混合動力船舶能量管理研究綜述

侯慧，甘銘，吳細秀*，謝坤，范則陽2,

1 武漢理工大學 自動化學院，湖北 武漢 430070

2 上海交通大學 海洋智能裝備與系統教育部重點實驗室，上海 200240

3 中國艦船研究設計中心，湖北 武漢 430064

0 引 言

混合動力船舶是指由不同類型的發動機驅動或者具有一種以上電力來源的電動機驅動的船舶，它通過不同能源之間的協調互補來提高船舶整體能效，實現節能減排。相較于混合動力汽車，混合動力船舶的相關研究起步較晚，涉及的內容也較少。隨著全球石油資源日趨緊張和各國對船舶節能減排的愈加重視，以及國際海事組織（IMO）海上環境保護委員會（MEPC）第62 次會議之后開始將船舶能效設計指數（energy efficiency design indicator, EEDI）作為船舶驗收的重要指標[1-2]，混合動力船舶的推廣及應用成為了業界研究的熱點。

混合動力船舶包含了以電能為中心的多種能量來源，其多樣性賦予了船舶運行靈活、經濟的優點，而不同能量來源只有通過管理，充分利用各自的特性、協調控制它們之間的流動，才能在保證船舶的功能性、安全性的同時，有效降低能耗、減少排放。混合動力船舶過去通常指的是柴?電混合動力船舶，但隨著船舶新能源技術逐步得到推廣，以太陽能[3]、燃料電池[4]為代表的新能源技術開始在船舶上應用，國內外學者為此開展了一定的研究。然而，結合近年來針對蓄電池?超級電容混合儲能結構[5]、直流組網技術[6]等船舶結構的改進研究來看，混合動力船舶較之以往出現了新的特點，對研究涉及的能量管理的最新成果予以綜述有其必要性。

現有文獻關于混合動力船舶能量管理的研究綜述大多針對的是能量管理策略，而忽視了能量管理優化目標的分類及其對比分析。不僅如此，對于能量管理策略的優缺點、應用場景及其解決方法等問題的論述也不夠深入和全面。因此，本文將從能量管理目標、能量管理策略這2 個方面，闡述混合動力船舶能量管理的最新研究進展及研究現狀，深入分析已有相關研究存在的優缺點及其應用條件，在此基礎上，展望混合動力船舶能量管理的未來研究方向。

1 能量管理目標

混合動力船舶能量管理是一個綜合且復雜的問題，涵蓋了電能、化學能及機械能等多種形式的能量變換與控制。因此，提高混合動力船舶在安全、穩定運行方面的可靠性，并基于此探索更優的經濟性、環保性目標，成為了現有混合動力船舶能量管理的研究重點。運行可靠性目標（例如電能質量、故障恢復等）、經濟性目標（例如能耗、電池荷電狀態（state of charge，SOC）、系統經濟成本等）、環保性目標（例如排放）在被納入到現有能量管理目標之中后，將面臨多目標能量管理的綜合優化問題，故有必要對不同能量管理目標的研究現狀及其進展進行歸納總結。

1.1 以考慮電能質量為主的能量管理目標

隨著船舶電力電子設備的增多，非線性電力負荷對混合動力船舶的電能質量造成了嚴重影響，尤其是高能武器、雷達等脈沖負荷，呈現出了明顯的周期脈沖性瞬態特性，若不能快速充電，這些脈沖負荷啟動時會在幾個周期內對母線電壓帶來劇烈沖擊[7]。可見，其特殊的能量需求和運行特性將給船舶電力系統的安全、穩定運行構成新的挑戰。為了消除脈沖負荷對船舶電力系統穩定運行的沖擊，現有研究多通過結合運用諸如蓄電池、超級電容、飛輪等儲能設備，以能量管理的方式來消除脈沖負荷帶來的有功和無功功率沖擊。

例如，為確保船舶電力系統在脈沖負荷沖擊下可靠工作，Stone 等[8]對含有蓄電池的船舶混合動力系統進行能量管理，實現了船舶各動力源與負荷之間的協調控制，仿真結果表明，所提能量管理策略在脈沖負荷下能夠使動力系統的輸出保持穩定，減少主機輸出功率的高頻波動，縮小動力系統提供的推進功率與參考值的偏離。有別于文獻[8]，Lashway 等[9]將高功率密度的超級電容與高能量密度的蓄電池混合運用，以用于多脈沖負荷儲能，解決了以往只能實現單脈沖儲能的限制，使之滿足負荷的瞬時脈動性能。不僅如此，Kuznetsov[10]將飛輪儲能與蓄電池儲能相結合，以保證600 kW～30 MW 脈沖負荷的可靠運行，并通過艦載機起飛脈沖負荷的仿真算例，驗證了所提能量管理策略的可行性及有效性。

對于混合動力船舶而言，不僅以脈沖負荷為代表的非線性負荷會影響到電能質量，而且以光伏和燃料電池為代表的新能源發電裝置所具有的間歇性及隨機性也會直接影響到船舶整體的電能質量[11]。其原因在于，首先，太陽能通過光伏逆變器等電力電子器件可以實現能量的快速轉換與利用，但受天氣影響，其轉換輸出的電能具有明顯的間歇性、波動性和不確定性；其次，燃料電池雖然具有清潔能源、轉換效率高和電能輸出穩定等優點，但仍存在啟動過程緩慢和輸出特性偏軟等缺點。

為此，張澤輝等[12]采用蓄電池?超級電容混合儲能系統，通過燃料電池承擔需求功率的穩定部分，超級電容承擔需求功率波動的高頻部分，而蓄電池承擔需求功率波動的低頻部分，以此來提高船舶電能質量。

綜上所述，為提高船舶電能質量，應對以脈沖負荷為代表的非線性負荷、新能源裝置接入帶來的隨機性干擾，依靠能量型、功率型2 種類型儲能裝置的互補特性構成的混合儲能系統進行能量管理，這樣，可以針對脈沖負荷進行有效的高功率、短時間尺度跟隨控制，并協調脈沖負荷連續發射、電力推進負荷調整等低功率、長時間尺度的能量需求，實現混合動力船舶電力系統的安全、穩定和可靠運行。

1.2 以考慮故障恢復為主的能量管理目標

隨著精確制導武器的大量應用，艦船遭受攻擊而受損的概率急劇增加。其所帶來的后果是：輕則船體受損，導致推進系統、電力系統、武器系統、電子系統等受到損害；重則使艦船完全喪失戰斗力甚至傾覆、沉沒。一旦船舶電力系統的某個電力設備出現故障，尤其是電磁炮、電磁彈射裝置等大容量脈沖功率武器和設備受到影響，勢必會對全艦電力系統構成極大的挑戰[13]。為保證混合動力船舶電力系統在發生故障時能夠快速恢復，確保重要負載的供電連續性，提高受損情況下艦船的生命力與戰斗力，現有研究通常采用網絡重構方法重新分配能量流動，并采用備用能量管理策略來快速恢復能量供應[14]。

例如，Davey 等[15]指出網絡重構的首要任務是快速完成潮流的重新分配，并且不會損害船舶電力系統的穩定性及對重要負載供電的可靠性。為此，建立了以滿足關鍵負載的功率需求和最小化網絡損耗為目標的能量管理方案，其中，采用權重方式對不同負載供電的重要程度進行衡量。Srivastava 等[16]采用基于專家系統的自動重構方法，分析艦船電力系統受創后的恢復問題，并結合電力系統的實時數據和拓撲信息對受損后的電力系統能量進行合理分配，以保證關鍵負載的工作。值得指出的是，不同于陸地微電網，船舶微電網發生故障時沒有外部電力支撐，若采取集中式電力恢復策略會導致單點故障，而基于多主體法的分布式能量管理策略對系統中的壞點進行隔離并重構系統，能夠有效保證電力系統受損后電力供應的自動快速恢復[17]。

1.3 以考慮能耗為主的能量管理目標

由于化石燃料的廣泛使用，混合動力船舶的柴油發電機能耗一直是主要關注的問題之一，柴油發電機能耗通常包括穩態發電能耗和發電機啟停能耗這2 個部分。穩態發電能耗與發電機的工作時間、發電功率以及燃料消耗率有關，其中燃料消耗率是發電功率和發電機轉速的函數。而啟停能耗一般視為常數，其值取決于發電機的啟停狀態，但只有部分研究考慮到了啟停能耗[18]。無論是串聯、并聯或者是混聯的混合動力結構，都是通過使柴油發電機工作在最優點來降低柴油發電機的能耗，即通過超級電容、蓄電池等儲能裝置改變發電功率，或者借助直流并網技術[6]使發電機轉速可調，來提高柴油發電機效率。此外，風機、光伏等新能源發電裝置的接入，為降低混合動力船舶能耗提供了新的途徑。值得指出的是，風能、太陽能幾乎零運行成本的特點雖然可以有效降低船舶能耗，但現有研究多側重于其所帶來的能耗、排放的降低[3,19-25]，而較少考慮到風機、光伏發電裝置安裝帶來船舶重量、阻力的增加[26-27]，進而導致能耗的提升。在以考慮能耗為主的能量管理目標處理方面，目前，有一部分研究，為了使能耗全局最小，只將柴油發電機能耗作為優化目標，使其最小化以獲得相應的柴油發電機和蓄電池的全局最優輸出功率序列[28-30]，但該能量管理問題在求解時需遍歷整個變量空間，難以實時應用。而另一部分研究，為了使后續求解過程更加快速，通過引入等效油耗，將考慮能耗的能量管理問題表述為柴油發電機的油耗與船舶蓄電池等效油耗之和，在需求功率給定的情況下，使等效油耗最小，以獲得柴油發電機和蓄電池的瞬時最優輸出功率序列[31-33]，但瞬時最優并不等同于全局最優，其優化性能仍然有很大的提升空間。

1.4 以考慮排放為主的能量管理目標

隨著船舶能效設計指數（EEDI）和船舶能效運營指數（energy efficiency operational indicator,EEOI）的推廣與應用，船舶減排問題逐漸受到重視。尤其是針對NOx，SO2，CO2等污染氣體的減排，一般以溫室氣體（greenhouse gas，GHG）的排放指數來衡量[34]，所以可將其納入能量管理目標來考慮排放的影響。IMO 規定EEDI 和EEOI 是用于定義船舶壽命期內GHG 排放的2 個關鍵指數，但EEDI 的缺點是只考慮了船舶設計時的GHG排放，造成其無法準確計算船舶全壽期內的GHG排放量，使得EEOI 在混合動力船舶能量管理中的應用更加廣泛。EEOI 為單位貨物周轉量所產生的GHG 排放量，其與燃料類型、消耗燃料質量、燃料與排放轉換系數、貨物噸數以及航行距離有關[35]。由于涓滴效應，在減少能耗的同時，相應的排放也會減少，二者呈一定的比例關系，其換算關系可見IMO 的相關標準[35]，因此在船舶領域，將排放作為一項優化目標來直接考慮的文獻較少[29-30]，多是通過減少能耗來間接減少排放[36-38]。但是，將能耗和排放同時納入能量管理問題來綜合考慮二者的影響，相較于只考慮能耗進而間接減少排放而言，可獲得較為折衷的結果，甚至可以在犧牲部分節能的基礎上，獲得減排的巨大提升[30]。此外，由于部分國家和地區對途經或者停靠的船舶排放要求較為嚴格，甚至要求零排放。因此，混合動力船舶應以零排放為能量管理目標，這也表明了混合動力船舶在航行時需要根據途經區域排放要求實時調整排放目標，而太陽能、燃料電池等清潔能源的應用，同時為混合動力船舶降低排放、應對實時變化的排放要求提供了新的途徑。

1.5 以考慮SOC 為主的能量管理目標

蓄電池、超級電容等設備作為重要的儲能裝置，在混合動力船舶中起到了調節發電機運行工作點、改善燃料電池輸出特性、為脈沖負荷供能等的作用，其SOC 是用于衡量儲能裝置狀態的重要狀態變量，通常作為能量管理目標，以提高儲能裝置的性能。

例如，蘭熙等[32]通過建立SOC 補償函數來考慮動力電池的SOC，將補償函數納入優化目標中，轉化為成本函數的加權項，使動力電池的SOC始終維持在參考值附近。但是，函數加權項的大小不僅會影響SOC 的變化幅度和頻率，甚至還會影響能量管理的優化效果，為此，有必要對取值作進一步的研究。而為了防止電池因過充和過放導致容量及壽命的急劇衰減，還有必要建立電池SOC 的不等式約束，并在約束基礎上定義可行狀態，以削減變量空間，加快能量管理問題的求解速度。對于初始SOC 與最終SOC 存在差值的情況，劉樂等[39]通過將蓄電池SOC 差值折算成能耗，消除了蓄電池SOC 差值的影響。通過電池SOC 補償函數[32]可有效抑制SOC 的波動，一定程度上可延長蓄電池的使用壽命。與此不同的是，Zhang 等[33]專門采用燃料電池的壽命衰減模型，將燃料電池壽命作為優化目標之一，通過減小其輸出功率波動，極大地延長了其使用壽命。

1.6 以考慮系統經濟成本為主的能量管理目標

通過考慮混合動力船舶系統的經濟成本來確定設備選型及容量配置，有助于降低包括運營成本和投資成本在內的成本。其中，運營成本主要由設備運行成本及其它運行成本（例如燃料、維護、啟停等）組成，其一般是根據產生的功率、運行時間、運行設備數量和容量來估算；而投資成本則由混合動力系統的儲能裝置、發電機組等設備的安裝成本、安裝尺寸、容量和壽命所決定。但是，目前的大多數研究方法都是簡單地采用運營和投資成本的總和來進行評估，雖然可有效地評估混合動力船舶的經濟成本，但是考慮到不同類型儲能設備在存儲期內單位能量成本不盡相同[40]，在長時間尺度范圍內，還需要考慮表示設備使用壽命期間所有一次性和經常性成本總和的生命周期成本[41]。

值得指出的是，系統經濟成本還受船舶混合動力系統結構的影響，其結構主要分為3 種：第1 種是串聯式，即發動機與螺旋槳軸之間未使用機械連接，發電機和電池組可分別向電動機供電；第2 種是并聯式，即保留發動機與螺旋槳軸之間的機械連接，發動機和電動機均可提供動力；第3 種是混聯式，即融合了串聯和并聯的特點，具備發動機推進和電動機推進模式，電網由專門的發電機組為其供電[42]。上述3 種船舶混合動力系統結構中，串聯式和并聯式結構較簡單、成本較低。其中，并聯式混合動力系統既可在新船建造時安裝，也可由船舶傳統動力系統改裝而成，以此來降低投資成本，而混聯式混合動力系統結構復雜、成本較高。

綜上所述，混合動力船舶能量管理是一個涵蓋了運行可靠性（電能質量、故障恢復）以及經濟性（能耗、電池SOC、系統經濟成本）、環保性（排放）目標的多目標問題，選擇什么樣的管理目標與所適用的場景需求有關。因此，未來在混合動力船舶能量管理目標方面應重點研究：

1） 能量管理目標選取。盡管現有能量管理目標已經覆蓋了運行可靠性、經濟性和環保性目標，但仍不夠全面。例如，針對船舶航速或者船用光伏系統開展能量管理時其所帶來能耗、電能質量、排放等目標性能的改變，現有研究很少考慮到多個目標性能改變對用戶滿意度的影響，因此未來還應繼續探索更多適應場景需求的能量管理目標。

2） 能量管理多目標權重處理。首先，混合動力船舶能量管理需要配合船舶任務需求進行多目標實時權重的調整，不同于陸地微電網能量管理在單一時間斷面上的多目標尋優，混合動力船舶的多目標能量管理應能夠不斷變換目標權重，實現各種運行模式的切換，保證在頻繁切換運行模式下系統的運行穩定。其次，多目標能量管理問題通過加權轉換為單一目標能量管理問題來處理時，有一種可靠方案是通過層次分析法、熵權法等賦權方法進一步研究權重的選擇，或者通過多目標算法處理，以得到非劣解集，然后再采用模糊隸屬度函數、逼近理想解等擇優方法選取適當的最終方案。

2 能量管理策略

在有針對性地提出了考慮能耗、排放等單一目標或者多目標的能量管理問題后，關鍵是采用合適的能量管理策略對其進行求解，以滿足快速性和優化性要求。圖1 所示為混合動力船舶能量管理策略的2 個分類，包括基于工程或者實際經驗的規則型和基于不同優化目標的優化型。

圖1 混合動力船舶能量管理策略Fig. 1 Energy management strategy of hybrid ships

2.1 規則型能量管理策略

規則型能量管理策略是根據需求功率、轉矩和電池SOC 及其工作效率Map 圖對柴油發電機的工作狀態進行模式分類，基于制定的相應規則進行切換。此能量管理策略易實現，實時應用性好，是最先用于混合動力船舶能量管理的策略。該管理策略又可分為基于確定規則和基于模糊規則的能量管理策略。

2.1.1 基于確定規則的能量管理策略

基于確定規則的能量管理策略是根據船舶的需求功率、電池SOC 或者其效率Map 圖，以及結合工程經驗或者離線優化策略，來劃分推進電機、柴油發電機的工作狀態，并制定規則予以控制。

在上述研究方面，高迪駒等[36]提出了一種基于確定規則的AC/DC 變換器和雙向DC/DC 變換器的協同控制方法，并成功應用于混合動力船舶的能量管理。應用后，每年可節省約29.2%的油耗、6 萬多元的費用、約29.5% 的排放。與只有柴油發電機作為動力源的船舶相比，加裝動力電池的混合動力船舶應用上述能量管理策略后，可在5 年左右收回加裝動力電池所增加的成本。

此外，袁裕鵬等[37]針對柴油發電機單獨為船舶供電時效率不高的缺點，采用柴油發電機與燃料電池組成的混合動力系統，由柴油發電機負責船舶的基本負載需求，通過設計的邏輯門限控制策略，使柴油機發電機長時間運行在額定工況，達到優化發動機的性能和實現節能減排的目的。不僅如此，其設計的PID 控制器還能夠使電網的輸出功率很好地跟蹤船舶的電力需求變化。然而，上述策略也有不足之處，即燃料電池的動態響應速度慢，且不能很好地跟蹤負荷波動，使得負荷需求波動很大時會損害燃料電池，降低燃料電池的使用壽命。而采用能量存儲系統可有效緩沖功率波動，提高整體系統的動態性能。為此，張澤輝等[12]采用蓄電池?超級電容的混合儲能系統，通過實時小波變換來對需求功率進行分頻處理，讓燃料電池承擔需求功率的穩定部分，超級電容承擔需求功率波動的高頻部分，而蓄電池承擔需求功率波動的低頻部分，運用上述方法可有效延長混合動力船舶的燃料電池使用壽命。

綜上所述，基于確定規則的能量管理策略都是依靠工程經驗來建立確定規則，其特點是主觀性強、優化性能較差。雖然利用全局優化結果并通過強化學習等人工智能方法離線提取規則可有效提高優化性能[43]，但通常計算量巨大，實時性能不佳。鑒于此策略作為最基本的能量管理策略，其邏輯簡單、計算量小，在早期的混合動力船舶能量管理研究及實際應用中得到了廣泛推廣，且適合應用于低電氣化、低智能化的船舶。另外，該策略還在后續能量管理策略研究中被廣泛作為對比能量管理策略[32,44-45]，提供了優化評價標準。然而，此能量管理策略雖然簡單有效，計算量小，但確定規則難以適應實際的混合動力船舶系統所具有的多變量、非線性和時變的特點。因此，相比于確定規則，模糊規則顯得更具有優勢。

2.1.2 基于模糊規則的能量管理策略

基于模糊規則的能量管理策略是根據工程經驗來制定模糊規則，通過建立狀態變量的隸屬度函數和制定模糊控制規則來分配能量。評價混合動力船舶能量管理策略的優劣，其所涉及的是一個包括能耗、排放、電池使用壽命等多個指標的綜合系統，不僅復雜，且難以定量描述。

為此，Be?ik?i 等[46]提出基于模糊規則的層次分析法，根據20 名船舶領域專家的問卷調查結果，提出了包括航行性能、動力維持性能、燃料管理能力、船舶系統管理在內的6 大指標和9 個小指標的模糊評價矩陣，并分析這些指標之間的關系。結果表明，航行性能、動力維持性能和船舶系統管理這3 大指標的重要性最高，而9 個小指標中最重要的是速度優化指標。此結果可以為后續混合動力船舶能量管理的優化方向提供指導。

Zhu 等[47]基于模糊規則，將燃料電池?超級電容?蓄電池混合動力船舶作為研究對象，以蓄電池及超級電容的SOC 和推進電機所需功率為輸入量，以及蓄電池所需功率和超級電容所需功率為輸出量，根據船舶在加速航行、勻速巡航、低速航行等不同工況下所需功率，參考蓄電池及超級電容的SOC 制定混合動力船舶能量管理策略，并以德國Alster-Touristik 公司研發的Alsterwasser 號燃料電池驅動游船的工況為仿真算例。仿真結果顯示，該能量管理策略能夠有效提高船舶的運行效率和混合動力系統的性能，且使儲能系統的SOC 維持在合理水平上。而肖能齊等[48]以某船舶四機雙槳混合動力推進系統為研究對象，提取船舶的4 種單機模式、6 種PTI（power-take-in）模式和2 種并車模式的運行工況特點，以此為基礎，提出基于航行工況模糊模式識別模型的能量管理策略。通過算例驗證了該能量管理策略能夠有效識別航行工況，通過切換離合器狀態指令，該策略可有效降低船舶能耗和排放。

綜上所述，基于模糊規則的能量管理策略只是在確定規則的基礎上進行改進，作為基本能量管理策略，其同樣適用于低電氣化、低智能化船舶，且還可作為其它能量管理策略的評價標準[31]。雖然基于模糊規則的能量管理策略無需建立精確的數學模型，魯棒性強，實時性好，廣泛應用于復雜非線性控制系統，但其規則的制定依舊依賴于工程經驗，主觀性強，控制性能較差，因而有著極大的局限性。

2.2 優化型能量管理策略

針對規則型能量管理策略在規則制定上的劣勢，為了獲得更佳優化效果，目前相關研究更多地關注優化型能量管理策略。該策略通過定義代價函數及其約束條件，使代價函數最小，以此獲得相應的能量管理策略，并被分為兩種策略——全局優化策略和實時優化策略。相比于規則型能量管理策略，優化型能量管理策略除了優化效果更佳外，還可通過定義成本函數來綜合考慮多目標優化。目前，相關研究考慮了包括能耗、排放、SOC、容量配置、電池使用壽命等多個目標。

2.2.1 全局優化的能量管理策略

針對規則型能量管理策略優化性能較差的缺點，全局優化能量管理策略在已知歷史工況（即需求功率序列已知）的情況下，將系統連續控制變量離散化為有限個狀態值，進而將能量管理問題轉換為類似于圖論中的旅行商問題（travelling salesman problem, TSP），并于線下通過優化算法求得全局最優控制策略。目前的優化算法主要有動態規劃（dynamic programming，DP）、智能優化算法等。

DP 算法作為一種多階段決策問題的經典優化方法，根據最優決策的任何截斷仍是最優的最優性原理，將多階段決策過程轉化為多個單一階段決策問題，并逐一求解得到最優控制策略[32]。

例如，蘭熙等[32]將DP 算法與系統切換理論結合建立了船舶的5 種基本工作模式，根據貝爾曼最優性原理求解得到了使船舶油耗最小的柴油發電機和動力電池的最優控制序列。不同于枚舉法列舉出所有可能的決策空間，DP 算法能夠系統地評估多步問題中可能的決策數量，并最大限度地降低計算成本，但DP 算法需要已知歷史工況與計算復雜度高的特點決定了其無法得到實時應用。為了使歷史工況得到充分利用的同時降低計算復雜度，Tjandra 等[49]將優化問題分為3 個階段，并使用DP 算法處理前2 個階段。相比于常規DP 算法，隨機動態規劃（stochastic dynamic programming，SDP）算法基于馬爾可夫鏈模型從歷史工況中提取狀態轉移矩陣，建立基于期望最優的能量管理問題并使用DP 算法進行求解，從而極大地降低了計算復雜度。上述方法目前在混合動力汽車和陸地微電網領域中的應用較多[50-51]。值得指出的是，盡管DP 算法可以處理復雜的能量管理問題，但計算極為耗時，無法處理其中可能存在的耦合約束情況。

智能優化算法與DP 算法相同，都是通過遍歷整個空間來獲得全局最優解。后者所需的計算量大、存儲量大等特點限制了其的應用，而前者由于擅長處理復雜非線性問題，逐漸引起了學者們更多的關注。目前，應用于混合動力船舶領域的智能優化算法主要有遺傳算法（genetic algorithm，GA）、粒子群優化（particle swarm optimization，PSO）算法等。

其中，GA 算法是一種基于自然選擇和自然遺傳學機制的搜索算法，與其它基于梯度的智能優化算法相比，GA 算法在解決復雜的非線性優化問題和多維空間尋優方面具有優勢[52]，因此在混合動力船舶能量管理領域得到了廣泛應用。為了解決混合動力船舶多目標能量管理問題，Zhang 等[30]以深水三用工作船（anchor handling towing supply vessel, AHTS）為研究對象，提出了一種基于非支配排序遺傳算法（non dominated sorting genetic algorithm，NSGA-Ⅱ）的混合動力船舶能量管理策略。該策略首先將優化問題解耦成優化子問題，并求得相應的有效運行方案；然后，縮小搜索域，采用NSGA-Ⅱ算法求得以能耗、排放為目標的帕累托邊界；最后，通過刪除重復解，采用模糊決策方法及根據船舶的4 種運行狀態得到最終最優解。NSGA-Ⅱ算法還在包含諸如儲能裝置容量、機械損失等其它目標的混合動力船舶多目標能量管理問題中得到了應用[49,53-54]。

為了提高NSGA-Ⅱ算法在保持種群多樣性方面的局部優化性能，鄭夏等[55]采用了一種改進的NSGA-Ⅱ算法，其針對常規NSGA-Ⅱ算法的個體分布不均、計算效率低等問題，利用具有自適應參數的差分進化思想，對群體、初始群體的多樣性分布進行了改進，并通過融入非線性優化策略，提高了局部搜索能力。但是，GA 算法存在局部搜索能力差、未成熟收斂和隨機游走等現象，導致該算法收斂性能差，需要很長時間才能找到最優解。因此，目前研究的重點是如何改善GA算法的搜索能力及提高算法收斂速度，使其更好地應用于解決實際問題。

PSO 算法是基于群體的演化算法，其思想源于人工生命和演化計算理論，PSO 算法具有極強的隨機性和較低的計算復雜度[56]，而GA 算法收斂速度較為緩慢，在大多數案例中，PSO 算法與GA 算法相比可以實現更快的收斂。因此，PSO算法被廣泛應用于解決混合動力船舶的能量管理問題，而常規PSO 算法的參數不符合實際的混合動力船舶能量管理動態系統。鑒此，Tang 等[57]提出了一種自適應多元協同進化動態粒子群優化（adaptive multi-context cooperatively co-evolving particle swarm optimization，AM-CCPSO）算法，用于求解含光?柴?儲?岸電的混合動力船舶最優功率分配問題。該算法以船舶電力費用最低為目標，通過將約束轉換后納入懲罰函數，使帶約束的最優功率分配問題轉換為不帶約束的最優功率分配問題，使得該功率分配問題得到了有效求解。仿真結果顯示，無論船舶是處于航行狀態還是處于停泊狀態，該算法均能有效降低電力費用且控制魯棒性強。此外，雖然PSO 算法的收斂速度快，但也存在精度較低、易發散等缺點。如果加速系數、最大速度等參數太大，粒子群可能錯過最優解，導致算法不收斂；而在收斂情況下，由于所有粒子都向最優解方向飛去，使得后期收斂速度明顯變慢，當算法收斂到一定精度時，則無法繼續優化[56]。為此，Kanellos 等[58]提出用模糊控制器來動態自適應地改變PSO 算法的相應參數，以提高計算效率，解決以能耗與排放為優化目標的能量管理問題。該方法不僅能夠滿足船舶技術和運行約束，而且還可以顯著降低所需的計算量和計算空間。

常規PSO 算法一般采用固定學習系數或者采用從大到小的線性迭代系數，不能較好地平衡全局最優和局部最優，且迭代速度較慢；為了解決上述問題，印波等[59]采用非線性學習系數（即初始權值較大），隨著迭代次數的增加，其值將迅速減小，從而可提高算法的收斂性能和計算速度。

綜上所述，全局優化的能量管理策略雖然可以獲得全局最優的控制策略，能夠為混合動力船舶的設計、規模確定、航行調度，以及在已知歷史工況下進行能量管理提供指導和評價標準，但是計算量大、需要已知歷史工況等特點決定了其很難得到實時應用。

2.2.2 實時優化的能量管理策略

實時優化的能量管理策略無需知道歷史工況，其根據柴油發電機等船舶部件的最佳工作曲線，在考慮最新工況信息的情況下對過程操作條件進行連續評估和操作，通過優化算法實時求得各部件當前時刻的最優工作點，實現最小化期望成本。該策略的計算量小且易于實現，實時性好。目前，優化算法主要有等效油耗最小化（equivalent consumption minimization strategy，ECMS）、模型預測控制（model predictive control，MPC）和龐特里亞金最小值原理（Pontryagin's minimum principle，PMP）等策略。

ECMS 是目前應用較廣泛的混合動力船舶實時優化能量管理策略，其能夠實現接近DP 算法的全局最優解[60]，最早應用于混合動力汽車領域，后期逐步應用到了混合動力船舶領域。ECMS 基于蓄電池等儲能裝置的SOC 及柴油發電機工作狀態計算等效系數，將儲能裝置電功率換算為等效油耗，并使儲能裝置的等效油耗與柴油發電機實際油耗之和最小，從而獲得相應的控制策略。在燃料電池混合動力船舶中，等效油耗也被類比為等效氫耗。

雖然ECMS 已經能夠取得較好的優化性能，但仍然不是全局最優解，在常規ECMS 的基礎上，研究人員從等效系數自適應及結合其它算法實現復合控制這2 個方面進行了探索。在早期研究中，儲能裝置充放電等效系數一般取為常數[61-62]，雖可簡化計算、減少計算復雜度且有利于實時應用，但因不符合實際情況導致優化性能不佳。為此，Zhu 等[63]提出了改進的自適應等效油耗最小化（modified adaptive equivalent consumption minimization strategy，MAECMS）策略，其在ECMS 的基礎上根據當前或者預測信息在線識別參數來確定等效系數，通過延長優化時間步長和建立約束消除不可行狀態來減少計算量。

為了使不同實時能量管理策略在應對某個具體評價標準時表現各有優劣的情況下，得到使綜合效益最大的能量管理策略，Bassam 等[62]提出一種綜合能量管理策略，其考慮了4 種策略，即包括基于船舶運動狀態的能量管理策略、基于ECMS的能量管理策略、基于比例積分的能量管理策略、基于電量消耗與電量維持的能量管理策略。該綜合能量管理策略根據船舶實時運行狀態、評價標準來選擇最優的能量管理策略，并以Alsterwasser 號燃料電池驅動的游船工況為對象進行了仿真分析。仿真結果表明，該綜合策略相比于基礎能量管理策略，最多能分別降低8% 的能耗、16.70%的氫消耗。此外，在初始運行成本幾乎相同的情況下，所提策略隨著氫燃料價格的上升，將會比基礎能量管理策略獲得更低的運行成本，且切換策略不會使燃料電池和蓄電池系統承受更多的運行壓力。

然而，無論是常規/自適應ECMS，還是結合其它算法實現復合控制的ECMS，負荷預測精度提高將有利于優化性能提高，而負荷預測精度提高又與實時應用性沖突，如何平衡優化性能和實時應用性是未來ECMS 的研究重點。

ECMS 雖然實時應用性好，但優化性能有限和控制魯棒性弱的特點限制了其的應用，而MPC彌補了該缺點，即通過模型預測、滾動優化和反饋校正進行優化，而優化性能取決于模型質量、采樣步長和預測范圍長度。在此方面，現有的研究主要從參數自適應、求解子問題算法以及預測算法這3 個方面開展了研究。

為了消除MPC 中參數不確定性的影響，Hou 等[64]針對船舶混合儲能系統提出了自適應模型預測控制（adaptive model predictive control，AMPC）策略。AMPC 策略是在MPC 的基礎上在線識別參數，與不采用在線識別參數的MPC 相比，其可以使混合儲能系統降低15% 的功率損失，有效降低船舶能耗，且具有更佳的動態響應。然而，為了解決MPC 中各個步驟的子問題，需要采取適當的方法來實現優化結果的快速收斂和最優性，目前采用的求解方法主要有DP[31]、PSO[65]及二次規劃（quadratic programming，QP）[66-68]等。值得指出的是，由于MPC 求解的大多數優化問題都是以二次形式建立的，因此QP 是最常用的方法。而Park 等[68]提出的基于積分擾動分析結合基于梯度的序貫二次規劃（sequential quadratic programming，SQP）方法為每個MPC 方法的采樣時刻提供了最優解。

除了傳統的MPC，與更先進的預測算法結合的MPC 可以實現更加精確的負荷預測。例如，Zohrabi 等[69]為有效處理不確定的脈沖負荷，將滑動平均模型（moving average, MA）應用于不確定的脈沖負荷預測，極大改善了高功率脈沖負荷下的系統整體性能。相較于ECMS，MPC 通過模型預測、滾動優化和反饋校正等步驟很好地平衡了策略優化性能與實時應用性之間的關系，使之適用于高動態船舶混合動力系統，但如何在保持MPC 實時應用性的同時提高優化性能，這仍然是未來MPC 的研究重點。PMP 策略雖然在理論上可以將全局優化問題轉換成實時局部優化問題來得到實時應用，但由于哈密頓函數中的控制變量需要遍歷變量空間，實際上很難實現上述應用。目前，PMP 的相關研究大多數集中于混合動力汽車，在船舶領域缺乏相關研究[42]。

綜上所述，現有的混合動力船舶能量管理策略的優缺點如表1 所示。規則型能量管理策略中，無論是基于確定規則策略，還是在處理多變量、非線性和時變的實際混合動力船舶系統方面更優的模糊規則策略，都存在優化性能較差的缺點，但是，鑒于其控制邏輯簡單、計算量小及實時應用性好等優點，使其在早期混合動力船舶能量管理研究和實際應用中得到廣泛推廣（適用于低電氣化、低智能化混合動力船舶），并在后續研究中普遍作為對比能量管理策略。為了解決規則型能量管理策略優化性能較差的缺點，后續相關研究更加側重于優化型能量管理策略。其中，全局優化能量管理策略憑借其控制策略全局最優性，在混合動力船舶設計、規模確定、指導和評價其它能量管理策略的優化性能等方面得到廣泛應用，但計算量大、需要已知歷史工況等特點決定了其很難得到實時應用。而實時優化能量管理策略可以實現實時優化，在實際應用中得到廣泛推廣，但是其瞬時最優并不等于全局最優，如何在保證實時應用性的同時，獲得比現有實時能量管理策略更佳的優化性能是亟待解決的關鍵問題。

表1 混合動力船舶能量管理策略的優缺點Table 1 Advantages and disadvantages of energy management strategy for hybrid ships

3 能量管理發展展望

結合上述混合動力船舶能量管理存在的問題與挑戰，考慮到今后的發展與努力方向，對未來混合動力船舶能量管理發展進行了展望。

3.1 標準統一

研究混合動力船舶能量管理時，首先需要確定船舶混合動力系統研究對象的具體構成，但目前國內尚無針對此問題的專門規范，設計時主要參考柴油機機械推進、電力推進等相關規范要求[70]，導致缺乏統一的船舶混合動力系統仿真模型，這種缺乏統一標準的情況還重點體現在仿真驗證工況方面。在混合動力汽車領域，研究人員廣泛采用諸如美國FTP75[71]、日本JC08[72]及歐洲EUDC[73]等標準工況來仿真驗證所提出的能量管理策略。而在混合動力船舶能量管理領域，除了Alsterwasser 號燃料電池驅動游船的工況數據被廣泛用于驗證以燃料電池混合動力船舶為對象的能量管理策略以外[33,46,62,74-75]，對于其它混合動力船舶，由于船舶用途各異，運行工況完全不同，因此目前在混合動力船舶能量管理領域仍無類似于汽車領域的標準工況。鑒此，現有文獻傾向于使用通過函數生成的工況數據和混合動力船舶的實測或者模擬工況數據。

例如，文獻[36]采用函數生成的混合動力船舶工況數據，其分為2 種類型：一是需求功率變化較大的工況數據；二是需求功率變化相對平穩的工況數據。這2 種工況的需求功率曲線變化趨勢差異較大。相對于通過實測或者模擬產生的混合動力船舶工況數據，通過函數生成的工況數據更具可控性，可以根據需要來生成相應波形的需求功率曲線。而文獻[76-77]采用的是通過實測或者模擬產生的混合動力船舶工況數據，它們所處的功率等級相近，功率變化趨勢相似，但并不相同，存在差異性。因此，若能夠統一工況數據，形成標準工況，不僅可以減少生成工況數據的工作量，還可以使結果更具有可比性。

鑒于混合動力船舶能量管理研究缺乏統一標準的仿真模型和仿真驗證工況，以及目前研究中簡化后的仿真模型和拓撲結構難以適用于實際復雜系統的問題[13]，未來有必要對獨立運行的電力系統中發電機和電動機負荷的精細建模問題進行研究，采用更加貼近實際的拓撲結構，并從混合動力船舶能量管理文獻中篩選出典型工況作為后續相關研究的統一標準工況。

3.2 結構改善

1） 對于新能源在混合動力船舶上的應用，以集成應用風能、太陽能和燃料電池等新能源發電裝置的應用案例最具有革新性和代表性[11]，并能有效進行節能減排，提高船舶續航能力。其中，風能在船舶上的應用以風帆助航的方式將風能作為船舶動力和推動風機發電這2 種形式為主，且是作為航行的主要動力或者輔助動力。而風力發電技術由于噪聲大、風向與風力多變等裝船適配性問題，只是研究了少數船舶并得到了應用[19-20,26-27]。相較于風力發電技術，太陽能發電和燃料電池技術在混合動力船舶中得到更為廣泛的研究與應用[19-25,43-44]，但風機、光伏等新能源發電裝置發電功率的不確定性也給混合動力船舶能量管理帶來了極大的挑戰。同時，因燃料電池技術所限，目前的船舶燃料電池功率一般不超過300 kW[4]，風能、太陽能等新能源都是低能量密度，單一的新能源作用有限，所以必須實現各種新能源的混合利用[78]。此外，還可以與柴油發電機共同供電，進一步擴大新能源比例和降低船舶能耗。在新能源應用方面，今后有必要考慮新能源發電裝置裝船的適配性、新能源發電功率的不確定性、多種新能源的混合互補利用等混合動力船舶能量管理問題。

2） 不同于混合動力汽車在城市內運行時瞬時工況多、加速與制動頻繁的情況，混合動力船舶航行中制動情況較少，但在靠岸階段需要頻繁加速與制動來調整姿態，通過制動電阻消耗全部制動能量，從而造成能量浪費[79]。同時，能量浪費情況還存在于燃料電池、發電機組等產生的余熱中[80]。因此，未來有必要在能量管理研究中考慮再生制動、余熱回收等能量回收系統，這將有利于提高混合動力船舶的燃料經濟性和排放性。

3） 混合動力船舶能量管理的性能與船舶本身的動力總成、參數匹配相關。根據不同能量管理目標，未來有必要考慮對包括推進電機、發電機組、儲能裝置等混合動力船舶動力總成的規格與參數進行匹配與優化，這樣可進一步提升整體效率，優化能量管理性能。

3.3 工況預測

基于混合動力船舶能量管理策略的歸納分析，可知全局優化能量管理策略依賴于歷史工況或者長期工況的預測精度，而實時優化能量管理策略中，無論是ECMS 還是MPC，兩者的性能在很大程度上都取決于當前瞬時工況或者短期工況的預測精度。上述兩種能量管理策略均對所使用的循環工況依賴性強，工況不同，能量管理策略的優化性能也不同。同時，風機、光伏等新能源發電裝置的接入為船舶電力系統帶來了極大的不確定性，不僅會隨著季節變換發生長時間尺度變化，還會發生短時間尺度的波動，從而使得新能源裝置帶來的不確定性與負荷的不確定性一起構成了工況的不確定性。因此，通過實時分析輸入數據并結合歷史工況數據，對長期/短期工況進行精準預測可有效提高混合動力船舶能量管理策略的性能。在工況預測方面，未來的研究重點如下：

1） 借助泛在電力物聯網思想[81]，利用智能化傳感量測、終端智能化及數值天氣預報等技術獲得船舶實時運行狀態、通航環境數據，并借助機器學習[82]、大數據分析[83]等技術完成能量管理數據的實時分析，實現混合動力船舶的歷史數據分析和工況的實時全面感知。

2） 風機、光伏等新能源發電工況預測在混合動力船舶能量管理中研究較少，而在陸地微電網能量管理研究中廣泛采用神經網絡[84]、概率預測[85]、隨機森林[86]等方法進行風能、太陽能等新能源發電工況預測。在處理風能、太陽能等新能源發電工況不確定性與系統經濟成本方面，陸地微電網能量管理領域廣泛采用概率最優潮流[87]、場景分析[88]、機會約束[89]等方法來處理不確定性，但不同于陸地微電網，船舶不僅具有脈沖負荷，而且海洋環境及運行條件多變，船舶微電網面臨著更加復雜的環境影響，工況預測較陸上更加困難。因此，在借鑒陸地微電網工況預測技術的同時，還應根據混合動力船舶具體情況展開研究。

3.4 策略改進

1） 結合混合動力船舶實際能量管理系統有限的計算力與實時能量管理的要求，綜合現有各種能量管理策略的優勢，考慮全局最優算法的全局最優優化性能、模糊邏輯算法的適應性與魯棒性、實時優化算法的實時應用性等，探索不同算法的相互協同與融合，通過取長補短來實現優化性能與實時應用性之間的平衡。

2） 如何在保證實時應用的同時，提高優化性能是能量管理策略實時應用的研究重點。目前的混合動力船舶能量管理策略大多屬于集中式能量管理策略，而分布式能量管理策略通過多個分布式控制器協同優化，可以顯著降低計算復雜度，且沒有單點故障的風險[17]。因此，分布式能量管理策略值得在混合動力船舶能量管理方面得到進一步的研究與應用。

4 結 語

船舶混合動力系統的應用能夠有效提高船舶的動力性能，降低燃料消耗，減少污染物排放，在EEDI 和EEOI 得到推廣的情況下具有良好的應用前景。然而，現有的混合動力船舶能量管理研究綜述缺乏對能量管理目標的歸納總結，對能量管理存在的問題及其解決方法的論述也不夠全面和深入。為此，本文從能量管理目標、能量管理策略的角度，綜述了混合動力船舶能量管理的最新研究進展及其研究現狀，全面、深入地分析了現有相關研究存在的優缺點及應用條件，從標準統一、結構改善、工況預測、策略改進這4 個方面對未來研究的方向進行了展望。