，，

(上海海事大學 物流與科學工程研究院，上海 201306)

基于遺傳算法的超級電容RTG能量管理研究

劉曼，牛王強，吳杰

(上海海事大學物流與科學工程研究院，上海201306)

為提高超級電容混合動力輪胎式集裝箱門式起重機(rubber typed gantry, RTG)系統(tǒng)的能量利用率和燃油的經(jīng)濟性，需要對混合動力能量系統(tǒng)進行有效的管理;提出了一種考慮系統(tǒng)能耗和非再生能量因素情況下，能分別確定混合動力系統(tǒng)中柴油發(fā)電機組最優(yōu)輸出功率和超級電容器組的最優(yōu)輸出功率的優(yōu)化方法;建立了柴油發(fā)動機組和超級電容器組的數(shù)學模型;根據(jù)混合動力RTG關(guān)鍵特性參數(shù)和負載需求值，得出了負載需求曲線圖;考慮發(fā)電機組燃油消耗的能量、來自電容器組的能量貢獻和產(chǎn)生的非再生能量，構(gòu)造了整體能耗的成本函數(shù);并引入遺傳算法(genetic algorithm, GA)進行求解，最后進行仿真和對比分析;結(jié)果表明，與傳統(tǒng)的基于規(guī)則的控制策略相比，遺傳算法優(yōu)化后的能量管理系統(tǒng)，其能量消耗減少了35.9%。

輪胎式集裝箱門式起重機；混合動力系統(tǒng)；能量管理；遺傳算法

0 引言

據(jù)統(tǒng)計，全球船舶所排放的二氧化碳已經(jīng)達到11.2億噸，約占全球主要溫室氣體排放量的4.5%。有預測認為，到2020年，全球航運業(yè)將消耗4億噸燃油。溫室氣體的排放量將在目前基礎(chǔ)上增加75%。為海運提供服務(wù)的港口亦是城市耗能大戶和排放溫室氣體大戶。港口已成為城市的污染源之一[1-2]。在我國加快轉(zhuǎn)變港口發(fā)展方式、構(gòu)建低碳交通運輸體系過程中，建設(shè)綠色低碳港口，節(jié)能減排是必經(jīng)之途。

目前，我國港口裝卸設(shè)備主要是以柴油發(fā)電機組為主要的能量來源，為了降低傳統(tǒng)的大型柴油發(fā)電機組造成的燃料消耗和排放，國內(nèi)外學者提出了超級電容器、飛輪和鋰電池作為功率緩沖器來減少柴油發(fā)電機組的規(guī)模大小[3]。其中，鋰電池的能量密度高，但是在大電流充放電時效率低，其電池壽命不長，價格較貴。超級電容器的能量密度低，但功率密度高，并且在充放電過程中沒有任何電化學反應(yīng)發(fā)生，即能快速吸收和釋放能量，效率高，壽命長。在電機加速運行、峰值功率需求時間相對短時，超級電容器能提供短時間的峰值功率。而飛輪與超級電容器特性相似，但是其自放電率高[4-5]。不同于傳統(tǒng)的基于規(guī)則的控制策略[5-7]， 本文采用基于優(yōu)化的控制策略[4,8]，研究帶超級電容器的混合動力RTG，考慮系統(tǒng)消耗和非再生能量因素，對混合動力系統(tǒng)進行建模及優(yōu)化，從而確定能量優(yōu)化管理策略以提高系統(tǒng)能量利用率。

1 混合動力RTG系統(tǒng)數(shù)學建模

1.1 問題描述

文中混合動力RTG實物圖如圖1。RTG主要由大車運行機構(gòu)、小車運行機構(gòu)、起升機構(gòu)、轉(zhuǎn)向機構(gòu)和吊具機構(gòu)組成。主要功能是提升和下放集裝箱到指定位置[9]。

帶超級電容器混合動力RTG的系統(tǒng)結(jié)構(gòu)如圖2。RTG的起升機構(gòu)簡化為170 kW的負載電機。柴油發(fā)電機組與整流器連接通過給640 V的DC(直流)母排給負載電機供能。超級電容器組與雙向DC/DC變換器連接再并聯(lián)到DC母排，當起升機構(gòu)驅(qū)動負載上升時，250 kW的超級電容器組用來提供峰值功率，當起升機構(gòu)下降時，超級電容器組吸收再生功率儲能。

圖1 輪胎吊起重機實物圖

圖2 混合動力RTG系統(tǒng)結(jié)構(gòu)圖

1.2 混合動力的數(shù)學模型

1.2.1 混合動力系統(tǒng)分析

首先考慮理想狀態(tài)下的混合動力系統(tǒng)，此時系統(tǒng)功率的組成表示如由圖3所示。三者的關(guān)系滿足下式：

PC(t)=PE(t)-PL(t)

(1)

其中:PE(t)為柴油發(fā)電機組在t時刻提供的功率，PC(t)為超級電容器組在t提供的功率，PL(t)為在t時刻負載的需求功率。討論中負載功率分布PL(t)是已知的，PC(t)是系統(tǒng)返回到超級電容器組的功率或是超級電容器組給負載提供的功率，可正可負。

圖3 混合動力系統(tǒng)功率組成分布

1.2.2 柴油發(fā)電機組

柴油發(fā)電機組作為混合動力系統(tǒng)穩(wěn)定的能量來源，在給負載供能的同時有時也需要在超級電容器組存儲能量不足時給電容器組充電。在整體功率系統(tǒng)中，發(fā)電機組在配合電容器組供能的情況下使柴油發(fā)電機保持一個較低的燃料消耗率，就需要為其設(shè)定一個最優(yōu)的功率運行范圍，而這取決于其最小功率和最大功率。發(fā)動機組采用的是化學能轉(zhuǎn)化為電能的供能方式，需要化學燃料來供應(yīng)。燃料消耗函數(shù)由發(fā)電機組產(chǎn)生的功率PE(t)等因素來決定。定義柴油發(fā)動機組的燃料消耗函數(shù)為F(PE)，那么發(fā)電機組的效率為：

(2)

其中:F(PE(t))為發(fā)電機組的燃料消耗函數(shù)，F(xiàn)(t)為發(fā)電機組在t時刻燃料消耗值。η(PE(t))為發(fā)動機組燃料消耗利用率，并由(2)式?jīng)Q定。

發(fā)電機組的耗能能量和整體燃料消耗為下式：

(3)

(4)

1.2.3 超級電容器組

文中采用超級電容器組作為儲能設(shè)備以提高系統(tǒng)的能量利用率和穩(wěn)定性。

當起升集裝箱時，混合動力系統(tǒng)處于饋電狀態(tài)，如圖4。此時發(fā)電機組和電容器組的總輸出功率大于負載功率，兩者共同驅(qū)動負載電機。

圖4 系統(tǒng)饋電狀態(tài)

當卸載集裝箱時，混合動力系統(tǒng)處于再生制動狀態(tài)，如圖5。此時集裝箱下降產(chǎn)生的勢能通過負載電機返回到電容器組，即電容器組回收再生功率儲能。

圖5 系統(tǒng)再生制動狀態(tài)

當電容器組的能量低于其設(shè)定的最小值時，混合動力系統(tǒng)處于待機狀態(tài)，如圖6。發(fā)電機組需要給電容器組充電，使電容器組恢復到正常的供能水平。

圖6 系統(tǒng)待機狀態(tài)

當系統(tǒng)處于饋電狀態(tài)時，即電容器組給系統(tǒng)供能，此時PC(t)lt;0；當系統(tǒng)處于再生制動狀態(tài)或待機狀態(tài)時，即系統(tǒng)給電容器組充電，此時PC(t)gt;0。不考慮電容器的損耗，電容器組提供的總能量為下式：

(5)

1.2.4 負載需求

混合動力系統(tǒng)驅(qū)動起升機構(gòu)的負載電機，裝卸的重物采用的是標準的40噸集裝箱。RTG的基本的裝卸流程如圖7。吊具抓好集裝箱起升重物，然后小車右移再卸載集裝箱到指定位置，卸載完成后吊具起升，然后小車左移再下降吊具到初始位置，等待再一次裝卸集裝箱。其中①→③過程中裝載有40 T負載的集裝箱，是滿載狀態(tài)，④→⑥過程中無集裝箱，是空載狀態(tài)[10]。在起升和卸載集裝箱的運動過程中，實際上集裝箱經(jīng)過勻加速、勻速和勻減速運動，在勻加速過程中，系統(tǒng)需要大功率來驅(qū)動起升機構(gòu)，在勻減速工程中，產(chǎn)生大量的制動功率需要存儲在電容器組中，起到功率的有效利用。RTG起重機的關(guān)鍵特性參數(shù)以及其負載需求分別見表1和表2[10]。只考慮穩(wěn)態(tài)過程，忽略加減速過程的情況下， RTG一個完整裝卸流程的負載需求曲線圖如圖8所示。

圖7 RTG典型的裝卸周期
(①起升 ②右移 ③下降 ④起升 ⑤左移 ⑥下降)

表1 RTG起重機的關(guān)鍵特性參數(shù)

表2 RTG負載需求

圖8 RTG負載需求曲線圖

2 問題公式化

2.1 建立目標函數(shù)

本文的研究目標是在滿足混合動力系統(tǒng)RTG運行功率的前提下，考慮系統(tǒng)能耗和非再生能量因素，提高柴油發(fā)動機組的燃油消耗利用率，同時減小非再生能量浪費，使混合動力RTG系統(tǒng)的燃料成本最優(yōu)化。因此，這是一個多目標優(yōu)化問題，其成本函數(shù)包含這幾項：發(fā)電機組燃油消耗的能量、來自電容器組的能量貢獻和產(chǎn)生的非再生能量(發(fā)電機組與電容器組的能量供應(yīng)總和與實際負載能量需求產(chǎn)生的差值)。故可以列出該多目標優(yōu)化問題的目標函數(shù)：

J=EICE+λ×ESC+γ×ENon-re

(6)

這是發(fā)電機組和電容器組的運行規(guī)則函數(shù)。其中，EICE為發(fā)電機組燃油消耗的能量，ESC為電容器組產(chǎn)生的能量，ENon-re為非再生能量。λ和γ是常數(shù)權(quán)重，表示總體能量消耗在電容器組和非再生能量的比例分配。

2.1.1 柴油發(fā)電機組燃油消耗成本

典型的柴油發(fā)電機燃料消耗通常近似為與發(fā)電機功率相關(guān)的二次函數(shù)[11]。

(7)

(8)

2.1.2 超級電容器組能量消耗成本

根據(jù)系統(tǒng)處于饋電、再生制動和待機這3種狀態(tài)時，相應(yīng)的超級電容器組在混合動力RTG操作過程中分別需要給負載提供能量、吸收再生能量存儲和發(fā)動機組給電容器組充電供能。因此結(jié)合公式(5)得

(9)

當從柴油發(fā)動機的燃料效率曲線來考慮損失時，超級電容器組的損失通常是可以忽略的。

2.1.3 非再生能量成本

公式(1)是理想狀態(tài)下，即在卸載集裝箱時產(chǎn)生的再生能量完全被超級電容器組吸收，無非再生能量。但是在實際操作過程中，電容器組吸收的能量是有限的，因為整體系統(tǒng)能耗，非再生能量依舊會產(chǎn)生。為了減少非再生能量的產(chǎn)生，考慮發(fā)電機組與電容器組整體的能量供應(yīng)和負載需求間的差值，得出的非再生能量成本函數(shù)如下：

(10)

2.2 目標函數(shù)的約束條件

2) 電容器組的約束：根據(jù)工廠提供的超級電容器操作手冊，為了維持超級電容器的壽命，因此可允許的充放電率范圍為-PChmax≤PC(k)≤PDChmax，其中PChmax和PDChmax分別是允許的最大充電和放電功率。

3) 負載功率需求約束：要確?；旌蟿恿TG系統(tǒng)能滿足負載的功率需求，因此PE(k)+PC(k)≥Pd(k)。

3 優(yōu)化求解算法

在混合動力RTG中，電容器組的最初參數(shù)未知，這樣混合動力系統(tǒng)的初始狀態(tài)并不是確定的，因此本文采用的是遺傳算法(GA)來解決具有多約束條件的非線性優(yōu)化問題。利用MATLAB自帶的遺傳算法工具箱，能夠比較容易得出優(yōu)化結(jié)果。

遺傳算法是由美國Michigan大學的Holland教授于1969年提出，后來又經(jīng)De Jong 、Goldberg等人歸納總結(jié)所形成的一類模擬進化算法，其本質(zhì)是一種高效、并行、全局搜索的方法，它能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并自適應(yīng)地控制搜索過程以求得最優(yōu)解[12]。

4 仿真實驗與比較

4.1 系統(tǒng)參數(shù)的設(shè)置

4.2 系統(tǒng)仿真實驗與結(jié)果

混合動力RTG負載需求曲線圖如圖8，整個裝卸操作周期為160 s，本文根據(jù)各操作時間分布，均勻選取40個采樣點，代表RTG的發(fā)電機組和電容器組分別在運行過程中這40個時刻的輸出功率，因此總共有80個變量，采用遺傳算法利用優(yōu)化工具箱進行計算，最終的出在最優(yōu)情況下每個時刻點發(fā)電機組和電容器組各自的輸出功率情況分別如圖9和圖10。

圖9 采樣點優(yōu)化后發(fā)電機組輸出功率圖

圖10 采樣點優(yōu)化后電容器組的輸出功率圖

分別提取圖中發(fā)電機組和電容器組的數(shù)據(jù)重新進行處理。因為是采樣時間間隔為4 s的均勻采樣，所以很方便進行擬合得出相對平滑的曲線。因此可以得出系統(tǒng)最優(yōu)情況下每個時段發(fā)動機組和電容器組的功率輸出曲線分布，并與RTG的負載需求進行比較，如圖11所示。

圖11 混合動力系統(tǒng)最優(yōu)功率曲線圖

從圖11比較負載需求可以得出以下結(jié)論。在0～40 s運行階段，RTG起升機構(gòu)提箱過程中，起升的瞬間是由電容器組提供瞬時功率，發(fā)電機組則不斷提高輸出功率，電容器組存儲的能量不斷下降輸出功率也逐漸減小。在41～60 s運行階段，集裝箱開始右移，需要的負載功率只有25 kW，因此發(fā)電機組和電容器組提供很小的輸出功率。在61～100 s運行階段，RTG開始卸載集裝箱，在下降過程中，電容器組開始不斷回收再生能量，因此輸出功率值為負值。因為整體系統(tǒng)有損耗，勢能并不能完全轉(zhuǎn)化成能量存儲在電容器組中，電容器組最高只能存儲100 kW的功率，而發(fā)電機組以最低的輸出功率持續(xù)運行。在101～120 s運行階段，起升機構(gòu)空載上升，電容器組在這一階段前期提供較大的輸出功率然后不斷下降，而發(fā)電機組不斷提高輸出功率。在121～140 s運行階段，吊具開始左移，所需的負載功率僅有10 kW，因此發(fā)電機組提供其最小的輸出功率，而電容器組的輸出功率很低幾乎為零。在最后141～160 s運行階段，吊具下降，發(fā)電機組的輸出功率不斷上升，而電容器組的輸出功率有一定的上升但整體功率依然很小。

4.3 與傳統(tǒng)控制方法實驗數(shù)據(jù)對比

傳統(tǒng)的RTG控制規(guī)則一般采用的是PID控制策略，在文章[12]中很好的體現(xiàn)了采用規(guī)則控制的混合動力RTG的運行情況。

文章[5]中采用的是與超級電容特性相似的飛輪機構(gòu)，實驗結(jié)果如圖12。這表明在混合動力RTG在起升階段，起初飛輪需提供較大的瞬時功率，釋放存儲的能量后功率不斷下降，下降到一定值時趨于穩(wěn)定并平穩(wěn)運行，最后又迅速下降為零。

而發(fā)電機的輸出功率則是不斷提高，達到一定值后趨于穩(wěn)定并平穩(wěn)運行，最后又快速提升至起升所需的負載功率。本文系統(tǒng)的起升階段與這種變化情況很相似，只是本文中發(fā)電機組和電容器組沒有較長穩(wěn)定運行，其他變化趨勢是一樣的。這說明RTG起升階段中，優(yōu)化算法下各部分功率曲線與傳統(tǒng)的控制算法下的趨勢相近。

圖12 帶飛輪的混合動力RTG負載起升階段功率曲線圖[12]

由仿真得出的最優(yōu)功率曲線圖結(jié)合公式(6)～(10)，再將系統(tǒng)的參數(shù)帶入可計算得出系統(tǒng)在一個典型的操作周期中能量消耗為4616800J 。根據(jù)實際工程應(yīng)用中上海某港口采用傳統(tǒng)規(guī)則控制算法的超級電容器混合動力RTG操作所得的數(shù)據(jù)，發(fā)電機組在一個40 T重箱的裝卸周期的能量消耗為2 kwh(7200000J)，故采用優(yōu)化后系統(tǒng)能量相比傳統(tǒng)規(guī)則控制的混合動力RTG系統(tǒng)，能耗減少35.9%。

5 結(jié)論

為了使柴油發(fā)動機組的燃油消耗利用率有所提高，最大限度地減少功率浪費，本文根據(jù)帶超級電容器的混合動力RTG的系統(tǒng)結(jié)構(gòu)，建立數(shù)學模型從而得到以燃料成本為最優(yōu)的目標函數(shù)，并采用遺傳算法對該目標函數(shù)進行求解。通過仿真實驗，最終得到混合動力RTG的每個不同的負載階段中的最優(yōu)值，從而分別得出在最優(yōu)值的情況下采樣時刻的發(fā)電機組和電容器組的最優(yōu)輸出功率。同時與傳統(tǒng)的混合動力RTG系統(tǒng)進行比較，RTG起升階段中優(yōu)化算法下的各部分功率曲線與其趨勢相近，但是相比傳統(tǒng)規(guī)則控制下的實際工程應(yīng)用能耗減小了35.9%。

[1] Li Z J, Wang G Q, Shen K Y, et al. Research of the Crane System Based on Technology of Storing-Energy with Super-capacitor[A]. IEEE Conf, ICECE[C]. 2010:4046-4049.

[2] Chang C, Yang J, Cao P, et al. Study on Supercapacitor Energy Saving System for Rubber-Tyred Gantry Crane[A]. IEEE Conf, APPEEC[C]. 2010:1-6.

[3] Zhao N, Schofield N, Niu W Q. Energy Storage System for a Port Crane Hybrid Power-train[J]. IEEE Transaction on Transportation Electrification, 2016, 2(4):480-492.

[4] Pietrosanti S, Holderbaum W, Becerra V. Optimal Power Management Strategy for Energy Storage with Stochastic Loads[J]. Energies, 2016, 9(3):175.

[5] Flynn M M, Mcmullen P, Solis O. Saving energy using flywheels[J]. IEEE Industry Applications Magazine, 2008, 14(6):69-76.

[6] Kim S M, Sul S K. Control of Rubber Tyred Gantry Crane With Energy Storage Based on Supercapacitor Bank[J]. IEEE Transactions on Power Electronics, 2006, 21(5):1420-1427.

[7] 陳 光. 基于鋰電池的混合動力RTG[J]. 港口裝卸, 2011(6):35-36.

[8] Levron Y, Shmilovitz D. Optimal Power Management in Fueled Systems With Finite Storage Capacity[J]. IEEE Transactions on Circuits amp; Systems, 2010, 57(8):2221-2231.

[9] 傅德源. 實用起重機電氣技術(shù)手冊[M]. 北京：機械工業(yè)出版社,2011.

[10] Niu W, Huang X, Yuan F, et al. Sizing of Energy System of a Hybrid Lithium Battery RTG Crane[J]. IEEE Transactions on Power Electronics, 2016, PP(99):1-1.

[11] Vu T L, Ayu A A, Dhupia J S, et al. Power Management for Electric Tugboats Through Operating Load Estimation[J]. IEEE Transactions on Control Systems Technology, 2015, 23(6):2375-2382.

[12] 關(guān)志華. 面向多目標優(yōu)化問題的遺傳算法的理論及應(yīng)用研究[D],天津:天津大學,2002:24-27.

OptimalEnergyManagementofRTGwithSuper-capacitorsBasedonGeneticAlgorithm

Liu Man, Niu Wangqiang, Wu Jie

(Ministerial Key Laboratory of Marine Technology and Control Engineering, Shanghai Maritime Univ,Shanghai 201306, China)

In order to improve the energy utilization and fuel economy of the hybrid RTG(Rubber Typed Gantry) system with super-capacitor, it is necessary to manage the hybrid energy system effectively. An optimization method is proposed for the optimal output power of the diesel generator sets and the super-capacitor banks in the hybrid system, considering the energy consumption and non-regenerative energy factor of the system. The mathematical models of diesel engine sets and super capacitor banks are established. The load demand curve is obtained by calculating the key characteristic parameters and load demand value of hybrid RTG. Considering the energy consumed by the generator sets, the energy contribution from the super-capacitor banks and the non-regenerative energy generated, the cost function of the whole energy consumption is constructed. And the genetic algorithm (GA) is introduced to solve the problem. Finally, the simulation and comparative analysis are carried out. The results show that the energy consumption of the optimized energy management system is reduced by 35.9%, comparing with the traditional rule-based control strategy.

RTG; hybrid power system; energy management; genetic algorithm

2017-03-14；

2017-03-31。

上海市科學技術(shù)委員會科技創(chuàng)新行動計劃(13dz1202800)。

劉 曼(1994-)，女，湖北漢川人，碩士研究生，主要從事檢測技術(shù)及自動化裝置方向的研究。

牛王強(1977-)，男，陜西大荔人，碩士研究生導師，主要從事混合動力船舶和港機電控技術(shù)、無線電能傳輸技術(shù)方向的研究。

1671-4598(2017)09-0182-04

10.16526/j.cnki.11-4762/tp.2017.09.047

TP391.9

B