[发明专利]一种基于神经网络控制的混合动力船舶的能量管理方法

说明书

针对混合动力船舶动态规划全局优化能量管理策略计算复杂，而且算法难以应用于船舶实时控制中的问题，本发明采用神经网络控制的思路，提出了一种基于神经网络的混合动力船舶的能量管理方法。采用核模糊C‑均值聚类的多神经网络模型结构建立船舶能量管理系统，采用分解合成方法可以将复杂问题简单化，将一个庞大的船舶能量管理问题转化为一个个规模较小的便于求解的子问题，通过各子模型综合得到的模型精度高，提高了运算速度，有效的改善了动态规划难以实时应用的问题。

技术领域

本发明涉及混合动力船舶的能量管理领域，具体涉及一种基于神经网络控制的混合动力船舶的能量管理方法。

背景技术

目前，减少船舶的排放已成为必要，用于混合动力船舶推进系统的能源管理策略正在引起广泛的兴趣。为了提高能源管理策略的效率，在混合系统的不同组件之间进行正确地分配所需的功率，高效的能源管理策略(EMS)的设计至关重要。目前国内外常见的混合动力船舶的能量管理方法主要有基于规则的控制方法其中包括基于确定规则控制和模糊逻辑控制，基于优化的控制包括基于全局优化控制和基于实时优化控制，此外还有智能方法，如模型预测控制、基于遗传算法或最优控制算法的策略、动态规划等。由于实际应用过程中往往需要面对一个多参数、非线性的时变系统，基于模糊规则的能量管理策略相对确定规则的能量管理策略更具优势。全局优化控制策略由于较长的计算时间难以直接应用于实际系统中，故相对而言实时优化控制具有更大的实用价值。基于神经网络的控制策略在处理能量管理这类非线性优化问题上表现出高速的集体计算能力，其自学习和自适应能力能够在已知约束下，寻找一组参数使得目标函数达到最优，且求解速度快，优化效果较好。基于此，本发明提出一种基于神经网络的模型预测控制能量管理方法。

发明内容

本发明针对混合动力船舶的能量管理方法，采用神经网络控制的思路，提出了一种基于神经网络控制的能量管理方法；本发明构建的混合动力系统为一种典型的并联混合动力系统，采用并联混合动力船舶的发动机和电动/发电机并联并直接与螺旋桨轴相连，利用耦合器(通常包括离合器或液力耦合器)发动机和电动机可分别或共同驱动螺旋桨。其中电动机可以作为发电机吸收发动机发出的多余功率，然后提供给电网里负载使用。

神经网络是一种数学计算模型，是对生物神经网络系统的一种简化和抽象，用来模拟生物神经网络的结构和功能。神经网络是由一系列相互连接的网络节点组成，通过连接方法计算的方式处理信息。在神经网络中，单个神经元功能有限，但多个简单节点连接起来形成一个神经元网络，可以用来对输入和输出之间的复杂关系进行建模。结合神经网络控制的原理，神经网络控制具有的自学习、自适应、可以逼近任何非线性的特点，利用动态规划算法离线得到的全局最优解作为神经网络的待选训练样本，采用核模糊C-均值聚类(Kernel Fuzzy C-means Clustering，KFCM)算法对最优解集合依据船舶运行模式进行分类，对于分类后的每一个数据簇分别建立神经网络，得到多神经网络模型控制器。对于实时输入，提取特征参数进行模型选择，根据选择结果切换到对应的子神经网络模型，将子神经网络模型的输出作为能量管理策略的输出。本发明将神经网络控制的理论方法运用到混合动力船舶的能量管理中；然而，国内目前还没有在混合动力船舶电力推进系统中运用该能量管理方法。该能量方法包括以下步骤：

步骤一、混合动力船舶能量管理策略是在系统的约束下使得船舶在一定路径下的油耗最小，这是一个多阶段决策问题；动态规划应用于能量管理，是将多阶段能量优化问题分割为多个单阶段优化子问题，然后利用这些子问题的最优解计算能量管理的全局最优解；

对于一个具体的优化问题，设非线性离散系统的状态方程为：

x(k+1)＝f[x(k),u(k),k]

x(0)＝x₀ (1)

其中