易青豫, 潘常春, 杜文曾
(1.上海交通大學 電信學院,上海 200240;2.東海工程設計院,上海 201202)
本文提出了一種基于多智能體(Multi-Agent)系統的實時能量管理策略,將梯形艦船電力系統每個電力變換模塊被建模為一個智能體,在滿足艦船運行參數要求的情況下,通過控制負載的開關狀態,實時匹配電力系統的供需關系。
基于IEEE Std. 1709[1]所提出的梯形中壓直流艦船電力系統網絡結構示意圖,如圖1所示。
模型重點研究各分區配電中心的能量管理問題。該電力系統的由兩個25 MW的主燃氣輪機和兩個5 MW的副燃氣輪機構成。整個船網的主母線電壓為1 kV DC,各分區配電中心的電能都由整個環形主母線提供。[2]
梯形艦船電力配電系統由四個分區組成,具有相似的拓撲結構。分區配電中心從環形母線上得到1 kV直流電,經各自的功率變換器將1 kV的電壓分別轉換為負載所需的電壓。[3]
每個DC/DC變換元件等效為一個智能體(Agent1-Agent12),每3個集成在一個PCM中,分成四個集合,如圖2所示。

圖1 梯形中壓直流艦船電力系統網絡結構示意圖
在考慮DC/DC變換元件中的非線性項(即晶體管)的非線性特性的基礎上,將晶體管的動態特性表示成如式(1)。[4-5]
(1)
其中D是常數,數值上等于晶體管的占空比。
為了研究多智能體之間的動態特性,將式(1)轉換為如下形式:

圖2 多智能體模型轉換原理圖
令x(t)=IL(t),y(t)=(DVin-Vout(t))/L,則有式(2)、(3)。
(2)

(3)

在艦船電力系統中,實時能量管理的目標是在滿足系統運行參數限制的情況下實現負載供能的最大化。[6]由于每個分區的輸入電壓Vin均為1 kV DC,因此艦船電力系統能量管理的目標函數可表示為式(4)。
maxI1(t)+I2(t)+I3(t)+I4(t)
s.t.I1(t)+I2(t)+I3(t)+I4(t)≤Itotal(t)
I1(t)+I2(t)≤2 kA
I3(t)+I4(t)≤2 kA
(4)

為了解上述優化控制問題,我們參考多智能體中的flocking算法,對每個智能體采用如下控制率,如式(5)。
(5)

為了達成負載功率最大化這個目標函數,uij(t)的選取至關重要。因此,通過對本智能體的勢能函數、Laplacian矩陣及導航反饋的重新定義與選取,[8]多智能體系統的動態模型可以表示為式(6)。
(6)
其控制策略可以表示為式(7)、(8)。uij(t)=-▽Ep(xij(t))-Lyij(t)-(k1(xij-xrij)+k2(yij-yrij))
(7)
(8)

為了驗證提出的算法,我們基于MATLAB/Simulink開發出了一個艦船電力系統的負載管理仿真模型[9],如圖3所示。
為了驗證我們的控制算法的有效性,我們選取了3種典型的工況來進行測試。(其中,虛線表示服務負載的可用功率曲線,細實線是國外學者Feng研究得出的負載功率需求曲線,粗實線線是本課題組研究得出的功率需求曲線。)[6][10][11]

圖3 梯形中壓直流艦船電力系統Simulink仿真圖
情況1. 正常工況下巡航模式:艦船在巡航過程中推進負載的動力需求由48.4 MW下降到46 MW,持續2秒。在持續了15 s之后,推進負載的動力需求恢復到48.4 MW。整個切換過程中,服務負載的功率需求曲線如圖4(a)所示。圖4(a)可以看出,粗實線對于功率的利用率更高,減少了能源的浪費。具體每一個分區配電中心的功率需求曲線如圖4(b)所示。

圖4 (a)情況1下負載功率需求曲線


情況2.戰備模式的切換:艦船在戰斗模式下,高能艦載武器的功率需求瞬時增加,其功率需求從1.6 MW增大至4 MW。從仿真結果看出,應用細實線的策略對功率進行分配,會導致船網電力出現大幅的波動,對艦船電力系統的運行造成了不良影響。而粗實線線所表示的策略則可以在極短時間內對全船負載的功率需求進行再分配,滿足戰時需求,如圖5(a)、(b)所示。
情況3. 戰損模式下電能的急劇變換和配電管理:艦船在戰斗過程中能源系統遭受打擊,電力供應瞬時下落。為了避免由功率不匹配所引起的全船失電,需要卸載一部分負載,并在電力恢復供應后進行網絡重構。整個過程的負載功率需求曲線可如圖6(a)、(b)所示。應用我們的研究策略,各分區內的供配電關系可以達到實時匹配。

(a)



(a)


本文采用了一種基于Multi-agent的實時控制算法,對帶狀中壓直流艦船電力系統進行實時能量管理。針對艦船運行的3種典型工況,該算法都能實時匹配分區配電中各負載的供需關系,且具備較高的實時性。
[1] IEEE Recommended Practice for 1 to 35 kV Medium Voltage DC Power Systems on Ships[J].IEEE STD1709-2010:14-20.
[2] Feng X, Butler-Purry K L, Zourntos T. Multi-agent system-based real-time load management for all-electric ship power systems in DC zone level[J]. IEEE Transactions on Power Systems, 2012, 27(4): 1719-1728.
[3] Huang K, Cartes D A, Srivastava S K. A multiagent-based algorithm for ring-structured shipboard power system reconfiguration[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 2007, 37(5): 1016-1021.
[4] Sulligoi G, Bosich D, Giadrossi G, et al. Multiconverter medium voltage dc power systems on ships: constant-power loads instability solution using linearization via state feedback control[J]. IEEE Transactions on Smart Grid, 2014, 5(5): 2543-2552.
[5] Davoudi A, Jatskevich J, Rybel T D. Numerical state-space average-value modeling of PWM DC-DC converters operating in DCM and CCM[J]. IEEE TRANSACTIONS ON POWER ELECTRONICS PE, 2006, 21(4): 1003.
[6] Feng X, Butler-Purry K L, Zourntos T, et al. Multi-agent system-based real-time load management for NG IPS ships in high/medium voltage level[C]//Power Systems Conference and Exposition (PSCE), 2011 IEEE/PES. IEEE, 2011: 1-8.
[7] Middlebrook R D, Cuk S. A general unified approach to modelling switching-converter power stages[C]//Power Electronics Specialists Conference, 1976 IEEE. IEEE, 1976: 18-34.
[8] Olfati-Saber R. Flocking for multi-agent dynamic systems: Algorithms and theory[J]. IEEE Transactions on Automatic Control, 2006, 51(3): 401-420.
[9] Liu L, Logan K P, Cartes D A, et al. Fault detection, diagnostics, and prognostics: software agent solutions[J]. IEEE Transactions on Vehicular Technology, 2007, 56(4): 1613-1622.
[10] Butler K L, Sarma N D R, Prasad V R. Network reconfiguration for service restoration in shipboard power distribution systems[J]. IEEE Transactions on Power Systems, 2001, 16(4): 653-661.
[11] Butler-Purry K L, Sarma N D R, Hicks I V. Service restoration in naval shipboard power systems[J]. IEE Proceedings-Generation, Transmission and Distribution, 2004, 151(1): 95-102.