基于非线规划算法的船舶能量调度
拟开展能量调度小论文学习分享心得系列文章
1.基于非线规划算法的船舶能量调度
- 拟开展能量调度小论文学习分享心得系列文章
- 前言
- 一、解决方案
- 二、仿真实验：
- 三、总结：
前言
在使用深度强化学习算法（Deep Reinforce Learning,DRL）舶能量调度问题中，对智能体调度的结果难以判断，因此需要给出一个基准最优解，使得对智能体的调度结果能做出正确的评价，有助于增强DRL能量调度算法的说服力，同时对DRL能量调度算法的改进具有引导作用。
一、解决方案
系统建模：
首先建立船舶电力系统模型，以发电机组（包括柴油发电机组和燃气轮机发电机组）、能量存储系统(Energy Storage System,ESS)、负载（包括服务负载和推进负载）所构成的全电力船舶（All-Electric Ships,AES）电力系统为研究对象，其示意图如图1所示，其中能量流表示系统能量流向，信息流表示系统内部信息传递以及与能量管理中心之间的通信，即能量管理中心根据负荷变化动态调整各发电机组和ESS出力（出力为负表示充电，为正表示放电），为负载提供功率支撑，下面对各分系统建立能