基于遺傳算法的超級電容RTG能量管理研究

，，

(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)系統的能量利用率和燃油的經濟性，需要對混合動力能量系統進行有效的管理;提出了一種考慮系統能耗和非再生能量因素情況下，能分別確定混合動力系統中柴油發電機組最優輸出功率和超級電容器組的最優輸出功率的優化方法;建立了柴油發動機組和超級電容器組的數學模型;根據混合動力RTG關鍵特性參數和負載需求值，得出了負載需求曲線圖;考慮發電機組燃油消耗的能量、來自電容器組的能量貢獻和產生的非再生能量，構造了整體能耗的成本函數;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;結果表明，與傳統的基于規則的控制策略相比，遺傳算法優化后的能量管理系統，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；能量管理；遺傳算法

0 引言

據統計，全球船舶所排放的二氧化碳已經達到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，全球航運業將消耗4億噸燃油。溫室氣體的排放量將在目前基礎上增加75%。為海運提供服務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]。在我國加快轉變港口發展方式、構建低碳交通運輸體系過程中，建設綠色低碳港口，節能減排是必經之途。

目前，我國港口裝卸設備主要是以柴油發電機組為主要的能量來源，為了降低傳統的大型柴油發電機組造成的燃料消耗和排放，國內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電機組的規模大小[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發生，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]。不同于傳統的基于規則的控制策略[5-7]， 本文采用基于優化的控制策略[4,8]，研究帶超級電容器的混合動力RTG，考慮系統消耗和非再生能量因素，對混合動力系統進行建模及優化，從而確定能量優化管理策略以提高系統能量利用率。

1 混合動力RTG系統數學建模

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、小車運行機構、起升機構、轉向機構和吊具機構組成。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的系統結構如圖2。RTG的起升機構簡化為170 kW的負載電機。柴油發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變換器連接再并聯到DC母排，當起升機構驅動負載上升時，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系統結構圖

1.2 混合動力的數學模型

1.2.1 混合動力系統分析

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

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

(1)

其中:PE(t)為柴油發電機組在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 混合動力系統功率組成分布

1.2.2 柴油發電機組

柴油發電機組作為混合動力系統穩定的能量來源，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。在整體功率系統中，發電機組在配合電容器組供能的情況下使柴油發電機保持一個較低的燃料消耗率，就需要為其設定一個最優的功率運行范圍，而這取決于其最小功率和最大功率。發動機組采用的是化學能轉化為電能的供能方式，需要化學燃料來供應。燃料消耗函數由發電機組產生的功率PE(t)等因素來決定。定義柴油發動機組的燃料消耗函數為F(PE)，那么發電機組的效率為：

(2)

其中:F(PE(t))為發電機組的燃料消耗函數，F(t)為發電機組在t時刻燃料消耗值。η(PE(t))為發動機組燃料消耗利用率，并由(2)式決定。

發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備以提高系統的能量利用率和穩定性。

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

圖4 系統饋電狀態

當卸載集裝箱時，混合動力系統處于再生制動狀態，如圖5。此時集裝箱下降產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 系統再生制動狀態

當電容器組的能量低于其設定的最小值時，混合動力系統處于待機狀態，如圖6。發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 系統待機狀態

當系統處于饋電狀態時，即電容器組給系統供能，此時PC(t)lt;0；當系統處于再生制動狀態或待機狀態時，即系統給電容器組充電，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

混合動力系統驅動起升機構的負載電機，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，④→⑥過程中無集裝箱，是空載狀態[10]。在起升和卸載集裝箱的運動過程中，實際上集裝箱經過勻加速、勻速和勻減速運動，在勻加速過程中，系統需要大功率來驅動起升機構，在勻減速工程中，產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起重機的關鍵特性參數以及其負載需求分別見表1和表2[10]。只考慮穩態過程，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起重機的關鍵特性參數

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

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

J=EICE+λ×ESC+γ×ENon-re

(6)

這是發電機組和電容器組的運行規則函數。其中，EICE為發電機組燃油消耗的能量，ESC為電容器組產生的能量，ENon-re為非再生能量。λ和γ是常數權重，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 柴油發電機組燃油消耗成本

典型的柴油發電機燃料消耗通常近似為與發電機功率相關的二次函數[11]。

(7)

(8)

2.1.2 超級電容器組能量消耗成本

根據系統處于饋電、再生制動和待機這3種狀態時，相應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動機組給電容器組充電供能。因此結合公式(5)得

(9)

當從柴油發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)是理想狀態下，即在卸載集裝箱時產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，因為整體系統能耗，非再生能量依舊會產生。為了減少非再生能量的產生，考慮發電機組與電容器組整體的能量供應和負載需求間的差值，得出的非再生能量成本函數如下：

(10)

2.2 目標函數的約束條件

2) 電容器組的約束：根據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：要確保混合動力RTG系統能滿足負載的功率需求，因此PE(k)+PC(k)≥Pd(k)。

3 優化求解算法

在混合動力RTG中，電容器組的最初參數未知，這樣混合動力系統的初始狀態并不是確定的，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化結果。

遺傳算法是由美國Michigan大學的Holland教授于1969年提出，后來又經De Jong 、Goldberg等人歸納總結所形成的一類模擬進化算法，其本質是一種高效、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搜索空間的知識，并自適應地控制搜索過程以求得最優解[12]。

4 仿真實驗與比較

4.1 系統參數的設置

4.2 系統仿真實驗與結果

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，本文根據各操作時間分布，均勻選取40個采樣點，代表RTG的發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化工具箱進行計算，最終的出在最優情況下每個時刻點發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 采樣點優化后發電機組輸出功率圖

圖10 采樣點優化后電容器組的輸出功率圖

分別提取圖中發電機組和電容器組的數據重新進行處理。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。因此可以得出系統最優情況下每個時段發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 混合動力系統最優功率曲線圖

從圖11比較負載需求可以得出以下結論。在0～40 s運行階段，RTG起升機構提箱過程中，起升的瞬間是由電容器組提供瞬時功率，發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。因為整體系統有損耗，勢能并不能完全轉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，而發電機組以最低的輸出功率持續運行。在101～120 s運行階段，起升機構空載上升，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 與傳統控制方法實驗數據對比

傳統的RTG控制規則一般采用的是PID控制策略，在文章[12]中很好的體現了采用規則控制的混合動力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，實驗結果如圖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定并平穩運行，最后又迅速下降為零。

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

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

5 結論

為了使柴油發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，本文根據帶超級電容器的混合動力RTG的系統結構，建立數學模型從而得到以燃料成本為最優的目標函數，并采用遺傳算法對該目標函數進行求解。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值，從而分別得出在最優值的情況下采樣時刻的發電機組和電容器組的最優輸出功率。同時與傳統的混合動力RTG系統進行比較，RTG起升階段中優化算法下的各部分功率曲線與其趨勢相近，但是相比傳統規則控制下的實際工程應用能耗減小了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手冊[M]. 北京：機械工業出版社,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] 關志華. 面向多目標優化問題的遺傳算法的理論及應用研究[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。

上海市科學技術委員會科技創新行動計劃(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、無線電能傳輸技術方向的研究。

1671-4598(2017)09-0182-04

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

TP391.9

B