[发明专利]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

权利要求书

1.一种基于模型预测的多电飞机混合能源能量管理系统，其特征在于，所述混合能源能量管理系统，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。

2.根据权利要求1所述的一种基于模型预测的多电飞机混合能源能量管理系统，其特征在于，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。

3.根据权利要求1所述的一种基于模型预测的多电飞机混合能源能量管理系统进行能量管理的方法，其特征在于：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)＝[P_mg1(k),P_mg2(k),P_UC(k),P_B(k),P_ag(k)]^T

其中，P_mg1(k)为主发电机1的功率，P_mg2(k)为主发电机2的功率，P_UC(k)为超级电容模块的功率，P_B(k)为锂电池模块的功率，P_ag(k)为辅助发电机模块的功率，

则：

Δu(k)＝u(k)-u(k-1)＝[ΔP_mg1(k),ΔP_mg2(k),ΔP_UC(k),ΔP_B(k),ΔP_ag(k)]^T

其中，Δu(k)为控制量当前时刻与上一时刻的变化量，ΔP_mg1(k)为主发电机1的功率的变化量，ΔP_mg2(k)为主发电机2的功率的变化量，ΔP_UC(k)为超级电容模块的功率的变化量，ΔP_B(k)为锂电池模块的功率的变化量，ΔP_ag(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)＝[P_mg1(k)，P_mg2(k),P_UC(k),P_B(k),P_ag(k),SOC_UC(k),SOC_B(k)]^T

其中，SOC_UC(k)为超级电容的荷电状态，SOC_B(k)为锂电池的荷电状态。

输出变量矩阵y(k)为：

y(k)＝[P_mg1(k)+P_mg2(k)+P_UC(k)+P_B(k)+P_ag(k),P_mg1(k),P_mg2(k),SOC_UC(k),SOC_B(k)]^T

式中，SOC_UC(k)和SOC_B(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，SOC_UC(k-1)为超级电容采样时刻前一时刻的荷电状态，SOC_B(k-1)为锂电池采样时刻前一时刻的荷电状态，E_UC、E_B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(P_mg1、P_mg2)、辅助发电机(P_ag)、锂电池(P_B)和超级电容(P_UC)的功率之和，满足：

P_mg1(k+i|k)+P_mg2(k+i|k)+P_UC(k+i|k)+P_B(k+i|k)+P_ag(k+i|k)＝P_load

其中，x(k+i|k)为当前采样时刻k对k+i时刻x的预测值；P_load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；P_{mg_MAX}为主发电机的最大功率；P_{UC_MIN}、P_{UC_MAX}分别为超级电容的最小、最大功率；P_{B_MIN}、P_{B_MAX}分别为锂电池的最小、最大功率；P_{ag_MAX}为辅助发电机功率。

S223设置荷电状态约束：

SOC_{UC_MIN}、SOC_{UC_MAX}为超级电容的最小、最大荷电状态；SOC_{B_MIN}、SOC_{B_MAX}为锂电池的最小、最大荷电状态。SOC_UC(k+i|k)、SOC_B(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；P_mean为系统平均功率，也就是系统的参考轨迹；P_mg1(k+i/k)、P_mg2(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。