基于模糊邏輯的電力推進(jìn)船舶電力負(fù)荷預(yù)測

鄭 高，陳思良

（1.武警海警學(xué)院 機(jī)電管理系，浙江寧波 315801；2.廣東海警支隊(duì) 陽江大隊(duì)，廣東陽江 529600）

0 引言

船舶電力推進(jìn)是指以電力為動(dòng)力，通過電動(dòng)機(jī)驅(qū)動(dòng)螺旋槳，從而推進(jìn)船舶運(yùn)行的一種推進(jìn)形式。電力推進(jìn)裝置具有占用空間少、易于布置、機(jī)動(dòng)性好、噪聲低、振動(dòng)小、經(jīng)濟(jì)性高等優(yōu)點(diǎn)，具有良好的應(yīng)用前景[1]。在船舶電力推進(jìn)系統(tǒng)中，控制技術(shù)是重點(diǎn)和難點(diǎn)，電力負(fù)荷預(yù)測是其基礎(chǔ)工作之一。電力負(fù)荷預(yù)測是否準(zhǔn)確，極大地影響著電力推進(jìn)船舶的穩(wěn)定性和經(jīng)濟(jì)性，而電力負(fù)荷的波動(dòng)具有強(qiáng)隨機(jī)性和非線性，對(duì)其進(jìn)行準(zhǔn)確預(yù)測的難度很大。

與傳統(tǒng)技術(shù)不同，模糊邏輯在控制或處理對(duì)象時(shí)，無需精確的數(shù)學(xué)模型，而是依賴于現(xiàn)場工作人員長期累積的經(jīng)驗(yàn)，或是領(lǐng)域?qū)＜一诳煽恐R(shí)所提出的模糊規(guī)則，適用于復(fù)雜非線性對(duì)象[2]?；谀：辖⒌哪：到y(tǒng)，具有模仿人類思維進(jìn)行模糊推理的功能，是理想的萬能逼近器，可以無限逼近任一非線性函數(shù)[3]。模糊邏輯是處理電力推進(jìn)船舶電力負(fù)荷數(shù)據(jù)隨機(jī)性和非線性的有效方法。本文設(shè)計(jì)了一個(gè)非單值Mamdani模糊模型，用于某型電力推進(jìn)船舶實(shí)際電力負(fù)荷時(shí)間序列的預(yù)測，并通過MATLAB仿真來檢驗(yàn)其預(yù)測性能。

1 船舶電力推進(jìn)系統(tǒng)

船舶電力推進(jìn)系統(tǒng)主要由原動(dòng)機(jī)、發(fā)電機(jī)、配電裝置、變壓器、變頻裝置、控制系統(tǒng)、電動(dòng)機(jī)、螺旋槳等部分組成[4]。原動(dòng)機(jī)消耗燃料而產(chǎn)生原動(dòng)力，為發(fā)電機(jī)提供機(jī)械能。目前，在船舶電力推進(jìn)系統(tǒng)中，原動(dòng)機(jī)一般選用中、高速柴油機(jī)；當(dāng)需要更大的電力或輸出功率時(shí)，則采用燃?xì)廨啓C(jī)。發(fā)電機(jī)將原動(dòng)機(jī)提供的機(jī)械能轉(zhuǎn)換為電能，與原動(dòng)機(jī)、配電板共同組成船舶發(fā)電機(jī)組，向全船用電設(shè)備供電。配電裝置集中控制、分配發(fā)電機(jī)所發(fā)出的電能，供給每臺(tái)用電設(shè)備。變壓器一般由初級(jí)線圈、次級(jí)線圈以及鐵芯組成；當(dāng)初級(jí)線圈接入交流電時(shí)，根據(jù)電磁感應(yīng)原理，在次級(jí)線圈中會(huì)感應(yīng)出同頻但不同電壓的交流電。

在船舶電力推進(jìn)系統(tǒng)當(dāng)中，交流推進(jìn)電動(dòng)機(jī)轉(zhuǎn)速的變化需要通過改變頻率來實(shí)現(xiàn)，因此變頻裝置在船舶電力推進(jìn)系統(tǒng)中起著至關(guān)重要的作用。控制系統(tǒng)則負(fù)責(zé)監(jiān)測各機(jī)電設(shè)備的運(yùn)行狀態(tài)，采集其運(yùn)行數(shù)據(jù)，分析故障趨勢，并根據(jù)傳感器所測的參數(shù)，完成執(zhí)行機(jī)構(gòu)的正確操作。推進(jìn)電動(dòng)機(jī)與螺旋槳直接連接，帶動(dòng)螺旋槳轉(zhuǎn)動(dòng)，為船舶提供運(yùn)行動(dòng)力。螺旋槳俗稱“車葉”，將電動(dòng)機(jī)產(chǎn)生的機(jī)械能轉(zhuǎn)變?yōu)橥七M(jìn)力，推進(jìn)船舶前進(jìn)或后退。

2 船舶電力負(fù)荷預(yù)測方法

準(zhǔn)確的電力負(fù)荷預(yù)測是保證船舶電力推進(jìn)系統(tǒng)有效、可靠運(yùn)行的基礎(chǔ)。短期船舶電力負(fù)荷預(yù)測是指相對(duì)短時(shí)間段內(nèi)（一般是1 h或1 h以內(nèi)）的電力負(fù)荷預(yù)測，得出的預(yù)測值更加接近船舶電力系統(tǒng)運(yùn)行的實(shí)時(shí)數(shù)據(jù)[5]。目前用于電力推進(jìn)船舶電力負(fù)荷預(yù)測的方法有2類，一類是傳統(tǒng)預(yù)測方法，時(shí)間序列預(yù)測法是其中常用的一種[5]；另一類是人工智能預(yù)測方法，模糊邏輯是其中具有代表性的一種方法。

2.1 時(shí)間序列預(yù)測法

時(shí)間序列預(yù)測法將電力負(fù)荷數(shù)據(jù)按照時(shí)間先后順序排列成數(shù)列進(jìn)行研究和分析，根據(jù)其發(fā)展過程、方向和趨勢，進(jìn)行延伸或類推，用當(dāng)前若干個(gè)數(shù)據(jù)預(yù)測下一段時(shí)間可能達(dá)到的水平[6]。

2.2 模糊邏輯預(yù)測法

上個(gè)世紀(jì)60年代，畢業(yè)于美國哥倫比亞大學(xué)的自動(dòng)控制專家Zadeh教授創(chuàng)立了模糊集合理論，開啟了模糊邏輯理論研究的先河[2]。經(jīng)過幾十年的發(fā)展，模糊邏輯理論日趨成熟，其應(yīng)用也日益廣泛。在電力推進(jìn)船舶中，許多影響電力負(fù)荷波動(dòng)的因素?zé)o法用確切的數(shù)學(xué)模型進(jìn)行表達(dá)?；谕评磉壿嬇c語言規(guī)則的模糊系統(tǒng)，可以表達(dá)一個(gè)復(fù)雜的非線性函數(shù)，適用于電負(fù)荷預(yù)測[7]。

設(shè)計(jì)電力推進(jìn)船舶電力負(fù)荷模糊預(yù)測模型通常有以下2種途徑[8]：

1）利用人們長時(shí)間學(xué)習(xí)、實(shí)驗(yàn)所積累的大量經(jīng)驗(yàn)，或通過大量輸入/輸出數(shù)據(jù)建立模糊規(guī)則庫，選擇合適的模糊器、解模糊器和模糊推理機(jī)，構(gòu)造出一個(gè)完整的模糊系統(tǒng)。但由于人們所得出的經(jīng)驗(yàn)具有一定的局限性，可能會(huì)導(dǎo)致所建立的模糊規(guī)則不夠完備，隸屬度函數(shù)不夠準(zhǔn)確，不能很好地應(yīng)對(duì)被預(yù)測對(duì)象的不確定性與非線性性，從而影響了預(yù)測精度。

2）確定模糊系統(tǒng)的結(jié)構(gòu)，允許模糊系統(tǒng)中的參數(shù)變化，再根據(jù)所獲取的輸入/輸出數(shù)據(jù)，通過自學(xué)習(xí)方法來確定這些參數(shù)，這也是本文所采用的方法。

3 非單值Mamdani模糊預(yù)測模型

3.1 模型設(shè)計(jì)

一個(gè)完備的模糊系統(tǒng)由規(guī)則庫、模糊器、推理機(jī)以及解模糊器4部分組成[8]。本文設(shè)計(jì)的電力推進(jìn)船舶電力負(fù)荷模糊預(yù)測模型為Mamdani型，模糊規(guī)則形式如式(1)。模型有3個(gè)輸入、1個(gè)輸出，每個(gè)輸入論域含有3個(gè)模糊集合，則模糊規(guī)則庫共含有27（3×3×3）條模糊規(guī)則。

式中：l為模糊規(guī)則序數(shù)，l=1,2,...,27；i為輸入序數(shù)，i=1,2,3；為模糊規(guī)則前件模糊集合；Bl為模糊規(guī)則后件模糊集合。

采用高斯模糊器，輸入精確量被模糊化，如式(2)，如圖1所示。

利用反向傳播算法來訓(xùn)練待定參數(shù)。

3.2 預(yù)測結(jié)果

以某型電力推進(jìn)船舶的實(shí)際電力負(fù)荷數(shù)據(jù)為研究對(duì)象。取其以1 h為間隔的用電量，共12天含288個(gè)數(shù)據(jù)。前10天的數(shù)據(jù)共有240個(gè)，用于訓(xùn)練參數(shù)；后2天的數(shù)據(jù)共有48個(gè)，用于檢驗(yàn)?zāi)Ｐ偷念A(yù)測性能。

模型的預(yù)測精度用式(6)所示的平均相對(duì)誤差絕對(duì)值來衡量。

圖1 輸入模糊集合

模糊規(guī)則前件集合的隸屬度函數(shù)如式(3)，如圖2所示。

式中：yot為電力負(fù)荷模糊預(yù)測模型的預(yù)測值；st為電力負(fù)荷的實(shí)際值。

預(yù)測結(jié)果如圖3所示。

圖2 模糊規(guī)則前件模糊集合

圖3 預(yù)測結(jié)果

模糊規(guī)則后件集合的隸屬度函數(shù)為高斯函數(shù)，由于采用中心平均解模糊器，故可將其用中心yl來代替。

采用乘積模糊推理機(jī)，系統(tǒng)輸出如式(4)。

式中：M表示模糊規(guī)則的個(gè)數(shù)，M＝27；為模糊規(guī)則后件集合的隸屬度函數(shù)的中心；ωl為模糊規(guī)則的激活度，如式(5)。

式中：μXi(xi)為輸入模糊集合的隸屬度函數(shù)；

從預(yù)測結(jié)果可以看出，在區(qū)間[2,8]內(nèi)電力負(fù)荷的波動(dòng)較大、非線性較強(qiáng)，因而預(yù)測誤差稍大；在其它區(qū)間內(nèi)，預(yù)測曲線能夠較好的跟蹤實(shí)際曲線的趨勢與走向。預(yù)測誤差為5.8%，說明模型具有良好的預(yù)測性能。

4 結(jié)論

隨著智能化、信息化、自動(dòng)化時(shí)代的到來，電力負(fù)荷預(yù)測技術(shù)也逐步完善。與其它人工智能方法相結(jié)合，能夠大大提高模糊系統(tǒng)的逼近精度。本文簡單回顧了船舶電力推進(jìn)系統(tǒng)與船舶電力負(fù)荷預(yù)測方法的基本理論，并以某型電力推進(jìn)船舶（1 h）的實(shí)際電力負(fù)荷時(shí)間序列為研究對(duì)象，建立了一個(gè)非單值Mamdani模糊預(yù)測模型，以提高預(yù)測精度。

MATLAB仿真結(jié)果表明，該模型的預(yù)測誤差較低，具有良好的預(yù)測性能。將本文所述的綜合算法應(yīng)用于電力推進(jìn)船舶電力負(fù)荷的預(yù)測，定能取得更好的預(yù)測效果。