全直流型船舶微電網(wǎng)多時(shí)間尺度綜合能量管理

周荔丹, 張明珠, 姚鋼, 于天佑, 趙敏

(1.上海電力大學(xué) 電氣工程學(xué)院,上海 200090; 2.上海交通大學(xué) 電子信息與電氣工程學(xué)院,上海 200240;3.上海交通大學(xué) 船舶海洋與建筑工程學(xué)院,上海 200240)

0 引 言

近年來,以綜合電力推進(jìn)系統(tǒng)為標(biāo)志性技術(shù)特征的全直流型船舶,具有可靠性高、機(jī)動(dòng)能力強(qiáng)以及維修成本低等優(yōu)點(diǎn)而成為未來船舶的重要發(fā)展方向[1-2]。相較于傳統(tǒng)微網(wǎng),船舶微網(wǎng)無法在航行過程中與主網(wǎng)交換功率,且由于船舶運(yùn)行工況處于不斷變化的狀態(tài),以及疊加的各類航行環(huán)境隨機(jī)變化等因素都會(huì)影響船舶運(yùn)行的可靠性。為了保障船舶能夠安全可靠運(yùn)行,將作為能量緩沖設(shè)備的儲(chǔ)能系統(tǒng)應(yīng)用在船舶中[3],且相關(guān)船舶綜合電力系統(tǒng)能量管理方面的研究內(nèi)容,已引起了國內(nèi)外大量學(xué)者的廣泛關(guān)注[4-6]。

電能質(zhì)量管理方面:文獻(xiàn)[7]提出了一種基于節(jié)點(diǎn)源荷差分電流的控制策略,在提高響應(yīng)速度和精度的同時(shí)能夠降低直流母線電壓的波動(dòng);文獻(xiàn)[8]提出了一種基于直流微網(wǎng)技術(shù)的新型能饋系統(tǒng),能夠?qū)崿F(xiàn)系統(tǒng)源荷儲(chǔ)之間功率的合理分配和減小直流母線電壓的波動(dòng);文獻(xiàn)[9]建立了一個(gè)集成混合儲(chǔ)能系統(tǒng)的全電船舶模型,基于動(dòng)態(tài)下垂控制方法有效改善了電能質(zhì)量;文獻(xiàn)[10]在短時(shí)間尺度場景中,在提高全電船舶電能質(zhì)量的前提下平抑了功率波動(dòng);文獻(xiàn)[11]提出了一種適用于多微電網(wǎng)互聯(lián)的不同時(shí)間尺度階梯控制方法,提高了并網(wǎng)的可靠性和安全性;文獻(xiàn)[12]提出了一種基于模糊邏輯控制的能量管理系統(tǒng),在穩(wěn)定直流側(cè)母線電壓的基礎(chǔ)上能夠根據(jù)儲(chǔ)能的荷電狀態(tài)改變其充放電速率,提高了儲(chǔ)能的使用壽命。

多目標(biāo)優(yōu)化的長時(shí)間尺度下負(fù)荷經(jīng)濟(jì)調(diào)度方面:文獻(xiàn)[13]提出一種實(shí)時(shí)模型預(yù)測控制能量管理策略,在減小母線電壓波動(dòng)和儲(chǔ)能損耗的前提下能解決混合儲(chǔ)能系統(tǒng)負(fù)載功率波動(dòng)大的問題;文獻(xiàn)[14]提出一種基于優(yōu)化荷電狀態(tài)反饋的混合儲(chǔ)能能量管理策略,在平抑負(fù)載功率和直流波動(dòng)的前提下延長了儲(chǔ)能的使用壽命;文獻(xiàn)[15]采用啟發(fā)式和模型預(yù)測控制相結(jié)合的混合能量管理算法,能夠?qū)崿F(xiàn)功率的動(dòng)態(tài)平衡;文獻(xiàn)[16]提出一種考慮蓄電池壽命損耗的最優(yōu)船舶儲(chǔ)能系統(tǒng)經(jīng)濟(jì)調(diào)度模型,有效地減小了船舶負(fù)荷峰谷差和延長了儲(chǔ)能設(shè)備的使用壽命,具有較高的經(jīng)濟(jì)性;文獻(xiàn)[17]提出一種虛擬電阻電容下垂控制和二次荷電狀態(tài)恢復(fù)控制方法用于船舶中壓直流系統(tǒng),有效地緩解了推進(jìn)負(fù)荷和脈沖負(fù)荷動(dòng)態(tài)變化引起的功率波動(dòng);文獻(xiàn)[18]提出一種基于最小使用成本及儲(chǔ)能狀態(tài)平衡的孤島直流微電網(wǎng)能量管理方法,能夠在滿足電壓穩(wěn)定和功率平衡的基礎(chǔ)上,通過系統(tǒng)底層和頂層之間的協(xié)調(diào)控制,更好地完成整個(gè)系統(tǒng)的能量管理。

由于上述電能質(zhì)量管理和長時(shí)間尺度下負(fù)荷經(jīng)濟(jì)調(diào)度方面的文獻(xiàn)沒有進(jìn)行綜合能量管理。因此本文提出一種多時(shí)間尺度下分層控制的綜合能量管理策略,將短期和長期兩個(gè)時(shí)間尺度結(jié)合起來,分別提出相應(yīng)的控制策略,最后通過仿真和算例驗(yàn)證所提策略在短期負(fù)荷波動(dòng)下能夠?qū)崿F(xiàn)直流側(cè)母線電壓的穩(wěn)定和供需功率的平衡,在長期運(yùn)行下不僅提高船舶微網(wǎng)的經(jīng)濟(jì)性,還起到削峰填谷和平滑負(fù)荷曲線的作用。

1 本文問題描述

1.1 系統(tǒng)拓?fù)?/h3>

船舶微電網(wǎng)系統(tǒng)拓?fù)浣Y(jié)構(gòu)如圖1所示,該系統(tǒng)由發(fā)電機(jī)、儲(chǔ)能單元、各類變換器、推進(jìn)器以及其他生活負(fù)荷共同構(gòu)成,其中發(fā)電單元和儲(chǔ)能單元兩者共同作用通過輸電線路為各類推進(jìn)器及生活負(fù)荷提供電能。

1.2 船舶運(yùn)行模式

柴電混合動(dòng)力船舶的驅(qū)動(dòng)動(dòng)力源由柴油發(fā)電機(jī)和儲(chǔ)能設(shè)備共同組成,其運(yùn)行模式和運(yùn)行工況種類較多,本文總共考慮了5種船舶運(yùn)行工況,分別是啟動(dòng)并逐級(jí)加速、遇到障礙物轉(zhuǎn)向后繼續(xù)加速運(yùn)行、到達(dá)安全區(qū)域后減速運(yùn)行、懸浮前進(jìn)以及低速前行。重點(diǎn)研究以下3種運(yùn)行模式(具體的能量流動(dòng)如圖2所示)。

1)發(fā)電機(jī)推進(jìn)運(yùn)行模式。

該模式適用于當(dāng)船舶處于低速前行等負(fù)載需求功率較小的運(yùn)行工況,此時(shí)僅靠發(fā)電機(jī)的出力就可以滿足系統(tǒng)的功率需求,儲(chǔ)能如果未達(dá)上限則對(duì)其進(jìn)行充電,否則其處于備用狀態(tài)。

2)發(fā)電機(jī)和儲(chǔ)能共同推進(jìn)運(yùn)行模式。

該模式適用于當(dāng)船舶處于加速或負(fù)載突增等運(yùn)行工況,由于發(fā)電機(jī)的輸出特性不能快速響應(yīng)功率突變,此時(shí)應(yīng)由發(fā)電機(jī)和儲(chǔ)能兩者共同作用來滿足航行中負(fù)載功率的需求。

3)主動(dòng)減載模式。

該模式適用于發(fā)生一些突發(fā)狀況如果發(fā)電機(jī)的出力無法滿足系統(tǒng)功率需求時(shí),此時(shí)負(fù)荷若正常工作,將因功率不平衡導(dǎo)致直流母線電壓出現(xiàn)較大幅度的下降,在仿真中可以根據(jù)負(fù)荷的重要程度切除一部分生活負(fù)荷以保證重要負(fù)荷的可靠供電。

1.3 船舶多時(shí)間尺度分層控制

船舶系統(tǒng)結(jié)構(gòu)較為復(fù)雜且設(shè)備種類繁多,其動(dòng)態(tài)過程的時(shí)間跨度較大,包含微秒時(shí)間尺度下的開關(guān)器件換向過程、毫秒到秒短時(shí)間尺度下的電壓穩(wěn)定和功率實(shí)時(shí)平衡以及分鐘到小時(shí)長時(shí)間尺度下的安全經(jīng)濟(jì)運(yùn)行等等。由于不同時(shí)間尺度的復(fù)雜程度以及對(duì)控制實(shí)時(shí)性的要求都不同,因此針對(duì)該問題,本文從各時(shí)間尺度出發(fā),提出了如圖3所示的船舶多時(shí)間尺度分層控制結(jié)構(gòu)。

本文的研究重點(diǎn)即在該分層控制結(jié)構(gòu)框架下,研究短期大功率推進(jìn)器接入所帶來的負(fù)荷功率驟增所帶來的電壓穩(wěn)定和供需功率平衡問題以及長期運(yùn)行下滿足船舶可靠性和經(jīng)濟(jì)性的要求,搭建了以燃料費(fèi)用和儲(chǔ)能電池使用成本總運(yùn)行費(fèi)用最低的運(yùn)行成本模型,并采取智能算法來迭代優(yōu)化供電單元的出力。系統(tǒng)關(guān)于短期和長期的總體運(yùn)行策略如圖4所示。

圖4 船舶能量管理總體運(yùn)行策略Fig.4 Overall operation strategy of ship EMS

2 船舶能量管理模型

2.1 系統(tǒng)建模

2.1.1 發(fā)電機(jī)模型

船舶發(fā)電單元一般通過船舶微網(wǎng)將柴油機(jī)所產(chǎn)生的電能合理分配給各類負(fù)荷,以滿足船舶用電的可靠性。對(duì)于傳統(tǒng)柴油發(fā)電機(jī)的燃料成本模型[19],本文采用多項(xiàng)式來近似表示柴油能耗特性函數(shù),其能耗特性

F(t)=c1Pdie(t)+c2Pdier(t)。

(1)

式中:Pdie(t)為t時(shí)刻單臺(tái)柴油發(fā)電機(jī)組輸出的平均發(fā)電功率;Pdier(t)為單臺(tái)柴油機(jī)組的額定功率;c1和c2是多項(xiàng)式系數(shù)。

本文取c1和c2為0.23和0.057 5,則柴油發(fā)電機(jī)組的燃料成本Cdie(t)可表示為

(2)

式中m為柴油的價(jià)格。

2.1.2 儲(chǔ)能單元模型

儲(chǔ)能充放電模型如下:

(3)

2.1.3 負(fù)荷模型

在船舶綜合電力系統(tǒng)中,需求側(cè)負(fù)載一般可分為以下三類[20]:剛性負(fù)荷、可時(shí)移負(fù)荷、可中斷負(fù)荷。剛性負(fù)荷是維持船舶基本航行的負(fù)荷,這類負(fù)荷中斷將會(huì)造成重大的設(shè)備損壞,產(chǎn)生很嚴(yán)重的影響,如推進(jìn)負(fù)荷等;可時(shí)移負(fù)荷指的是短時(shí)重復(fù)使用的負(fù)載,如空調(diào)之類的負(fù)荷等;可中斷負(fù)荷指的是偶爾短時(shí)使用的負(fù)載,如探照燈等之類的負(fù)荷。

1)剛性負(fù)荷建模。

在自然坐標(biāo)系下對(duì)剛性負(fù)荷永磁同步電機(jī)進(jìn)行建模,其磁鏈方程、轉(zhuǎn)矩方程和推進(jìn)功率方程[21]為:

ψs=Lssis+ψf;

(4)

(5)

(6)

2)可時(shí)移負(fù)荷建模。

圖5 可時(shí)移負(fù)荷時(shí)移區(qū)間Fig.5 Times shifting load time shifting interval

可中斷負(fù)荷與可時(shí)移負(fù)荷的特性較為類似,這里不再重復(fù),可時(shí)移負(fù)荷建模如下:

(7)

Ssh(t)≥Ta[Ssh(t+1)-Ssh(t)],

(8)

(9)

式中:Ssh(t)表示負(fù)荷的狀態(tài),為1表示負(fù)荷處于運(yùn)行中,為0表示設(shè)備未運(yùn)行;Psh為可時(shí)移負(fù)荷的功率;Esh為可時(shí)移負(fù)荷的總功耗。

2.2 系統(tǒng)協(xié)調(diào)控制

2.2.1 永磁同步電機(jī)矢量控制

六相永磁同步電機(jī)的控制策略采用id=0的轉(zhuǎn)子磁場定向矢量控制策略,該控制的優(yōu)點(diǎn)在于控制方法簡單易實(shí)現(xiàn),可以避免轉(zhuǎn)子永磁體退磁。

基于矢量空間解耦理論得到六相電機(jī)的控制模型,模型中包含涉及能量轉(zhuǎn)換的基波dq子空間和z1z2子空間。得到dq軸下的數(shù)學(xué)模型[21]為:

(10)

式中:ud、uq、ed、eq分別為dq軸上的電壓和感應(yīng)電動(dòng)勢(shì);Rs為定子電阻;id、iq分別為dq軸電流;Leq為等效電感;其中等效電感等于電機(jī)定子等效電感與變流器橋臂等效電感之和。

由式(10)可知,ud不僅與id、ed有關(guān),還與iq存在耦合關(guān)系,同樣uq也是如此,因此在仿真中可采用前饋解耦方法來控制,用來消除電機(jī)感應(yīng)電動(dòng)勢(shì)擾動(dòng)和id、iq之間的耦合。同時(shí)對(duì)諧波電流采用PI閉環(huán)控制來抑制z1-z2子空間的諧波分量在定子繞組產(chǎn)生的損耗,具體控制方程如下:

(11)

六相PMSM電流iabc與ixyz經(jīng)過變換之后得到id、iq與iz1、iz2(參見圖6所示的矢量控制框圖),由于采用的是中性點(diǎn)隔離結(jié)構(gòu),所以o1-o2子空間中的電氣分量不予考慮。將得到的dq軸電流再與速度環(huán)輸出的電流給定量進(jìn)行比較,然后經(jīng)過PI調(diào)節(jié)之后得到相應(yīng)的dq電壓,最后經(jīng)過矢量SVPWM模塊產(chǎn)生PWM信號(hào)來驅(qū)動(dòng)IGBT。

圖6 六相PMSM矢量空間解耦控制框圖Fig.6 Block diagram of six phase PMSM vector space decoupling control

2.2.2 儲(chǔ)能單元控制

圖7 儲(chǔ)能單元及其控制框圖Fig.7 Energy storage unit and its control block diagram

2.2.3 負(fù)荷控制

負(fù)荷包括剛性負(fù)荷、可中斷負(fù)荷和可時(shí)移負(fù)荷,其中剛性負(fù)荷的控制策略見圖6所示,后兩種負(fù)荷只需要保證有穩(wěn)定的電壓,采用電壓單閉環(huán)控制策略就可以實(shí)現(xiàn),其控制結(jié)構(gòu)如圖8所示。圖8中,Udcref為負(fù)荷單元所期望的電壓參考值;Ul為負(fù)荷電壓的實(shí)際值。

2.3 系統(tǒng)運(yùn)行成本函數(shù)

1)目標(biāo)函數(shù)。

以船舶微網(wǎng)系統(tǒng)的運(yùn)行成本最低為目標(biāo)函數(shù),運(yùn)行成本主要由燃料費(fèi)用和儲(chǔ)能電池使用成本組成,因此目標(biāo)函數(shù)可表示為

(12)

本文為方便分析,采用簡化計(jì)算,設(shè)t時(shí)刻儲(chǔ)能的折舊成本為

(13)

式中:N為儲(chǔ)能電池的循環(huán)使用壽命;CB為單組儲(chǔ)能電池的價(jià)格;n為儲(chǔ)能電池的個(gè)數(shù);QB為儲(chǔ)能電池組的額定容量;ΔWbat(t)為t時(shí)刻儲(chǔ)能電池的電量變化。

2)約束條件。

①系統(tǒng)功率平衡:

Pdie(t)±Pbat(t)=Pload(t),?t∈[1,T]。

(14)

式中:Pload(t)為t時(shí)刻負(fù)荷需求功率的總和;Pbat(t)為t時(shí)刻儲(chǔ)能電池的輸出/吸收功率;T為一天24小時(shí)。

②柴油發(fā)電機(jī)運(yùn)行功率約束:

0≤Pdie(t)≤Pdier(t),?t∈[1,T]。

(15)

③儲(chǔ)能電池電量約束:

兩相鄰時(shí)刻間儲(chǔ)能電池的電量約束為

Wbat(t)=Wbat(t-1)+ΔWbat(t),?t∈[1,T]。

(16)

式中Wbat(t)為t時(shí)刻儲(chǔ)能電池的電量。

儲(chǔ)能電池存儲(chǔ)和釋放電量的上下限約束為:

(17)

(18)

④發(fā)電機(jī)推進(jìn)運(yùn)行模式功率約束:

Pdie(t)=Pload(t)-Pbat(t),?t∈[1,T]。

(19)

⑤主動(dòng)減載模式功率約束:

Pload(t)>Pbat(t)+Pdie(t),?t∈[1,T]。

(20)

3 模型分析與求解

3.1 模型分析

本文所提的分層控制結(jié)構(gòu)涉及短期負(fù)荷波動(dòng)下維持直流側(cè)電能質(zhì)量和系統(tǒng)功率平衡的仿真問題,另外還涉及長期運(yùn)行下提高船舶微網(wǎng)系統(tǒng)日運(yùn)行成本經(jīng)濟(jì)性的算例優(yōu)化問題,因此擬采用結(jié)構(gòu)分解的方法將本文所提的多時(shí)間尺度分層控制結(jié)構(gòu)分為兩層分別進(jìn)行求解。

3.2 模型分解

本文將1.3節(jié)所提出的船舶多時(shí)間尺度分層控制結(jié)構(gòu)分解為兩部分,分別是采用基于規(guī)則的能量管理策略來解決短時(shí)間尺度下負(fù)荷大功率波動(dòng)所帶來的電能質(zhì)量和功率平衡問題以及長時(shí)間尺度下采用改進(jìn)型烏鴉搜索算法(crow search algorithm,CSA)對(duì)船舶微網(wǎng)系統(tǒng)的日運(yùn)行成本進(jìn)行優(yōu)化。

3.2.1 短期負(fù)荷波動(dòng)下的能量管理

在船舶行駛過程中,由于短期大功率推進(jìn)器的突然接入將導(dǎo)致系統(tǒng)功率驟增,會(huì)對(duì)母線電壓產(chǎn)生一個(gè)短時(shí)間的波動(dòng),此時(shí)如果某供電單元無法響應(yīng)負(fù)荷突變可能會(huì)導(dǎo)致電能供應(yīng)不足,因此有必要研究系統(tǒng)在短時(shí)間尺度下的控制策略。

針對(duì)負(fù)荷的短期波動(dòng)采用基于規(guī)則的能量管理策略。該策略是目前應(yīng)用最為廣泛的一種方式,具有設(shè)計(jì)簡單,魯棒性強(qiáng),技術(shù)成熟等優(yōu)點(diǎn)。該方法以推進(jìn)電機(jī)負(fù)載轉(zhuǎn)矩的變化來模擬系統(tǒng)處于不同的運(yùn)行工況,并根據(jù)要實(shí)現(xiàn)的目標(biāo)、系統(tǒng)當(dāng)前的需求功率以及各設(shè)備的運(yùn)行情況,來完成功率的分配。具體的規(guī)則如圖9所示。

圖9 基于規(guī)則的功率控制流程圖Fig.9 Power control flow chart based on rules

3.2.2 采用改進(jìn)型CSA算法的模型求解

針對(duì)船舶長期處于孤島運(yùn)行方式,在滿足船舶供需能量平衡的基礎(chǔ)上,基于船舶電力系統(tǒng)長期運(yùn)行經(jīng)濟(jì)性的要求,采用改進(jìn)型CSA算法對(duì)系統(tǒng)的運(yùn)行成本函數(shù)進(jìn)行優(yōu)化。

1)算法原理。

CSA是一種基于種群間覓食行為的新型智能優(yōu)化算法,主要通過從給定的求解空間中的所有可行解中找到滿足約束條件的最優(yōu)解,其尋優(yōu)機(jī)制簡單和可操作性強(qiáng),但是該算法在解決復(fù)雜、非線性優(yōu)化問題時(shí)容易處于局部最優(yōu)狀態(tài),且收斂速度較慢。因此針對(duì)該算法的缺陷,本文提出一種改進(jìn)型CSA算法,并將其應(yīng)用到船舶微電網(wǎng)系統(tǒng)中求解日運(yùn)行成本最低的問題。

①傳統(tǒng)CSA算法。

情況1：當(dāng)認(rèn)知概率AP小于所生成的隨機(jī)數(shù)ri時(shí),說明個(gè)體j并不知曉被跟蹤,則最終個(gè)體i會(huì)找到個(gè)體j隱藏食物的地點(diǎn);

情況2：當(dāng)認(rèn)知概率AP大于所生成的隨機(jī)數(shù)ri時(shí),說明個(gè)體j已知被跟蹤,為了使隱藏食物的地點(diǎn)不被發(fā)現(xiàn),個(gè)體j會(huì)隨機(jī)飛往空間中的其他位置。

上述兩種情況下的位置更新公式如下:

(21)

②基于改進(jìn)型CSA算法。

為了使得算法的搜索空間更大,同時(shí)避免陷入局部最優(yōu)的情況,本文采用改進(jìn)型CSA算法,相較于傳統(tǒng)CSA算法做了以下兩點(diǎn)改進(jìn):

(a)引入權(quán)重系數(shù)。

引入權(quán)重系數(shù)來對(duì)個(gè)體的位置更新公式進(jìn)行修正,借此拓寬個(gè)體的搜索空間,這樣更有利于搜索到全局最優(yōu)解,從而降低個(gè)體落入局部最優(yōu)的概率,新的位置更新公式如下:

(22)

(23)

式中:rgbest為當(dāng)前迭代過程中的最優(yōu)解;witer為第iter次迭代之后的慣性權(quán)重;itermax為最大迭代次數(shù);wmin、wmax分別為慣性權(quán)重系數(shù)的最小值和最大值。

(b)引入隨機(jī)擾動(dòng)因子。

當(dāng)檢測到個(gè)體位置停止更新時(shí),說明算法可能已經(jīng)陷入局部最優(yōu)解(本文設(shè)置函數(shù)迭代到第150次時(shí),陷入局部最優(yōu)),此時(shí)為了個(gè)體能夠跳出當(dāng)前局部最優(yōu),引入隨機(jī)擾動(dòng)因子,使算法可以進(jìn)入一個(gè)更好的尋優(yōu)空間,從而找到全局最優(yōu)解。具體計(jì)算公式如下:

(24)

改進(jìn)型CSA算法和傳統(tǒng)CSA算法對(duì)比而言,只有每次迭代的慣性權(quán)重系數(shù)是不一樣的,其他的參數(shù)如最大迭代次數(shù)itermax,種群數(shù)量N,飛行長度f1、認(rèn)知概率AP以及變量個(gè)數(shù)pd(指的是個(gè)體i和個(gè)體j兩個(gè)變量)是初始化的時(shí)候就已經(jīng)定義好的,兩者是一樣的。詳細(xì)參數(shù)見表2所示。

2)算法執(zhí)行步驟。

綜上所述,本文采用的改進(jìn)型CSA算法具體執(zhí)行步驟如下:

①初始化各種可調(diào)參數(shù),并針對(duì)所研究的問題來完成相應(yīng)目標(biāo)函數(shù)的定義;

②初始化個(gè)體的位置及其記憶位置,且假設(shè)個(gè)體的初始位置為其記憶位置;

③根據(jù)目標(biāo)函數(shù)來計(jì)算個(gè)體記憶中的最佳位置;

④判斷算法是否陷入局部最優(yōu),如果是,則轉(zhuǎn)到步驟⑤,如果否,將按照式(22)引入權(quán)重系數(shù)來對(duì)位置更新公式進(jìn)行修正;

⑤陷入局部最優(yōu)時(shí),按照式(24)引入隨機(jī)擾動(dòng),使得算法可以跳出當(dāng)前局部最優(yōu)的狀態(tài);

⑥重新計(jì)算個(gè)體的適應(yīng)度函數(shù),并更新相應(yīng)的記憶位置和最優(yōu)位置信息;

⑦重復(fù)以上步驟③～⑥,直至達(dá)到設(shè)置的最大迭代次數(shù)時(shí)終止循環(huán)操作;

⑧輸出個(gè)體在更新過程中所搜索到的最優(yōu)目標(biāo)值。

4 短時(shí)仿真與實(shí)驗(yàn)分析

4.1 仿真參數(shù)

本文針對(duì)圖1船舶微電網(wǎng)拓?fù)浣Y(jié)構(gòu)圖在MATLAB/Simulink中搭建了相應(yīng)的仿真模型,系統(tǒng)各個(gè)部分的參數(shù)如表1所示。

表1 系統(tǒng)仿真模型參數(shù)Table 1 Parameters of system simulation model

4.2 仿真結(jié)果分析

短時(shí)間尺度的仿真時(shí)間設(shè)置為4.2 s,在該時(shí)間尺度下,將發(fā)電機(jī)推進(jìn)運(yùn)行模式和主動(dòng)減載模式合并為模式一,相關(guān)的仿真結(jié)果如圖10所示。圖10(i)中的Δ|U|為電壓的偏移率,計(jì)算不同曲線的電壓最大偏移量和直流側(cè)電壓基準(zhǔn)值兩者之間的比值,這樣就可得到不同曲線的電壓偏移率。

圖10(a)～圖10(i)是系統(tǒng)處于不同模式下的仿真結(jié)果。在模式一儲(chǔ)能單元處于空閑備用狀態(tài)時(shí),其中考慮到圖10(a)模式一在1.8～2.4 s時(shí)間段內(nèi)僅靠發(fā)電機(jī)的出力無法滿足系統(tǒng)推進(jìn)負(fù)荷和生活負(fù)荷的功率需求。通過仿真結(jié)果圖10(i)可以看出在不進(jìn)行任何操作且無儲(chǔ)能的情況下,電壓偏移率為3.5%,在無儲(chǔ)能但進(jìn)行減載操作之后,電壓的偏移率下降到1.8%,此時(shí)若儲(chǔ)能參與系統(tǒng)調(diào)節(jié),則電壓偏移率進(jìn)一步降低到1.4%,最后在儲(chǔ)能參與調(diào)節(jié)的基礎(chǔ)上并加上基于規(guī)則的能量管理策略,電壓偏移率僅為1.2%。

通過以上對(duì)比,可以明顯地看出在系統(tǒng)處于短時(shí)過負(fù)荷工況下,進(jìn)行負(fù)荷減載操作或由儲(chǔ)能提供超出發(fā)電機(jī)最大出力的那部分功率需求,都能有效地減小直流側(cè)電壓的波動(dòng),從而提高系統(tǒng)的穩(wěn)定性。

由上述仿真結(jié)果可以看出,系統(tǒng)在模式一和模式二不同工況下都能實(shí)現(xiàn)供需功率的平衡和直流側(cè)電壓的穩(wěn)定。

4.3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證所提方法的有效性,本文搭建了如圖11所示的實(shí)驗(yàn)平臺(tái)。由于示波器探頭數(shù)目有限,因此采用一根探頭分別對(duì)不同模式不同工況下的直流側(cè)母線電壓波形進(jìn)行觀察。

由于仿真時(shí)系統(tǒng)剛性負(fù)荷中推進(jìn)電機(jī)的功率參數(shù)較大,實(shí)驗(yàn)時(shí)系統(tǒng)剛性負(fù)荷的參數(shù)和仿真有所區(qū)別,具體參數(shù)如表2所示。

當(dāng)系統(tǒng)處于模式一無儲(chǔ)能狀態(tài)時(shí),系統(tǒng)運(yùn)行穩(wěn)定后的直流側(cè)母線電壓實(shí)驗(yàn)波形如圖12(a)所示,通過示波器可以讀出,其電壓偏移率分別為6.6%和9.4%;對(duì)比于圖12(b)系統(tǒng)處于模式一有儲(chǔ)能狀態(tài)時(shí)直流側(cè)母線電壓的實(shí)驗(yàn)波形圖可以看出,其電壓偏移率分別由6.6%降為6.4%、9.4%降為6.3%;當(dāng)系統(tǒng)處于模式二有儲(chǔ)能且采用基于規(guī)則的能量管理策略時(shí),系統(tǒng)運(yùn)行穩(wěn)定后的直流側(cè)母線電壓實(shí)驗(yàn)波形如圖12(c)所示,通過示波器可以讀出,其電壓偏移率進(jìn)一步下降為4.2%和3.5%。實(shí)驗(yàn)時(shí)不同模式不同工況下直流側(cè)母線電壓的偏移率對(duì)比仿真結(jié)果圖中的電壓偏移率存在一定的誤差,但仍然可以驗(yàn)證本文所采用的能量管理策略能夠有效地改善由于負(fù)荷負(fù)載驟增或突降所帶來的電能質(zhì)量問題,與前面章節(jié)的仿真分析一致。

圖12 不同模式不同工況下的直流側(cè)母線電壓實(shí)驗(yàn)波形Fig.12 Test waveform of DC side bus voltage under different modes and working conditions

5 長時(shí)算例分析

5.1 參數(shù)設(shè)置

本文配備1臺(tái)柴油發(fā)電裝置,其額定功率為750 kW,使用價(jià)格約為6.0元/L的180CST燃料油;磷酸鐵鋰電池某一品牌的單價(jià)在1 400～1 600元/(kW·h),充放電循環(huán)次數(shù)約為2 480次左右,由于仿真中儲(chǔ)能的容量是根據(jù)項(xiàng)目需求,其容量過大,在此只取8個(gè)儲(chǔ)能單元,約560 kW。系統(tǒng)的時(shí)間間隔為1 h,總時(shí)長為24 h進(jìn)行算例仿真。

在長時(shí)間尺度下,本文采用改進(jìn)型CSA算法對(duì)所提的運(yùn)行成本函數(shù)進(jìn)行求解,并與遺傳算法(genetic algorithm,GA)、粒子群算法(partricle swarm optimization,PSO)以及傳統(tǒng)的CSA算法得到的優(yōu)化結(jié)果進(jìn)行對(duì)比,其中改進(jìn)型CSA算法的相關(guān)參數(shù)如表3所示。

表3 改進(jìn)型CSA算法參數(shù)Table 3 Parameters of improved crow search algorithm

5.2 算例結(jié)果分析

采用不同的優(yōu)化算法進(jìn)行優(yōu)化后各部分運(yùn)行成本對(duì)比見表4所示。

由表4的運(yùn)行成本對(duì)比可以看出,采用改進(jìn)型CSA算法無論是收斂速度還是尋優(yōu)能力均優(yōu)于其他的對(duì)比算法,其中船舶微網(wǎng)的總運(yùn)行成本相較于GA算法、PSO算法和CSA算法依次下降了21.3%、17.2%和4.4%,提高了船舶運(yùn)行的經(jīng)濟(jì)性。

由圖13(c)可以看出優(yōu)化之后的總負(fù)荷需求在8:00-16:00之間需求減少,在0:00-7:00之間需求增加?？梢娍紤]可中斷負(fù)荷和可時(shí)移負(fù)荷后能減小負(fù)荷峰谷差,使得負(fù)荷曲線更加平滑,從而起到削峰填谷的作用,此外在16:00-24:00之間發(fā)電機(jī)的出力有所下降,使得系統(tǒng)更加清潔環(huán)保。

圖13 船舶長期仿真結(jié)果圖Fig.13 Long term simulation results of ship

6 結(jié) 論

本文對(duì)船舶微電網(wǎng)綜合電力系統(tǒng)不同時(shí)間尺度優(yōu)化調(diào)度進(jìn)行了研究,提出了一種多時(shí)間尺度下的分層控制綜合能量管理策略,構(gòu)建了基于短期負(fù)荷波動(dòng)下的微網(wǎng)仿真模型和基于長期運(yùn)行下的系統(tǒng)運(yùn)行成本優(yōu)化模型,具體結(jié)論如下:

1)通過對(duì)比系統(tǒng)在不同模式以及不同運(yùn)行工況下的仿真結(jié)果:在同樣配備儲(chǔ)能系統(tǒng)的基礎(chǔ)上采用基于規(guī)則的能量管理策略,使得系統(tǒng)在不同運(yùn)行模式切換時(shí)電壓偏移率最大僅為0.4%,有效地改善了電能質(zhì)量;

2)長期運(yùn)行下提出改進(jìn)型CSA算法對(duì)系統(tǒng)的燃料和儲(chǔ)能電池總運(yùn)行成本進(jìn)行優(yōu)化,通過不同算例的對(duì)比優(yōu)化結(jié)果:該改進(jìn)算法相比于其他算法不僅可以使得負(fù)荷曲線更加平滑,起到削峰填谷的作用,而且具有一定的經(jīng)濟(jì)效益。