新能源船舶复合储能技术发展现状与展望

冯龙祥, 汤旭晶, 袁成清, 唐金锐, 殷华兵, 孙玉伟

(1.武汉理工大学 船海与能源动力工程学院, 湖北 武汉 430063; 2.武汉理工大学 交通与物流工程学院, 湖北 武汉 430063; 3.广东省内河港航产业研究有限公司, 广东 韶关 512000; 4.武汉理工大学 自动化学院, 湖北 武汉 430063; 5.中远海运特种运输股份有限公司, 广东 广州 510623)

海运是国际货运的主渠道,中国外贸进出口货运量的95%经过海运完成[1]。国际海事组织(International Maritime Organization,IMO)研究表明,全球航运船舶平均每年消耗石油3.25亿吨,排放的温室气体约占全球总排放量的2.8%,排放的NOx、SOx分别约占全球总排放量15%和13%[2]。为应对气候危机和环境污染,IMO海上环境保护委员会第77届会议要求航运业在2050年实现温室气体净零排放[3],新型清洁能源船舶成为未来船舶发展的重要方向。一方面,船载综合电力系统(integrated power system,IPS)具有移动式孤立运行特性,不同类型的船舶负荷特性也不相同;另一方面,绝大部分船舶电力负荷来源于推进负载,同一船舶在停泊、定速航行、动力定位等不同工况的负荷峰谷差较大[4],当负荷突变响应到船舶发电机组,导致船舶主机偏离最佳工况点或频繁启停,降低了船舶运营的排放性和经济性。复合储能系统(hybrid energy storage system,HESS)具有削峰填谷、补偿负载功率突变和提供电能支撑的功能,国内外学者为此开展了相关研究。

现有文献未全面分析论证储能技术实船应用研究进展,多仅聚焦于船舶复合储能单一能量管理策略层面进行论述[5-6],涉及复合储能容量优化配置的综述研究匮乏,较少研讨复合储能容量配置变化对工作性能的影响,忽视了能量管理策略与容量优化配置的耦合关系;近年来,基于直流组网的新型储能拓扑架构、复合储能能量管理与容量优化配置相结合等新方法、新技术的兴起,使得船舶复合储能技术发展呈现出新特点。本文首先分析3类典型储能技术的工作原理、技术特点和实船应用研究进展;其次,针对复合储能研究分别从拓扑架构、能量管理策略和容量优化配置方法3个层面,归纳总结现有相关研究的优缺点及适用条件;最后,探讨船舶复合储能技术发展存在的问题并展望未来发展趋势。

1 储能技术分析

按照转换为电能的原理差异,储能可分为机械、电化学和电磁储能。表1分别从能量密度、功率密度、单位能量价格等多方面比较了各种储能技术[7-11]。

表1 储能分类与关键技术特征

1.1 飞轮储能

飞轮储能在20世纪50年代被提出,受制于当时技术水平与硬件设备而发展缓慢。20世纪80年代初期,高温超导、复合材料与电力电子技术的突破带动了飞轮储能技术的深入研究。飞轮储能技术利用飞轮的加速旋转实现电能向机械能的转换,美国曾将飞轮储能应用于军事舰船的电磁弹射系统[12]。飞轮储能具有循环寿命长、高储能量和无污染等优点,受限于维护费用高昂、自放电率高(100%/d)的缺点,难以实现商业化船舶应用。飞轮储能系统由飞轮本体、高速永磁电机、轴承、变流器构成,如图1所示。

图1 飞轮储能系统结构

1.2 电化学储能

电化学储能利用电化学反应完成电能和化学能的相互转换[13],是目前应用范围最广、发展潜力最大的储能技术,包括铅酸电池、液流电池、钠硫电池和锂电池储能。表2是电化学储能技术特点。

表2 电化学储能技术特点

铅酸电池是最早规模化使用的电池,优势在于价格便宜、可靠性高,但循环寿命短、能量密度低,一般用于投资要求较低的小规模储能场景[14]。液流电池种类较多,由正极、负极2个电解液储罐和电堆组成,通过周期性电解液共混实现可逆容量的恢复(以应用最广泛的全钒液流电池为例),安全稳定性高,循环寿命长[15-16]。钠硫电池已应用于海岛储能、可再生能源并网及输配电等大规模储能市场领域[17-18]。锂电池是当前关注度最高、技术最成熟的电化学储能技术,满足电力系统调峰调频、削峰填谷等多场景应用需求[19-20]。2021年,锂电池储能系统装机规模在全球电化学储能电站中约占总装机量的93.9%[21]。锂电池储能系统主要用在基于直流组网的中低压电力系统电力推进船舶,图2是新能源船舶电力推进系统结构。

图2 新能源船舶电力推进系统结构

世界各国很早便开始电动船舶的试验探索研究,但一直受限于铅蓄电池能量密度较低和船舶直流组网稳定性控制与故障检测及保护等关键技术未突破,如图3所示。2015年,世界首艘纯电动渡轮“Ampere”号成功下水航行,该船采用西门子直流组网技术和Corvus公司生产的三元锂电池,每年能够节省燃油106L,而后欧洲加快了纯电动船舶的研发与制造;同期国内也开展相关实船示范应用,全球最大电池容量的纯电动游船“长江三峡1号”于2022年投入运营。整体上看,锂电池纯电动船舶仍处于示范工程到商业化应用的阶段,船型集中于渡轮、游船和内河运输船,随着锂电池能量密度的进一步提升和单位能量成本的下降以及能量管理策略的改进,锂电池大规模应用于船舶将在不远的未来成为现实。

图3 纯电动船舶发展与应用里程碑时间轴线

1.3 电磁储能

超导储能具有零污染、自放电率低,功率密度高、循环寿命长等优势,技术难点是超导材料必须要在超低温环境才具备超导性能,实际应用成本较高。目前,超导储能系统处于理论研究与试验探索阶段,尚未完成船舶示范工程研究,面向商业化船舶应用还远未成熟[22-23]。

超级电容依靠双电层结构的静电场实现能量储存与释放,反应过程是可逆物理变化,因而超级电容循环寿命长,可以瞬时进行大倍率充放电。针对超级电容的研究始于20世纪60～70年代陆续有产品推出。超级电容单位能量成本高昂,作为船舶唯一动力源尚未出现大量实船案例。2021年11月下水的“新生态号”是世界首艘纯超级电容动力渡船,储能总容量为625 kW·h,母线电压范围604～853 V,最大充放电电流可达5 200 A。

储能系统在船舶交流组网或交直流组网形式的电力系统中也有部分应用,但就目前相关研究而言,复合储能技术的研究主要应对船舶直流组网电力系统场景,采用直流组网已经成为中低压新能源船舶的未来发展趋势,本文聚焦于直流组网形式下的复合储能关键技术研究进行综述。

2 复合储能拓扑架构

为抑制大功率脉冲性负载接入船舶中低压直流电力系统时引起的母线电压大范围跌宕,维持母线电压在安全裕度内[24],同时满足船舶稳定工况持续供电需求,将能量型和功率型储能混合构成的HESS具有显著技术优势。近年来,国内外专家学者着重针对锂电池/超级电容构成船舶复合储能技术开展相关研究。

2.1 被动式拓扑架构

被动式拓扑架构中锂电池组和超级电容组直接并联在一起使用,通过逆变器向电气负载供电,如图4所示。

图4 被动式拓扑架构

图4中,锂电池组电压、超级电容组电压以及直流母线电压一致,功率流由锂电池和超级电容内阻和电压特性决定;由于无法控制2种储能元件充放电功率大小,系统利用率较低、可靠性差。被动式拓扑架构早期主要用于论证锂电池/超级电容构成复合储能在容量衰减、循环寿命和脉冲性能等方面相较于纯电池储能更具优势[25-26],现该拓扑架构已较少使用。

2.2 半主动式拓扑架构

半主动式拓扑架构中2种储能元件一方受双向DC/DC变换器控制,另一方被动承担负载功率,如图5所示。图5中超级电容可控式构型的超级电容组经双向DC/DC变换器与母线连接,锂电池组与负载部分直接相连,是目前应用最广泛的复合储能拓扑构型[27-28],DC/DC变换器根据锂电池组和直流母线电压/电流信号合理调控超级电容组充放电功率,避免锂电池受高倍率电流冲击,延长锂电池循环寿命;但对超级电容侧DC/DC变换器容量、功率和响应速度等方面要求较高,增加成本。

图5 半主动式拓扑架构

相较于超级电容可控式构型,锂电池可控式构型将锂电池组与超级电容组位置调换,超级电容组与直流母线直接连接,峰值功率直接由超级电容组承担,导致超级电容容量上升,成本增加[29];锂电池组侧DC/DC变换器工作压力较小,使得变换器购置成本降低;因为锂电池组提供高容量、长时间电能支撑,频繁充放电会增加双向DC/DC变换器上能量损耗,系统工作效率下降。

为了优化半主动拓扑架构,Cao等[30]提出一种以功率二极管和双向DC/DC变换器相结合的改进型半主动拓扑构型;基于该拓扑构型,Song等[31]将双向DC/DC变换器替换为单向DC/DC变换器,进一步提升HESS的性能;Hu等[32]基于半主动式拓扑架构,提出结合二极管与开关的改进型拓扑构型;Wang等[33]基于新型多模式半主动拓扑构型制定复合储能功率分配策略,通过仿真与试验验证结果表明,多模式半主动拓扑构型能够降低复合储能能量损失并有效保护电池。

2.3 全主动式拓扑架构

图6是全主动式拓扑架构4种构型。级联1#、2#构型里,母线侧双向DC/DC变换器作用是稳定直流母线电压,HESS充放电功率必经过一个变换器,级联构型的复合储能系统体积、质量、成本和损耗较高,总体上研究较少[34];双变换器构型利用2个双向DC/DC变换器分别控制锂电池组和超级电容组充放电功率大小和时间,执行复合储能各元件在不同航行工况的功率指令,达到全局或局部最优控制效果[35-36];对比双变换器构型、多输入变换器构型,复合储能空间尺寸小、成本低,但该构型的控制方法更复杂[37]。

图6 全主动式拓扑架构

全主动式拓扑架构中锂电池和超级电容与直流母线完全解耦,采用合适的控制策略能更好发挥储能元件性能;但变换器数量增加使得系统尺寸、重量和损耗更高,导致成本大幅增加,控制策略也更复杂。研究人员在开展复合储能相关研究时,综合分析多种拓扑架构特点,全面考虑HESS经济性、控制复杂度和稳定性等指标,针对不同使用场合和应用需求,对比研究各拓扑构型性能优劣。

3 能量管理策略

复合储能能量管理策略根据不同储能元件的运行状态和船舶负荷变化需求,合理分配各储能元件的输出功率,优化控制能量转换与传输,保证船舶动力系统在经济性、可靠性和持久性等方面达到优化效果。近年来的船舶复合储能能量管理策略主要分为2类:基于规则的能量管理策略和基于优化的能量管理策略。

3.1 基于规则的能量管理策略

基于规则的能量管理策略是指依赖个人经验调试的控制策略,按照是否基于复合储能固定单一动作阈值分为基于逻辑门限的策略和基于模糊规则的策略。

3.1.1 基于逻辑门限的策略

基于逻辑门限策略在前期研究较多,袁裕鹏等[38]设计逻辑门限与PID控制结合的方法,保证了柴油发电机组运行于高效率区间,提高了柴油机的运行效率;Han等[39]考虑复合储能负载功率需求和锂电池荷电状态作为阈值进行功率分配,对比传统负载跟踪控制,降低燃料电池12 g的总氢气消耗;张泽辉等[40]以支持向量机识别船舶各工况并选择对应低通滤波时间常数,结合阈值判断对半主动式复合储能系统进行能量管理,仿真结果显示该方法能够减缓动力电池电流突变,降低直流母线电压的波动。

HESS在陆地电网调峰、调频以及应对大规模风光并网时维持系统供电充裕和运行稳定发挥重要作用,而船舶直流电力系统的线路较短,电力系统容量较小,船舶电网发生故障时没有外部电力支撑,这导致直流母线电压极易出现大范围跌宕现象,其抗干扰能力比陆地电网弱。鉴此,针对船舶直流组网电力系统接入脉冲性负载造成直流母线电压失稳的问题,Li等[41]基于储能SOC的分段线性函数法动态控制参考电流输出,相较于传统PI控制策略,能够更快平抑母线电压波动,但该策略侧重于控制储能SOC变化范围;Zou等[42]为避免储能系统过充/过放,设计基于储能元件SOC的充放电控制策略,但仅设定2种工况分析,不能充分体现控制策略的有效性。基于以上研究,齐坤等[43]针对耙吸式挖泥船的典型航行特征,设置多个工况一一分析,先利用低通滤波策略将负载功率波动划分为高频低幅值和低频高幅值的补偿功率曲线,分别由电池和超级电容承担,后引入反映储能元件SOC状态的变下垂系数,动态调节储能对于负载波动的响应能力,满足了储能装置的快速能量均衡和快速状态恢复要求,达到迅速平抑功率波动的目的。

以上文献以满足能量型储能稳定工作在高效率区间或输出功率平稳为条件,通过让功率型储能充分发挥动态响应能力,被动承担剩余的短时、高功率负载波动。该方法能够有效降低能量型储能因船舶工况频繁变化而引起的能量损失,同时提高功率型储能的利用率,但复合储能动作阈值的设定依赖工程师经验,针对复杂工况难以设置复合储能工作模式的切换顺序,对复合储能系统多变量、非线性时变特点的适应性较差;相比之下,基于模糊规则的策略更有优势。

3.1.2 基于模糊规则的策略

基于模糊规则的算法以一些满足可能发生的数值组成模糊控制规则或采用专家知识库的方法:兰海等[44]设计可动态修正PI参数的模糊控制器,但复合储能充放电模式的划分过于简单,未充分考虑储能元件SOC变化对功率分配的影响;郭燚等[45]设置二级模糊控制器,再根据锂电池和超级电容的SOC实现功率再分配,抑制舰船中压直流(medium voltage direct current,MVDC)电力系统母线电压的大范围跌宕,母线电压始终维持在5 kV附近,改善了舰船MVDC电力系统的稳定性,但二次功率分配系数的取值仍有待研究;Zhu等[46]将锂电池和超级电容的SOC及负载功率需求作为输入,由模糊控制器输出燃料电池和超级电容的参考功率,结果表明所提模糊控制策略的能量转换效率高达51.4%。上述方法综合考虑船舶当前工况、储能元件SOC、直流母线电压等复合储能重要参数,利用模糊规则完成HESS多种工作模式的快速切换,但该策略存在主观性强、控制性能差的局限。

整体而言,基于规则的能量管理策略的设计来自工程经验,虽然有计算量小、执行效率高、易于实现的优点,被广泛作为后续改进能量管理策略的重要对比对象以提供优化评价标准,并且已经在部分船型取得实际应用,如“尚德国盛”号新能源混合动力船,但静态参数难以适应船舶工况的动态变化,无法优化船舶工作性能,面对船舶未来进一步朝着高渗透率化和高智能化方向发展的大趋势,该策略仅适用于低电气化、低智能化船舶,以优化为核心的智能控制算法因适用于非线性时变和不确定控制系统而引起关注,现研究人员以基于优化的能量管理策略为主要研究方向。

3.2 基于优化的能量管理策略

3.2.1 全局优化策略

全局优化策略根据船舶静态历史数据,在船舶实际航行工况已知的条件下寻找经济性、动力性和可靠性等方面全局最优的控制策略,常见算法有动态规划(dynamic programming,DP)、遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)以及有关算法变体。兰熙等[47]采用DP算法优化柴油发电机组与动力电池2种电源的功率输出比重,与开关式控制策略相比,动态规划优化式策略减少1.8 L燃油消耗,但求解过程较复杂且无法处理潜在的耦合约束问题;由此,Zhang等[48]以深水三用工作船为研究对象,首先将优化问题解耦成优化子问题,获得对应工作方案后,缩小搜索域范围并采用第2代非支配排序遗传算法(non-dominated sorting-based genetics algorithm II,NSGA-II)求得以能耗、排放为目标的Pareto前沿;最后通过删除重复解,采用模糊决策方法并结合船舶4种运行状态得到最终最优解。

由于传统单一智能优化算法在搜索时空上的局限性,近年来围绕船舶复合储能能量管理的研究方案倾向于改进或融合多个算法:国外有学者基于多目标粒子群算法(multi-objective particle swarm optimization,MOPSO)和NSGA-II求得燃油消耗率、锂电池容量的Pareto前沿,分别选取4种方案进行对比分析,结果表明混合动力渡轮改进策略后的每日燃油节省量可达41～336 kg[49],但该方法需要已知历史工况与计算复杂度较高的特点,导致只能离线控制;Zhao等[50]采用基于DP的改进模糊逻辑控制,结合小波分析和PI控制,实现了输出功率的最优分配和在线控制,与基于规则的策略相比,燃料电池减少14.39%的氢能消耗,同时维持了电池SOC的稳定,综合DP的离线全局优化和模糊控制的在线控制优势,但模糊规则是基于离线状态设置的。

一方面,智能优化算法都存在着计算量大和耗时长的缺点,导致工作效率较低;另一方面,全局优化策略应用的前提条件是预先确定船舶航行周期内的全部工况,对以特定工况或已知负载功率序列为基础的船型优化分析提供指导和评价标准,但因不同船型的差异性与船舶实时运行状态的不确定性而在实际使用中受到限制。实时优化策略考虑到船舶各动力源的最佳工作点,从最新工况信息出发,对过程操作条件进行连续评估和调控,由优化算法实时得到各动力源当前时刻的最优工作模式。

3.2.2 实时优化策略

实时优化策略根据船舶实时状态或当前参数进行的在线控制,使现阶段船舶的多性能指标达到最优效果,常用实时优化策略主要有等效油耗最小化策略(equivalent consumption minimization strategy,ECMS)和模型预测控制(model predictive control,MPC)。ECMS是基于电池SOC与柴油发电机或燃料电池工作状态计算等效系数,将储能元件的输出功率换算为等效油耗或氢耗,并使储能元件等效油耗或氢耗与柴油发电机、燃料电池的实际油耗或氢耗之和最小的策略。研究人员在船用领域内ECMS的早期研究中为简化计算,设置储能元件充放电等效系数为常数或直接忽略储能SOC变化而与实际情况不符,现主要从等效系数自适应和结合其他算法实现复合双层控制进行了探索:Zhu等[51]提出了多目标双层优化方法,先采用MOPSO算法初始化决策变量,后结合改进自适应ECMS能量管理策略进行优化,与传统的单上层优化相比,基于双层优化的方案,减少了3.37%的燃料消耗、6.70%的温室气体排放和13.95%的成本;Yang等[52]提出一种基于内层采用模式切换的ECMS以优化工作模式、外层采用改进的蚁群算法以优化等效因子的双层优化能量管理策略,与传统的ECMS控制策略相比,基于蚁群的ECMS控制策略降低了12.1%的燃油消耗。基于MPC策略将船舶燃油经济性的全局最优控制转变为预测情况下的局部最优控制,利用预测模型在预测时域内对船舶的需求功率进行预测,采用智能算法对柴油发电机组与锂电池组等船舶动力源的功率分配比进行优化,MPC的优化性能取决于模型质量、采样步长和预测范围长度,现有研究基本从参数自适应、求解子问题算法和预测算法这3方面着手展开研究:Hou等[53]为消除MPC中参数不确定的影响,采用在线参数辨识与MPC相结合的自适应模型预测控制方法,对比无在线参数辨识的MPC策略,HESS减少了15%的能量损耗;高迪驹等[54]提出基于马尔可夫链模型预测船舶负载功率,后利用DP算法完成柴油发电机组与电池的最佳功率分配,实现优化结果的快速收敛。实时优化策略实时优化性好,但瞬时最优不等于全局最优,并且计算复杂度高,对控制器精度和时滞性要求高,如何达到实时最优和全局最优的平衡是未来研究的重点。

船舶复合储能能量管理策略研究重点围绕经济性与排放性2个优化目标开展,以平衡船舶控制的最优性和实时性为基准,研究方法朝着多目标优化控制与多策略协同工作的方向发展。表3为不同能量管理策略特点对比。

表3 不同能量管理策略特点对比

4 容量优化配置方法

船舶动力系统的经济性、可靠性和利用率等指标的好坏不仅由复合储能能量管理策略的工作性能决定,还取决于储能装置中各单元的容量配比大小。针对船舶推进系统的多个动力源,尤其是锂电池和超级电容等新能源接入的规模,研究人员一般通过建立包含目标函数、决策变量、边界约束条件三要素的优化模型,选择合适的智能算法求解得到最优配置方案。按照优化目标的个数分为基于单目标和多目标的容量优化配置。

4.1 基于单目标优化的容量配置

现针对复合储能容量优化配置的研究集中在微电网和电动汽车。由于船载IPS具有移动式孤立运行特性,船舶HESS主要通过吸收或输出功率以平抑推进器负荷波动;微电网中HESS作用是削弱海陆风电、光伏发电等间歇性能源对微电网电能质量、供电可靠性和安全性等性能方面产生的影响:有学者对陆上光伏电站配备的HESS,以年均成本最小为目标函数,以能量守恒、并网功率波动及储能充放电功率为约束条件,利用PSO算法求解[55-56];谭兴国等[57]针对风光储能微电网,确立复合储能装置总成本、功率匹配度、可再生能源输出功率平滑度为优化子目标,利用适应度离差排序法确定子目标函数权重系数,使用PSO算法求解。新能源船舶实船应用较少而缺乏船舶典型工况历史数据,容量优化配置研究尚未深入,而在电动汽车领域,王言子[58]基于军用汽车循环工况历史数据,以电池组并联数量和功率分配策略的逻辑门限值为决策变量,选取复合储能质量和体积、储能元件损耗、电池组平均充放电倍率和容量为目标函数,满足汽车驱动所需能量和功率约束条件,对多个子目标利用专家打分法给出权重系数后优化。

上述文献以经济性为唯一优化目标,或将多个子目标函数通过权重分析聚合成单目标,子目标权重系数的分配具有较强主观性,很难反映复合储能非线性时变系统在多变量、多目标和多约束场景下的实际情况,据此研究逐渐转移到多目标优化及求解算法。

4.2 基于多目标优化的容量配置

复合储能容量配置需考虑储能元件充放电、荷电状态限制等多边界约束条件,尽量避免功率、能量过剩,综合考量储能系统总成本、输出波动率和负荷缺电率等多个优化子目标,专家通常利用多目标进化算法构造进化群体Pareto非支配集,有效解决多个子目标之间相互冲突的问题。

4.2.1 基于确定能量管理策略的方法

该方法通常事先设置好能量管理策略,直接从负载功率统计特征出发,以满足研究对象的各项工作要求作为边界约束条件开展参数整定。Song等[31]基于Arrhenius退化模型描述电池老化衰减过程,结合基于规则的能量管理策略,以HESS总成本和磷酸铁锂电池在典型中国客车驾驶循环工况中的容量损失为优化子目标并采用NSGA-II求解,结果表明,当超级电容成本在1～4万元范围内增加时,电池容量损失可以快速减少,不足之处在于未将电池容量损失与储能元件使用寿命进行耦合分析;韩晓娟等[55]采用雨流计数法和等效循环法计算电池使用寿命,未考虑温度、峰值电流等因素的变化,并且直接将超级电容的更换周期设为常数的方法过于简单。现有研究较少探讨能量管理策略相关参数变化对锂电池/超级电容等储能元件使用寿命的作用,如何充分考虑储能充放电控制策略、温度、放电深度等各方面因素,精确计算储能元件使用寿命关系到HESS经济性模型的有效性,值得进一步深入研究。俞万能等[59]针对多能源船舶微电网设计2种不同运行控制策略,构建储能系统总成本、负荷缺电率及污染物排放量为目标函数的三目标优化模型;Xu等[60]在储能系统充放电控制策略的基础上,以年利润最大化和弃风率最小为优化目标、以锂电池和超级电容总数为决策变量,采用NSGA-II和多准则妥协解排序法从Pareto前沿中选择最优配置方案。基于确定能量管理策略的方法通过建立多目标容量优化配置模型,能够较全面地反映复合储能系统的非线性时变特性,方法使用广泛;相较于联合优化,该方法运算量较小,实时性强,但无法实现全局优化。

4.2.2 联合优化方法

联合优化方法将复合储能系统配置变量与能量管理策略中设定功率阈值等参数共同作为决策变量。Liu等[61]基于NSGA-II方法对车载复合储能系统的配置参数和功率阈值及其分配系数进行联合优化;Song等[62]提出二维庞特里亚金最小值原理算法解决容量配置与功率分配的联合优化问题;Eldeeb等[63]以锂电池/超级电容的串并联数量、双向DC-DC变换器和功率分割因子共同作为决策变量,使用NSGA-II求得复合储能装置总成本和锂电池剩余循环寿命的Pareto前沿及对应配置方案。联合优化方法可以综合多种算法的优点,实现复合储能全局优化,但计算过程复杂,难以应对在线场景。表4为不同容量优化配置方法特点对比。

表4 不同容量优化配置方法特点对比

基于多目标优化的容量配置方法包含以下步骤:

1)读入船舶典型工况历史数据和储能荷电状态上下限、充放电效率等性能参数;

2)获取容量优化配置模型的约束条件和决策变量;

3)根据约束条件初始化决策变量的种群规模,随机生成子种群并设置迭代总次数,针对不同算法初始化相应参数;

4)设置能量管理策略中相关参数T为变化范围内最小值,根据确定的能量管理策略实现复合储能功率分配;

5)计算当前种群在能量管理策略相关参数T变化范围内的各对应目标函数值;

6)获得Pareto最优解集以及对应配置方案;

7)判断迭代次数是否满足设定值。若满足,则结束算法,获得全局Pareto最优解集以及对应的配置方案和能量管理策略参数;否则,迭代次数t加1,返回步骤4)。多目标容量优化配置基本流程见图7。

图7 多目标容量优化配置基本流程

5 结论

当前新能源船舶复合储能技术研究通常建立在锂电池/超级电容的基础上,并且已在不同船型实现示范应用,取得良好效果。

1)拓扑架构关系到HESS能否充分发挥各自性能,现超级电容可控式半主动拓扑构型应用最为广泛,改进型半主动式拓扑架构能够均衡复合储能多性能指标,未来需结合容量优化配置方法,针对不同船型的应用场景选取能够综合HESS多性能指标最优的拓扑架构。

2)在能量管理策略方面,除了要在能量管理算法上持续改进以外,还需完善数据库建设与统一,由于不同船型的航行工况完全不同,在混合动力船舶能量管理领域尚无类似汽车领域的标准工况,现有文献倾向于使用通过函数模拟生成的工况数据或混合动力船舶的实测数据,事实缺乏针对性;此外,基于优化的能量管理策略依赖于预测工况的精度,通过实时分析输入数据并结合历史工况数据,对长期/短期工况进行精准预测是下一步研究的重点。

3)容量优化配置与能量管理策略联系密切,现有研究以基于单目标优化和确定能量管理策略的多目标优化方法为主,侧重于微电网和电动汽车领域,船舶复合储能容量配置联合优化研究较为缺乏,未来将进一步拓展探索不同算法的相互协同与融合,建立考虑多种拓扑架构与能量管理策略的相关参数相结合的多目标联合优化容量配置模型。

随着船舶不断走向高渗透率和高智能化,船舶电力系统、推进系统等在内的各子系统之间的联系必然更加紧密,基于智能化传感器技术、大数据处理和通讯等技术以获得船舶实时运行状态、通航环境数据并且努力实现混合动力船舶的历史数据分析和工况的实时全面感知,相信未来HESS将在提升船舶安全性、经济性和能效控制层面发挥更大作用,助推智能新能源船舶的实现。