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