基于支持向量机与模型预测控制的混合动力船舶能量管理策略OA北大核心CSTPCD

为了提高混合动力船舶能量利用效能,提升混合动力船舶燃油经济性,将在线工况识别与实时优化策略相结合,提出了基于支持向量机(support vector machine,SVM)与模型预测控制(model predictive control,MPC)的混合动力船舶能量管理策略。引入SVM理论,使用“美维凯越”号新能源游轮的实船数据,优化核函数类型及关键参数,构建船舶运行4个典型工况的在线识别模型;再通过对船舶当前时刻工况特征参数的分析与判断,确定船舶实时运行工况。以最小燃油消耗和保持储能单元荷电状态(state of charge,SOC)稳定为目标,以主机和复合储能单元之间的实时输出功率为优化变量,以功率需求预测模型为约束条件,构建模型预测控制MPC模型;为提高不同工况下功率需求预测的精度,提出基于多步马尔科夫模型的功率预测模型,并根据实时工况识别结果,更新MPC模型中的功率需求预测模型约束,实现船舶能量实时动态优化。最后,采用小波变换方法,将最优功率解分解成高频信号和低频信号;再根据复合储能单元中不同动力源工作特性的差异,将高频信号和低频信号分别分配给具有高功率密度的超级电容和具有高能量密度的蓄电池。为验证方法的有效性,开展了基于MATLAB的仿真实验,结果表明:在相同工况下,所提策略累计燃油消耗量为4 404.556 1 g,平均燃油消耗率为202.973 7 g/kWh;与基于单一模型预测控制的能量管理策略相比,所提方法可节省燃油消耗4.55%,验证了所提能量管理策略的有效性。