳已经占到了全球碳排放量的2.89％。因此，在如何提高船舶运行效率的同时也降低运行成本以及减少碳排放已成为船舶行业发展的重中之重。为缓解能源危机和减少碳排放，引入新能源的混合船舶电力系统逐渐替代传统的单一柴油发电系统，其可以提高对各种能源的利用率和减少碳排放，并提高环境效益和经济效益。
3.目前针对电力系统的能源优化调度专利中，包括基于鹦鹉算法的多能源电力系统优化调度的方法；基于双层优化的风水火电力系统多目标动态调度方法；基于改进金鹰优化算法的电力系统经济负荷调度优化方法。以上专利都考虑陆地上新能源引入后的电力系统的能源优化调度方法。然而，面对新型的海上混合船舶电力系统，如何实现对新型的混合船舶电力系统优化与调度尚为开展研究。
4.现有技术中，针对当前船舶混合动力系统能源优化方法主要包括：
5.1、船舶混合动力系统能源配置优化策略研究：针对船舶能源利用率方面存在的缺陷，建立了电力系统和控制电路数学模型。该策略成功优化了混合动力系统的能量配置，但尚未考虑对船舶各系统功率的合理分配以及对系统进行经济性调度，仅依靠对电路系统和控制电路进行建模，并不能满足船舶对于经济性及环保性的要求。
6.2、一种基于改进pso的船舶能量管理控制策略：针对混合动力船舶能量管理系统，提出了一种基于改进粒子群算法的船舶能量管理策略。该文献所建立的电力系统包含锂电池组和柴油机，所采用的方法能够完成系统能量优化分配，保证了船舶的经济运行，但是缺乏对航行时船舶碳排放量的考虑。


技术实现要素：

7.本发明需要解决的技术问题是提供一种新能源混合船舶电力系统能源优化调度方法，考虑了海上航行因素对新能源光伏系统建模的影响，能够充分利用新能源，降低船舶运行成本，提高环境友好性，解决混合船舶电力系统能源优化调度问题。
8.为解决上述技术问题，本发明所采用的技术方案是：
9.一种新能源混合船舶电力系统能源优化调度方法，包括以下步骤：
10.s1、建立柴油发电系统；
11.s2、建立储能系统；
12.s3、建立光伏发电系统；
13.s4、建立船舶推进系统；
14.s5、基于柴油发电系统、储能系统、光伏发电系统和船舶推进系统，建立混合船舶电力系统能源优化调度模型；
15.s6、基于改进的鲸鱼优化算法的混合船舶电力系统能源优化调度。
16.本发明技术方案的进一步改进在于：s1中，船舶柴油发电系统为船舶提供电能，保证船舶运行的稳定与可靠，其燃油成本计算如下：
17.c
pgn(t)
＝α
gn
(p
gn
(t))2δt+β
gn
(p
gn
(t))δt+γ
gn
δt
ꢀꢀꢀ
(1)
18.其中，p
gn
(t)表示柴油发电机t时刻发出功率，表示柴油机发出功率为p
gn
(t)时运行成本,α
gn
、β
gn
、γ
gn
是由柴油机技术指标所决定的系数，δt表示柴油机运行时间间隔，g表示发电机，n＝1,2,3表示第n台发电机；
19.式(1)中柴油发电机功率满足如下运行约束条件：
[0020][0021]
其中，表示发电机输出最小功率，表示发电机最大输出功率，r
gn
(t)表示在t时刻发电机功的率变化大小，表示发电机功率变化最大值。
[0022]
本发明技术方案的进一步改进在于：s2中，储能系统作用是当船舶所需负载功率小于发电机和光伏发电系统实际发出的功率时，且此时光伏发电与柴油发电超过系统所需功率，对储能系统进行充电；而当船舶系统负载大于电机和光伏发电系统实际发出的功率时，储能便进行放电，用于缓解柴油发电系统压力；储能系统具体充放电公式如下：
[0023][0024]
其中，ee(t)表示t时刻储能系统存储的能量，ee(t-1)表示在t-1时刻储能系统存储的能量，pe(t)表示t时刻储能系统充电或放电的功率，η
in
表示储能充电的效率，η
out
表示t时刻储能系统放电效率，δt表示储能充电或放电的时间间隔；
[0025]
船舶储能系统运行成本如下：
[0026][0027]
其中，表示船舶储能系统充电或发电功率大小是pe(t)时所需要成本,pe(t)表示t时刻储能充放电的功率，αe、γe表示由储能系统决定的常数系数；
[0028]
储能系统的约束条件如下：
[0029][0030]
其中，表示储能系统的最小储能值，表示储能系统最大储能值，表示储能系统的最小充放电功率，表示储能系统最大充放电功率，pe(t-1)表示t-1时刻储
能系统的充放电功率，表示储能系统的充放电功率变化最大值。
[0031]
本发明技术方案的进一步改进在于：s3中，光伏发电系统输出功率如下：
[0032]
p
pv
(t)＝η
pvapv
i(t)
ꢀꢀꢀ
(6)
[0033]
其中，p
pv
(t)表示t时刻光伏发电系统所输出的功率，η
pv
表示瞬时发电率,a
pv
表示船舶上总共的光伏发电面积，i(t)表示时刻航行过程中总太阳辐射量；
[0034]
光伏发电系统运行成本公式如下：
[0035][0036]
其中，表示光伏系统发出功率为p
pv
(t)时的成本，β
pv
、γ
pv
是由储能系统所确定的常数系数。
[0037]
本发明技术方案的进一步改进在于：s4中，船舶推进负荷与船速是非线性关系，其具体关系如下：
[0038][0039]
其中，ζ1是船舶外壳所确定的一个常数系数，ζ2是一个常数系数，一般取3，p
pr
(t)是代表船舶在t时刻船舶的推进功率，v(t)是船舶在t时刻的船速；
[0040]
船舶航行约束关系如下：
[0041][0042]
其中，v
min
表示船舶最小航行速度，v
max
表示船舶最大航行速度，v(t)表示t时刻船舶航行速度，δt表示航行时间间隔，t表示航行总时间，d表示总航程。
[0043]
本发明技术方案的进一步改进在于：s5中，基于柴油发电系统、储能系统、光伏发电系统和船舶推进系统，建立混合船舶电力系统能源优化调度模型；
[0044]
所述新能源混合船舶电力系统模型，包括两台柴油发电机、一台光伏发电装置和一个储能装置；柴油发电机和光伏发电系统发出的电能经过dc/ac变换器处理后，接入到直流母线上，向全船负载供电；当发电机和光伏系统发出的功率大于船舶实际负载需求时，多余电能由储能装置吸收，电能经dc/ac变换器处理，由直流母线送给储能，储能处于充电状态；当发电机和光伏发出的电能小于船舶负载实际需求功率时，储能将发出电能，经dc/ac变换器处理后，由直流母线传输，给船舶供电。
[0045]
本发明技术方案的进一步改进在于：基于新能源混合船舶电力系统模型，建立混合船舶电力系统能源优化调度模型的目标函数如下：
[0046][0047]
其中，c(t)是船舶柴油机、储能系统、光伏发电系统运行成本总和，f
gn
、fe、f
pv
表示发电机成本、储能成本、光伏成本之间权衡系数，n表示发电机总台数，min表示最小；
[0048]
船舶运行时碳排放量计算公式为：
[0049][0050]
其中，表示柴油发电机在t时刻发出功率为p
gn
(t)时所产生的二氧化碳量，
表示第n台发电机的功率系数；
[0051]
船舶运行时国际碳排放约束限制如下：
[0052][0053]
其中，ξ3表示与船舶结构和船舶载重有关的船舶载重系数，eeoi
max
表示能源效益指标最大值；
[0054]
船舶航行时功率平衡限制如下：
[0055][0056]
其中，p
l
(t)表示船舶在t时刻的负载功率，l表示负载；
[0057]
在船舶碳排放量满足排放要求下，混合船舶电力系统能源优化调度模型建立如下：
[0058][0059]
本发明技术方案的进一步改进在于：s6中引入了鲸鱼优化算法，在通过对其改进来解决混合船舶电力系统能源优化调度模型中的优化问题，得到最佳的混合船舶电力系统能源优化调度结果，其具体实施过程如下：
[0060]
s61对鲸鱼优化算法进行改进，得到改进鲸鱼优化算法；
[0061]
s62将改进鲸鱼优化算法应用于混合船舶电力系统能源优化调度模型。
[0062]
本发明技术方案的进一步改进在于：改进的鲸鱼优化算法具体包括以下步骤：
[0063]
s611初始化种群个体；
[0064]
初始化种群个体，具体按如下公式：
[0065]
x(i)＝lb+(u
b-lb).*rand
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0066]
其中，x(i)表示第i个个体位置，lb、ub表示个体的下限和上限，rand表示一个大小在0到1间的随机数；初始化种群个体后，将个体代入目标函数，求得每个个体的目标函数值；然后将每个个体的目标函数值进行比较，得到初始阶段的种群最优个体；
[0067]
s612搜索阶段通过随机个体的位置和当前个体的位置更新座头鲸的位置；
[0068]
鲸鱼优化算法勘探阶段数学公式；
[0069]
u＝|s*x
rand-x(i)|
ꢀꢀꢀ
(16)
[0070]
x(i+1)＝x
rand-a*u
ꢀꢀꢀ
(17)
[0071]
其中,x
rand
表示种群中一个随机个体其中，u表示个体到猎物的距离，a,s是一个系数，x(i)表示第i代个体；
[0072]
s613围猎阶段通过种群最优个体进行当前个体的位置更新；
[0073]
围猎行为数学表达式为：
[0074]
u＝|sx
*
(i)-x(i)|*s*rand
ꢀꢀꢀ
(18)
[0075]
x(i+1)＝x
*
(i)-au
ꢀꢀꢀ
(19)
[0076]
a＝2*a*r-a
ꢀꢀꢀ
(20)
[0077]
s＝2r
ꢀꢀꢀ
(21)
[0078]
其中，u表示个体到最优解的距离，a,s是一个系数，x(i)表示第i代个体，x
*
(i)表示第i代最优个体，a表示一个随迭代次数由2线性递减到0的数，r是一个大小在0到1间的随机数，i表示迭代次数，s表示levy随机飞行步长采用levy随机飞行的原因是其可以帮助种群跳出局部最优；
[0079]
s614泡网攻击阶段，个体以当前最优个体为中心，采用螺旋上升的方式去更新位置；
[0080]
泡网攻击法数学公式如下：
[0081]
u'＝|x
*-x(i)|*s*rand
ꢀꢀꢀ
(22)
[0082]
x(i+1)＝u'*e
bl
*cos(2πl)+x
*(i)ꢀꢀꢀ
(23)
[0083]
其中，s表示levy随机飞行步长，rand表示一个值在0到1的随机数。
[0084]
本发明技术方案的进一步改进在于：将改进鲸鱼优化算法应用于混合船舶电力系统能源优化调度模型，具体包括以下步骤：
[0085]
s621在改进鲸鱼优化算法开始阶段，即进入s611中的初始化种群步骤，先初始化变量以形成一个大小为n的种群，采用s611来初始化种群，这些变量包括每台发电机每小时发出的功率和储能系统每小时的充放电功率，并且这n个个体就相当于n个调度方案；初始化变量后，将其带入系统目标函数中，求得每一个个体对应的目标函数值，即系统运行成本；
[0086]
s622比较每个个体的目标函数值，找到初始化种群中最优个体；随后，算法进入循环，首先第一步算法生成一个随迭代递减的数a和随机数p，这个随机数p的大小在0和1之
间，a的大小在0到2之间；根据随机数p和a的大小，选择一个恰当的方法更新种群个体；
[0087]
当生成的随机数p小于0.5且a大于1时，算法将进入s612中的搜索阶段；当生成的随机数p小于0.5且a小于1时，算法进入s613中的围猎阶段；当随机数p大于1时，算法进入s614的泡网攻击阶段，用于获取更好的解；
[0088]
s623在种群更新完个体后，算法对更新后的个体进行评估，判断其是否满足各项限制，如不满足则对该个体进行相应处理，让个体符合限制；
[0089]
s624将符合限制个体带入目标函数，计算相应的目标函数值，然后对个体目标函数值与种群最优进行比较，如果本次迭代的个体中有优于最优个体，则将其更新成最优个体；之后算法开始从第一步重复更新种群个体，直到在满足碳排放要求下船舶航行成本最低迭代结束或到达最大迭代次数，算法停止迭代，并输出种群最优个体，此时种群中个体最优为混合船舶电力系统能源优化调度最优结果。
[0090]
由于采用了上述技术方案，本发明取得的技术进步是：
[0091]
与现有的技术对比，本发明考虑了海上航行因素对新能源光伏系统建模的影响，建立新型混合船舶电力系统模型，进而设计了在满足碳排放要求下船舶运行成本最低的能源优化调度目标函数，最后提出基于鲸鱼优化算法的混合船舶电力系统能源优化调度策略，可以充分利用新能源，降低船舶运行成本，提高环境友好性。
附图说明
[0092]
图1是本发明中新能源混合船舶电力系统模型示意图；
[0093]
图2是本发明中基于改进鲸鱼优化算法的混合船舶电力系统能源优化调度流程图；
[0094]
图3是本发明中优化调度后混合船舶电力系统能源出力曲线图。
具体实施方式
[0095]
下面结合附图及实施例对本发明做进一步详细说明：
[0096]
一种新能源混合船舶电力系统能源优化调度方法，包括以下步骤：
[0097]
s1、建立柴油发电系统；
[0098]
船舶柴油发电系统作为混合动力船舶重要的功能部分为船舶提供电能，保证船舶运行的稳定与可靠，其燃油成本计算如下：
[0099]cpgn(t)
＝α
gn
(p
gn
(t))2δt+β
gn
(p
gn
(t))δt+γ
gn
δt
ꢀꢀꢀ
(1)
[0100]
其中，p
gn
(t)表示柴油发电机t时刻发出功率，表示柴油机发出功率为p
gn
(t)时运行成本,α
gn
、β
gn
、γ
gn
是由柴油机技术指标所决定的系数，δt表示柴油机运行时间间隔，g表示发电机，n＝1,2,3表示第n台发电机；
[0101]
式(1)中柴油发电机功率满足如下运行约束条件：
[0102][0103]
其中，表示发电机输出最小功率，表示发电机最大输出功率，r
gn
(t)表示在t时刻发电机功的率变化大小，表示发电机功率变化最大值。
[0104]
s2、建立储能系统；
[0105]
由于船舶光伏发电系统波动性大的问题和船舶负载变化所引起的功率波动问题，因此需要储能系统来平抑船舶系统的功率波动；储能系统作用是当此时光伏发电与柴油发电超过系统所需功率，对储能系统进行充电；而当船舶系统负载大于电机和光伏发电系统实际发出的功率时，储能便进行放电，用于缓解柴油发电系统压力；储能系统具体充放电公式如下：
[0106][0107]
其中，ee(t)表示t时刻储能系统存储的能量，ee(t-1)表示在t-1时刻储能系统存储的能量，pe(t)表示t时刻储能系统充电或放电的功率，η
in
表示储能充电的效率，η
out
表示t时刻储能系统放电效率，δt表示储能充电或放电的时间间隔；
[0108]
船舶储能系统运行成本如下：
[0109][0110]
其中，表示船舶储能系统充电或发电功率大小是pe(t)时所需要成本,pe(t)表示t时刻储能充放电的功率，αe、γe表示由储能系统决定的常数系数；
[0111]
储能系统的约束条件如下：
[0112][0113]
其中，表示储能系统的最小储能值，表示储能系统最大储能值，表示储能系统的最小充放电功率，表示储能系统最大充放电功率，pe(t-1)表示t-1时刻储能系统的充放电功率，表示储能系统的充放电功率变化最大值。
[0114]
步骤3、建立光伏发电系统；
[0115]
船舶光伏发电系统可以将太阳能转换成电能，减少船舶燃油成本和碳排放量；与陆地光伏系统不同，船舶光伏系统受航行位置及天气位置影响；光伏发电系统输出功率如下：
[0116]
p
pv
(t)＝η
pvapv
i(t)
ꢀꢀꢀ
(6)
[0117]
其中，p
pv
(t)表示t时刻光伏发电系统所输出的功率，η
pv
表示瞬时发电率,a
pv
表示船舶上总共的光伏发电面积，i(t)表示时刻航行过程中总太阳辐射量；
[0118]
光伏发电系统运行成本公式如下：
[0119][0120]
其中，表示光伏系统发出功率为p
pv
(t)时的成本，β
pv
、γ
pv
是由储能系统所确定的常数系数。
[0121]
步骤4、建立船舶推进系统；
[0122]
在上述船舶模型建立过程中，船舶推进负荷作为船舶重要负荷之一，它与船速是非线性关系，其具体关系如下：
[0123][0124]
其中，ζ1是船舶外壳所确定的一个常数系数，ζ2是一个常数系数，一般取3，p
pr
(t)是代表船舶在t时刻船舶的推进功率，v(t)是船舶在t时刻的船速；
[0125]
船舶航行约束关系如下：
[0126][0127]
其中，v
min
表示船舶最小航行速度，v
max
表示船舶最大航行速度，v(t)表示t时刻船舶航行速度，δt表示航行时间间隔，t表示航行总时间，d表示总航程。
[0128]
步骤5：基于柴油发电系统、储能系统、光伏发电系统和船舶推进系统，建立混合船舶电力系统能源优化调度模型；
[0129]
如图1所示，本次建立的新能源混合船舶电力系统模型，包括两台柴油发电机、一台光伏发电装置和一个储能装置；柴油发电机和光伏发电系统发出的电能经过dc/ac变换器处理后，接入到直流母线上，向全船负载供电；特别当发电机和光伏系统发出的功率大于船舶实际负载需求时，多余电能由储能装置吸收，电能经dc/ac变换器处理，由直流母线送给储能，储能处于充电状态；当发电机和光伏发出的电能小于船舶负载实际需求功率时，储能将发出电能，经dc/ac变换器处理后，由直流母线传输，给船舶供电。
[0130]
基于新能源混合船舶电力系统模型，建立混合船舶电力系统能源优化调度模型的目标函数如下：
[0131][0132]
其中，c(t)是船舶柴油机、储能系统、光伏发电系统运行成本总和，f
gn
、fe、f
pv
表示发电机成本、储能成本、光伏成本之间权衡系数，n表示发电机总台数，min表示最小；
[0133]
船舶运行时碳排放量计算公式为：
[0134][0135]
其中，表示柴油发电机在t时刻发出功率为p
gn
(t)时所产生的二氧化碳量，表示第n台发电机的功率系数；
[0136]
船舶运行时国际碳排放约束限制如下：
[0137][0138]
其中，ξ3表示与船舶结构和船舶载重有关的船舶载重系数，eeoi
max
表示能源效益指标最大值；
[0139]
船舶航行时功率平衡限制如下：
[0140]
[0141]
其中，p
l
(t)表示船舶在t时刻的负载功率，l表示负载；
[0142]
在船舶碳排放量满足排放要求下，混合船舶电力系统能源优化调度模型建立如下：
[0143][0144]
步骤6、基于改进的鲸鱼优化算法的混合船舶电力系统能源优化调度；
[0145]
引入了鲸鱼优化算法，在通过对其改进来解决混合船舶电力系统能源优化调度模型中的优化问题，得到最佳的混合船舶电力系统能源优化调度结果，其具体实施过程如下：
[0146]
s61对鲸鱼优化算法进行改进，得到改进鲸鱼优化算法，改进的鲸鱼优化算法具体包括以下步骤：
[0147]
s611初始化种群个体；
[0148]
鲸鱼优化算法主要模拟座头鲸的捕食行为；在算法初始阶段，首先要初始化种群个体，具体按如下公式：
[0149]
x(i)＝lb+(u
b-lb).*rand
ꢀꢀꢀ
(15)
[0150]
其中，x(i)表示第i个个体位置，lb、ub表示个体的下限和上限，rand表示一个大小在0到1间的随机数；初始化种群个体后，将个体代入目标函数，求得每个个体的目标函数值；然后将每个个体的目标函数值进行比较，得到初始阶段的种群最优个体；之后，按如下方式更新个体位置；
[0151]
s612搜索阶段通过随机个体的位置和当前个体的位置更新座头鲸的位置；
[0152]
这样做的目的是提高总体的全局性能，从而防止算法陷入局部最优值；
[0153]
鲸鱼优化算法勘探阶段数学公式；
[0154]
u＝|s*x
rand-x(i)|
ꢀꢀꢀ
(16)
[0155]
x(i+1)＝x
rand-a*u
ꢀꢀꢀ
(17)
[0156]
其中,x
rand
表示种群中一个随机个体其中，u表示个体到猎物的距离，a,s是一个系数，x(i)表示第i代个体；
[0157]
s613围猎阶段通过种群最优个体进行当前个体的位置更新；
[0158]
与搜索阶段不同，围猎阶段主要通过种群最优个体进行当前个体的位置更新。这样可以保证搜索的准确度，从而提高算法的局部搜索能力，保证种群能够收敛；
[0159]
围猎行为数学表达式为：
[0160]
u＝|sx
*
(i)-x(i)|*s*rand
ꢀꢀꢀ
(18)
[0161]
x(i+1)＝x
*
(i)-au
ꢀꢀꢀ
(19)
[0162]
a＝2*a*r-a
ꢀꢀꢀ
(20)
[0163]
s＝2r
ꢀꢀꢀ
(21)
[0164]
其中，u表示个体到最优解的距离，a,s是一个系数，x(i)表示第i代个体，x
*
(i)表示第i代最优个体，a表示一个随迭代次数由2线性递减到0的数，r是一个大小在0到1间的随机数，i表示迭代次数，s表示levy随机飞行步长采用levy随机飞行的原因是其可以帮助种群跳出局部最优；
[0165]
s614泡网攻击阶段，个体以当前最优个体为中心，采用一种螺旋上升的方式去更新位置；
[0166]
在这一阶段，个体同样以最优个体更新种群个体位置，但在该阶段，个体是以当前最优个体为中心，采用一种螺旋上升的方式去更新位置；
[0167]
泡网攻击法数学公式如下：
[0168]
u'＝|x
*-x(i)|*s*rand
ꢀꢀꢀ
(22)
[0169]
x(i+1)＝u'*e
bl
*cos(2πl)+x
*(i)ꢀꢀꢀ
(23)
[0170]
其中，s表示levy随机飞行步长，rand表示一个值在0到1的随机数；
[0171]
以上就是鲸鱼算法的更新方式，本文对鲸鱼算法主要在围猎和泡网攻击阶段进行了改进，对围猎阶段的改进如式(18)，对泡网攻击阶段的改进如式(22)。
[0172]
s62将改进鲸鱼优化算法应用于混合船舶电力系统能源优化调度模型，如图2所示，具体包括以下步骤：
[0173]
s621、在改进鲸鱼优化算法开始阶段，即进入s611中的初始化种群步骤，先初始化变量以形成一个大小为n的种群，采用s611中式(15)来初始化种群，这些变量包括每台发电机每小时发出的功率和储能系统每小时的充放电功率，并且这n个个体就相当于n个调度方案；初始化变量后，将其带入系统目标函数中，求得每一个个体对应的目标函数值，即系统运行成本；
[0174]
s622、比较每个个体的目标函数值，找到初始化种群中最优个体；随后，算法进入循环，首先第一步算法生成一个随迭代递减的数a和随机数p，这个随机数p的大小在0和1之间，a的大小在0到2之间。根据随机数p和a的大小，选择一个恰当的方法更新种群个体；
[0175]
具体来说就是，当生成的随机数p的小于0.5且a大于1时，算法将进入s612中的搜
索阶段，通过式(16)与式(17)进行种群个体更新，来寻找可能多的解；当生成的随机数p小于0.5且a小于1时，算法进入s613中的围猎阶段。通过式(18)和式(19)进行更新种群个体，用以获取更优解；当随机数p的大于1时，算法进入s614的泡网攻击阶段，通过式(22)和式(23)更新种群个体，同样是用于获取更好的解。
[0176]
s623、在种群更新完个体后，算法会对更新后的个体进行评估，判断其是否满足各项限制，如不满足则对该个体进行相应处理，让个体符合限制；
[0177]
s624、将符合限制个体带入目标函数，计算相应的目标函数值，然后对个体目标函数值与种群最优进行比较，如果本次迭代的个体中有优于最优个体，则将其更新成最优个体；之后算法开始从第一步重复更新种群个体，直到在满足碳排放要求下船舶航行成本最低迭代结束或到达最大迭代次数，算法停止迭代，并输出种群最优个体，此时种群中个体最优为混合船舶电力系统能源优化调度最优结果。
[0178]
实施例
[0179]
通过混合船舶电力系统能源优化调度方法，可降低混合动力船舶运行油耗，并且让船舶二氧化碳排放量减少且符合船舶碳排放限制。考虑如下混合船舶电力系统组成：两台10mw柴油机、一台20mw柴油机，一个最大储能75mw的储能系统和光伏发电系统。基于所提的基于鲸鱼优化算法的混合船舶电力系统能源优化调度方法，可得到的平均油耗成本为58594美元，平均碳排放量61225kg，能源优化调度结果如图3所示。如表1所示，本方案可以减少燃油消耗成本并且降低船舶碳排放量，提高系统经济性和能源利用率，能够解决传统船舶耗油量大，污染高等问题。
[0180]
表1基于鲸鱼优化算法的混合船舶电力系统能源优化调度结果
[0181][0182][0183]
综上所述，本发明考虑了海上航行因素对新能源光伏系统建模的影响，建立新型混合船舶电力系统模型，进而设计了在满足碳排放要求下船舶运行成本最低的能源优化调度目标函数，最后提出基于鲸鱼优化算法的混合船舶电力系统能源优化调度策略，可以充分利用新能源，降低船舶运行成本，提高环境友好性。

技术特征：
1.一种新能源混合船舶电力系统能源优化调度方法，其特征在于：包括以下步骤：s1、建立柴油发电系统；s2、建立储能系统；s3、建立光伏发电系统；s4、建立船舶推进系统；s5、基于柴油发电系统、储能系统、光伏发电系统和船舶推进系统，建立混合船舶电力系统能源优化调度模型；s6、基于改进的鲸鱼优化算法的混合船舶电力系统能源优化调度。2.根据权利要求1所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：s1中，船舶柴油发电系统为船舶提供电能，保证船舶运行的稳定与可靠，其燃油成本计算如下：其中，p
gn
(t)表示柴油发电机t时刻发出功率，表示柴油机发出功率为p
gn
(t)时运行成本,α
gn
、β
gn
、γ
gn
是由柴油机技术指标所决定的系数，δt表示柴油机运行时间间隔，g表示发电机，n＝1,2,3表示第n台发电机；式(1)中柴油发电机功率满足如下运行约束条件：其中，表示发电机输出最小功率，表示发电机最大输出功率，r
gn
(t)表示在t时刻发电机功的率变化大小，表示发电机功率变化最大值。3.根据权利要求1所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：s2中，储能系统作用是当此时光伏发电与柴油发电超过系统所需功率，对储能系统进行充电；而当船舶系统负载大于电机和光伏发电系统实际发出的功率时，储能便进行放电，用于缓解柴油发电系统压力；储能系统具体充放电公式如下：其中，e
e
(t)表示t时刻储能系统存储的能量，e
e
(t-1)表示在t-1时刻储能系统存储的能量，p
e
(t)表示t时刻储能系统充电或放电的功率，η
in
表示储能充电的效率，η
out
表示t时刻储能系统放电效率，δt表示储能充电或放电的时间间隔；船舶储能系统运行成本如下：其中，表示船舶储能系统充电或发电功率大小是p
e
(t)时所需要成本,p
e
(t)表示t时刻储能充放电的功率，α
e
、γ
e
表示由储能系统决定的常数系数；储能系统的约束条件如下：
其中，表示储能系统的最小储能值，表示储能系统最大储能值，p
emin
表示储能系统的最小充放电功率，p
emax
表示储能系统最大充放电功率，p
e
(t-1)表示t-1时刻储能系统的充放电功率，表示储能系统的充放电功率变化最大值。4.根据权利要求1所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：s3中，光伏发电系统输出功率如下：p
pv
(t)＝η
pv
a
pv
i(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，p
pv
(t)表示t时刻光伏发电系统所输出的功率，η
pv
表示瞬时发电率,a
pv
表示船舶上总共的光伏发电面积，i(t)表示时刻航行过程中总太阳辐射量；光伏发电系统运行成本公式如下：其中，表示光伏系统发出功率为p
pv
(t)时的成本，β
pv
、γ
pv
是由储能系统所确定的常数系数。5.根据权利要求1所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：s4中，船舶推进负荷与船速是非线性关系，其具体关系如下：其中，ζ1是船舶外壳所确定的一个常数系数，ζ2是一个常数系数，一般取3，p
pr
(t)是代表船舶在t时刻船舶的推进功率，v(t)是船舶在t时刻的船速；船舶航行约束关系如下：其中，v
min
表示船舶最小航行速度，v
max
表示船舶最大航行速度，v(t)表示t时刻船舶航行速度，δt表示航行时间间隔，t表示航行总时间，d表示总航程。6.根据权利要求1所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：s5中，基于柴油发电系统、储能系统、光伏发电系统和船舶推进系统，建立混合船舶电力系统能源优化调度模型；所述新能源混合船舶电力系统模型，包括两台柴油发电机、一台光伏发电装置和一个储能装置；柴油发电机和光伏发电系统发出的电能经过dc/ac变换器处理后，接入到直流母线上，向全船负载供电；当发电机和光伏系统发出的功率大于船舶实际负载需求时，多余电能由储能装置吸收，电能经dc/ac变换器处理，由直流母线送给储能，储能处于充电状态；当发电机和光伏发出的电能小于船舶负载实际需求功率时，储能将发出电能，经dc/ac变换器处理后，由直流母线传输，给船舶供电。7.根据权利要求6所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：基
于新能源混合船舶电力系统模型，建立混合船舶电力系统能源优化调度模型的目标函数如下：其中，c(t)是船舶柴油机、储能系统、光伏发电系统运行成本总和，f
gn
、f
e
、f
pv
表示发电机成本、储能成本、光伏成本之间权衡系数，n表示发电机总台数，min表示最小；船舶运行时碳排放量计算公式为：其中，表示柴油发电机在t时刻发出功率为p
gn
(t)时所产生的二氧化碳量，表示第n台发电机的功率系数；船舶运行时国际碳排放约束限制如下：其中，ξ3表示与船舶结构和船舶载重有关的船舶载重系数，eeoi
max
表示能源效益指标最大值；船舶航行时功率平衡限制如下：其中，p
l
(t)表示船舶在t时刻的负载功率，l表示负载；在船舶碳排放量满足排放要求下，混合船舶电力系统能源优化调度模型建立如下：
8.根据权利要求1所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：s6中引入了鲸鱼优化算法，在通过对其改进来解决混合船舶电力系统能源优化调度模型中的优化问题，得到最佳的混合船舶电力系统能源优化调度结果，其具体实施过程如下：s61对鲸鱼优化算法进行改进，得到改进鲸鱼优化算法；s62将改进鲸鱼优化算法应用于混合船舶电力系统能源优化调度模型。9.根据权利要求8所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：改进的鲸鱼优化算法具体包括以下步骤：s611初始化种群个体；初始化种群个体，具体按如下公式：x(i)＝l
b
+(u
b-l
b
).*rand
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)其中，x(i)表示第i个个体位置，l
b
、u
b
表示个体的下限和上限，rand表示一个大小在0到1间的随机数；初始化种群个体后，将个体代入目标函数，求得每个个体的目标函数值；然后将每个个体的目标函数值进行比较，得到初始阶段的种群最优个体；s612搜索阶段通过随机个体的位置和当前个体的位置更新座头鲸的位置；鲸鱼优化算法勘探阶段数学公式；u＝|s*x
rand-x(i)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)x(i+1)＝x
rand-a*u
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
其中,x
rand
表示种群中一个随机个体其中，u表示个体到猎物的距离，a,s是一个系数，x(i)表示第i代个体；s613围猎阶段通过种群最优个体进行当前个体的位置更新；围猎行为数学表达式为：u＝|sx
*
(i)-x(i)|*s*rand
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)x(i+1)＝x
*
(i)-au
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)a＝2*a*r-a
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)s＝2r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)其中，u表示个体到最优解的距离，a,s是一个系数，x(i)表示第i代个体，x
*
(i)表示第i代最优个体，a表示一个随迭代次数由2线性递减到0的数，r是一个大小在0到1间的随机数，i表示迭代次数，s表示levy随机飞行步长采用levy随机飞行的原因是其可以帮助种群跳出局部最优；s614泡网攻击阶段，个体以当前最优个体为中心，采用螺旋上升的方式去更新位置；泡网攻击法数学公式如下：u'＝|x
*-x(i)|*s*rand
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)x(i+1)＝u'*e
bl
*cos(2πl)+x
*
(i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)其中，s表示levy随机飞行步长，rand表示一个值在0到1的随机数。10.根据权利要求9所述的新能源混合船舶电力系统能源优化调度方法，其特征在于：将改进鲸鱼优化算法应用于混合船舶电力系统能源优化调度模型，具体包括以下步骤：s621在改进鲸鱼优化算法开始阶段，即进入s611中的初始化种群步骤，先初始化变量以形成一个大小为n的种群，采用s611来初始化种群，这些变量包括每台发电机每小时发出的功率和储能系统每小时的充放电功率，并且这n个个体就相当于n个调度方案；初始化变量后，将其带入系统目标函数中，求得每一个个体对应的目标函数值，即系统运行成本；s622比较每个个体的目标函数值，找到初始化种群中最优个体；随后，算法进入循环，首先第一步算法生成一个随迭代递减的数a和随机数p，这个随机数p的大小在0和1之间，a的大小在0到2之间；根据随机数p和a的大小，选择一个恰当的方法更新种群个体；当生成的随机数p小于0.5且a大于1时，算法将进入s612中的搜索阶段；当生成的随机数p小于0.5且a小于1时，算法进入s613中的围猎阶段；当随机数p大于1时，算法进入s614的泡网攻击阶段，用于获取更好的解；s623在种群更新完个体后，算法对更新后的个体进行评估，判断其是否满足各项限制，如不满足则对该个体进行相应处理，让个体符合限制；s624将符合限制个体带入目标函数，计算相应的目标函数值，然后对个体目标函数值与种群最优进行比较，如果本次迭代的个体中有优于最优个体，则将其更新成最优个体；之后算法开始从第一步重复更新种群个体，直到在满足碳排放要求下船舶航行成本最低迭代结束或到达最大迭代次数，算法停止迭代，并输出种群最优个体，此时种群中个体最优为混合船舶电力系统能源优化调度最优结果。

技术总结
本发明公开了一种新能源混合船舶电力系统能源优化调度方法，属于新能源混合船舶电力系统能源优化调度技术领域，包括建立柴油发电系统；建立储能系统；建立光伏发电系统；建立船舶推进系统；基于柴油发电系统、储能系统、光伏发电系统和船舶推进系统，建立混合船舶电力系统能源优化调度模型；基于改进的鲸鱼优化算法的混合船舶电力系统能源优化调度。本发明考虑了海上航行因素对新能源光伏系统建模的影响，能够充分利用新能源，降低船舶运行成本，提高环境友好性，解决混合船舶电力系统能源优化调度问题。度问题。度问题。


技术研发人员：王新宇 朱巍松 王佳璇 罗小元 关新平
受保护的技术使用者：燕山大学
技术研发日：2023.07.20
技术公布日：2023/10/19