CN110718940B - 基于负荷预测的多能源船舶智能功率分配方法及装置 - Google Patents

Abstract

本申请公开了一种基于负荷预测的多能源船舶智能功率分配方法，包括：采集电力参数；确定各能源的实际输出功率；采集负荷功率实际值；确定负荷功率预测值；确定待分配的负荷功率；对待分配的负荷功率进行分解，将分解后的功率信号对应分配给相应的储能元件作为其负荷功率分配值；根据采用的多能源起停控制策略，对各能源的输出功率进行调整，控制储能元件的充放电状态及发电机的起停。本申请的方法增强负荷预测的真实性，利用小波分解，将高低频信号分解给不同性能的储能元件，增强船舶电网供电的稳定性，延长储能元件的使用寿命，减少船舶的柴油发电机频繁起停所带来的经济与环保问题。

Description

基于负荷预测的多能源船舶智能功率分配方法及装置

技术领域

本发明涉及多能源船舶功率分配，具体涉及一种基于负荷预测的多能源船舶智能功率分配方法及装置。

背景技术

为缓解能源问题和环境污染问题，新能源船舶成为未来船舶发展的重要方向，太阳能即具有相当潜力的绿色能源。随着技术的发展，光伏电池转换效率逐渐提高，光伏发电在船舶上具有广阔的应用前景。然而，基于太阳能的间歇性、船舶的面积、空间以及航行区域大的特点，在大型远洋船舶上，仅仅依靠光伏发电难以满足全船负载需求功率，亦难以保证船舶供电的可靠性，通常需要传统的柴油发电机电源。因此，采用柴油发电、太阳能发电及储能装置构成的船舶电力微网是多能源船舶电力系统的发展方向之一。船舶的驾控情况发生变化，其负荷功率需求也随之改变。为实现多能源供电与船舶驾控负荷的功率匹配，需要配合高校的功率分配方法和策略，解决新能源利用的瓶颈问题，延长设备使用寿命，提高供电的可靠性。

公告号为CN103332284B的发明专利，公开了一种混合动力船舶电力推进系统的能量管理与控制方法，虽然涉及到超级电容与锂电池，但是并没有根据不同储能装置的特性设计能量管理策略，且能量经多次转化使得效率较低。

公开号为CN203318671U的发明专利，公开了一种船用复合能源装置及设置有复合能源装置的船舶，但仅探讨了超级电容与蓄电池在船舶电网中的应用，并没有涉及作为辅助推进能源的作用以及超级电容与蓄电池能源的管理控制方法。

诸如上述专利的现有技术中虽然涉及到储能装置在船舶中的应用，但并未就如何充分应用光伏发电、储能装置以改善柴油发电机的性能提供合理的能源管理策略。

发明内容

发明目的：本发明目的是提供一种基于负荷预测的多能源船舶智能功率分配方法，通过利用改进的粒子群算法对任一时刻的复合功率进行预测，实现对多能源的功率进行合理分配，解决现有技术中多能源功率分配不合理，无法充分利用储能装置的缺陷。本发明的另一目的在于提供一种基于负荷预测的多能源船舶智能功率分配装置。

技术方案：本申请一方面提供了一种基于负荷预测的多能源船舶智能功率分配方法，包括：

(1)采集电力参数：利用电力参数采集器采集船舶各能源的电力参数；电力参数包括发电机、光伏板、储能元件的电压、电流，以及储能元件的剩余电量SOC；

(2)确定各能源的实际输出功率：根据采集到的的电力参数，分别确定发电机、光伏板和储能元件的实际输出功率；

(3)采集负荷功率实际值：根据船舶的驾控信息以及负荷采集器采集的各类负荷需求功率确定船舶的负荷功率实际值；

(4)确定负荷功率预测值：根据采集的负荷功率实际值，通过标准粒子群算法，利用负荷功率实际值与负荷功率预测值之间的关系对船舶的负荷功率进行预测，得到负荷功率预测值；

(5)确定待分配的负荷功率：将负荷功率预测值与光伏板的实际输出功率的差值作为待分配的负荷功率；

(6)对待分配的负荷功率进行一次小波分解，得到高频功率信号、第一低频功率信号和第二低频功率信号，并根据储能元件的属性，将分解后的功率信号对应分配给相应的储能元件，作为储能元件的负荷功率分配值；

(7)根据采用的多能源起停控制策略，将负荷功率分配值与实际输出功率进行对比，结合储能元件的剩余电量，对各能源的输出功率进行调整，控制储能元件的充放电状态及发电机的起停。

进一步地，在步骤(4)中采用以下步骤确定负荷功率的预测值：

(41)将采集的负荷功率实际值中的异常数据进行辨识和预处理，并对预处理后的负荷功率实际值的历史数据进行拟合，得到负荷波动趋势；

(42)采用标准粒子群算法，设置粒子速度和位置信息，得到粒子群算法预测值；

(43)对比负荷功率实际值的历史数据和粒子群算法预测值，得到实际值与预测值之间的相对误差E_RE及平均相对误差E_ERE，二者通过下述公式可得：

Y’为粒子群算法预测值，Y为负荷功率实际值的历史数据；n为采集的历史数据数量，i∈[1，n]，i为正整数；

(44)将平均相对误差定义为新的相对误差，将平均相对误差E_ERE与负荷功率实际值的历史数据回代公式(1)得到任一时刻预测值作为负荷功率的预测值。

进一步地，储能元件包括超级电容和蓄电池；在步骤(6)中，将高频功率信号和第一低频信号分配给超级电容，将第二低频信号分配给蓄电池。

进一步地，光伏板利用最大功率点追踪技术控制单相DC/DC换流器，以便光伏板能稳定输出其最大功率。

进一步地，在步骤(7)中，多能源控制起停策略包括：

(71)设定储能元件剩余电量的充电阈值；

(72)持续判断储能元件的剩余电量是否越限：若储能元件的剩余电量小于充电阈值，则直接启动发电机，同时控制切换储能元件为充电模式，此时光伏板与发电机为船舶提供能量；否则：

(73)比较储能元件的输出功率与储能元件的负荷功率分配值的大小：若输出功率大于负荷功率的分配值，则减少储能元件的输出功率；否则增大储能元件的输出功率；

(74)判断储能元件的输出功率能否满足储能元件负荷功率分配值的需求：若无法满足，则启动发电机，将第一低频功率信号分配给发电机。

另一方面，本申请还提供了一种基于负荷预测的多能源船舶智能功率分配装置，包括：

电力参数采集模块，用于采集船舶各能源的电力参数；电力参数包括发电机、光伏板、储能元件的电压、电流，以及储能元件的剩余电量SOC；

实际输出功率确定模块，用于根据采集到的的电力参数，分别确定发电机、光伏板和储能元件的实际输出功率；

负荷功率采集模块，用于根据船舶的驾控信息以及负荷采集器采集的各类负荷需求功率确定船舶的负荷功率实际值；

负荷功率预测模块，用于根据采集的负荷功率实际值，通过标准粒子群算法，利用负荷功率实际值与负荷功率预测值之间的关系对船舶的负荷功率进行预测，得到负荷功率预测值；

待分配负荷功率确定模块，用于将负荷功率预测值与光伏板的实际输出功率的差值作为待分配的负荷功率；

功率信号分解模块，用于对待分配的负荷功率进行一次小波分解，得到高频功率信号、第一低频功率信号和第二低频功率信号，并根据储能元件的属性，将分解后的功率信号对应分配给相应的储能元件，作为储能元件的负荷功率分配值；

执行控制模块，用于根据采用的多能源起停控制策略，将负荷功率分配值与实际输出功率进行对比，结合储能元件的剩余电量，对各能源的输出功率进行调整，控制储能元件的充放电状态及发电机的起停。

进一步地，负荷功率预测模块采用以下步骤确定负荷功率的预测值：

(41)将采集的负荷功率实际值中的异常数据进行辨识和预处理，并对预处理后的负荷功率实际值的历史数据进行拟合，得到负荷波动趋势；

(42)采用标准粒子群算法，设置粒子速度和位置信息，得到粒子群算法预测值；

(43)对比负荷功率实际值的历史数据和粒子群算法预测值，得到实际值与预测值之间的相对误差E_RE及平均相对误差E_ERE，二者通过下述公式可得：

Y’为粒子群算法预测值，Y为负荷功率实际值的历史数据；n为采集的历史数据数量，i∈[1，n]，i为正整数；

(44)将平均相对误差定义为新的相对误差，将平均相对误差E_ERE与负荷功率实际值的历史数据回代公式(1)得到任一时刻预测值作为负荷功率的预测值。

进一步，储能元件包括超级电容和蓄电池；功率信号分解模块将高频功率信号和第一低频信号分配给超级电容，将第二低频信号分配给蓄电池。

进一步地，光伏板利用最大功率点追踪技术控制单相DC/DC换流器，以便光伏板能稳定输出其最大功率。

进一步地，执行控制模块采用的多能源控制起停策略包括：

(71)设定储能元件剩余电量的充电阈值；

(72)持续判断储能元件的剩余电量是否越限：若储能元件的剩余电量小于充电阈值，则直接启动发电机，同时控制切换储能元件为充电模式，此时光伏板与发电机为船舶提供能量；否则：

(73)比较储能元件的输出功率与储能元件的负荷功率分配值的大小：若输出功率大于负荷功率的分配值，则减少储能元件的输出功率；否则增大储能元件的输出功率；

(74)判断储能元件的输出功率能否满足储能元件负荷功率分配值的需求：若无法满足，则启动发电机，将第一低频功率信号分配给发电机。

有益效果：与现有技术相比，本申请具有以下优点：

本申请的负荷预测算法，考虑误差因素，对传统的粒子群负荷预测算法进行改进，通过对历史负荷信息的拟合，得出负荷的实时动向，利用预测值与负荷真实值之间的平均相对误差以及预测值与真实值相对误差得到任一时刻的更为精确的负荷功率预测值，增强负荷预测的真实性。

本申请利用小波分解，将需要分配的功率分解为高频信号和两个低频信号，结合超级电容和蓄电池的不同特定，更好的将高低频信号分解给不同性能的储能元件，增强船舶电网供电的稳定性，提高电网电能质量。

本申请持续监控储能元件的剩余电量并设定充电阈值，减少了储能元件的频繁充放电；同时对柴油发电机作出了起停标准，既可以延长储能元件的使用寿命，又能减少船舶的柴油发电机频繁起停所带来的经济与环保问题。且本申请所用器件较少，体积小，成本低，易于更新维护，方便安装使用。

附图说明

图1为本申请的多能源船舶电力系统结构示意图；

图2为本申请的多能源船舶智能功率分配方法流程图；

图3为本申请参数采集、负荷采集和负荷预测的示意图；

图4为本申请的多能源起停控制策略流程图。

具体实施方式

下面结合附图和实施例对本发明做进一步描述：

本申请一方面提供了一种基于负荷预测的多能源船舶智能功率分配方法，如图1所示，多能源包括太阳能光伏板、柴油发电机、储能元件，其中储能元件包括超级电容和蓄电池，本申请的方法的流程如图2所示，包括：

(1)采集电力参数：如图3所示，利用电力参数采集器采集船舶各能源的电力参数；电力参数包括发电机、光伏板、储能元件的电压、电流，以及储能元件的剩余电量SOC；采集的电力参数可通过CAN总线/RS485来完成传输；本实施例中的储能元件采用超级电容和锂电池。

(2)确定各能源的实际输出功率：根据采集到的的电力参数，分别确定发电机、光伏板和储能元件的实际输出功率；其中光伏板利用最大功率点追踪技术控制单相DC/DC换流器，以便光伏板能稳定输出其最大功率。

(3)采集负荷功率实际值：通过以太网接收船舶的驾控信息，根据船舶的驾控信息以及负荷采集器采集的各类负荷需求功率确定船舶的负荷功率实际值。船舶上的负荷主要有推进电机、各种泵，通常可分为一、二、三级负荷。

(4)确定负荷功率预测值：根据采集的负荷功率实际值，通过标准粒子群算法，利用负荷功率实际值与负荷功率预测值之间的关系对船舶的负荷功率进行预测，得到负荷功率预测值；具体的预测方法包括以下步骤：

(41)将采集的负荷功率实际值中的异常数据进行辨识和预处理，并对预处理后的负荷功率实际值的历史数据进行拟合，得到负荷波动趋势；

(42)采用改进的标准粒子群优化算法，设置粒子速度和位置信息，得到粒子群算法预测值P_c。

在本发明的实施例中，负荷功率的预测值P_e采用改进的标准粒子群算法进行。传统的粒子群负荷预测算法虽然精确度较高，但是由于船舶运行工况的复杂性，往往会使负荷的预测出现较大的误差。针对传统的粒子群负荷预测算法，添加任一时刻的误差系数与时间进行拟合，利用这个误差纠正系数，就得到相对较为精确的预测负荷值。具体的步骤如下：

对于一个具有m个粒子的种群，则该种群可记为S_warm＝(x₁，x₂，...，x_m)；则第i个粒子t时刻在d中的位置可表示为x_i ^t＝(x_i1 ^t，x_i2 ^t，...，x_id ^t)，i＝1，2，...，m，其中d表示粒子的维数。根据公式v_id ^t+1＝wv_id ^t+c₁r₁(p_id-x_id′)+c₂r₂(p_gd-x_id′)和公式x_id ^t+1＝x_id ^t+v_id ^t+1，其中，w为惯性因子；c₁、c₂表示加速常数，通常大于0；r₁、r₂表示在区间0和1之间的随机数，可以得到第i个粒子在t时刻的速度v_i ^t＝(v_i1 ^t，v_i2 ^t，...v_id ^t)和位置，且第i个粒子搜索到的个体极值可表示为p_i＝(p_i1，p_i2，...p_id)，第i个粒子在各种群中搜索到的最优值可表示为p_g＝(p_g1，p_g2，...p_gd)。

粒子在下一时刻的速度，还需满足下列约束条件：

v_id ^t+1≤v_max

p_id ^t∈(x_1d ^t，x_2d ^t，...，x_md ^t|f(x_id ^t)}＝min(f(x_1d ^t)，f(x_2d ^t)，...，f(x_md ^t))

p_gd∈{p_1d ^t，p_2d ^t，...，p_md ^t|f(p_id ^t)}＝min(f(p_1d ^t)，f(p_2d ^t)，...，f(p_md ^t))

上式中v_max表示设定粒子飞行的最大速度，通常设定为变化范围的10％到20％。

通常，在标准粒子群算法搜索中，一般采用动态惯性权重，即惯性因子w是成动态变化的。要想获得比较理想的预测结果，动态权重用线性递减权重的方法来处理的。方法如下：

上式中，T_max表示最大迭代次数；w_min表示初始惯性权重；w_max表示最大惯性权重。惯性因子w∈[0.4，0.9]。

改良后的粒子群优化算法的基本流程如下：

S1：参数初始化设置。设置种群的规模为m、惯性权重系数w、最大速度V_max、加速常数C₁和C₂、最大迭代次数t_max等参数的值。

S2：在搜索区域中，任意指定粒子种群中每个粒子的速度和位置，将每个粒子的p_ibest设定为当前粒子的位置；并按公式

p_gd∈{p_1d ^t，p_2d ^t，...，p_md ^t|f(p_id ^t)}＝min(f(p_1d ^t)，f(p_2d ^t)，...，f(p_md ^t))

进行比较，选出适应度最小的值作为当前种群的最优值g_best。

S3：使粒子按照v_id ^t+1＝wv_id ^t+c₁r₁(p_id-x_id′)+c₂r₂(p_gd-x_id′)更新每个粒子的速度；按照公式v_id ^t+1≤v_max约束粒子的速度，按照公式x_id ^t+1＝x_id ^t+v_id ^t+1更新各粒子的位置，对于超出搜索空间粒子的位置进行重置。

S4：根据当前粒子的位置，计算各粒子位置的目标函数值，然后再根据以下两个公式比较出每个粒子的个体历史最优位置P_ibest与整个群体的最优位置g_best；

p_id ^t∈{x_1d ^t，x_2d ^t，...，x_md ^t|f(x_id ^t)}＝min(f(x_1d ^t)，f(x_2d ^t)，...，f(x_md ^t))

p_gd∈{p_1d ^t，p_2d ^t，...，p_md ^t|f(p_id ^t)}＝min(f(p_1d ^t)，f(p_2d ^t)，...，f(p_md ^t))

S5：判断K≤t_max。若K＞t_max，则停止搜索，输出寻优结果，即为当前粒子群算法预测值P_c，否则返回S3继续搜索。

(43)对比负荷功率实际值的历史数据和粒子群算法预测值P_c，得到实际值与预测值之间的相对误差E_RE及平均相对误差E_ERE，二者通过下述公式可得：

Y’取粒子群算法预测值P_c，Y为负荷功率实际值的历史数据；n为采集的历史数据数量，i∈[1，n]，i为正整数；

(44)将平均相对误差定义为新的相对误差，将平均相对误差E_ERE与负荷功率实际值的历史数据回代公式(1)，即Y取负荷功率实际值，E_RE取E_ERE，得到任一时刻预测值作为负荷功率的预测值P_e。

(5)确定待分配的负荷功率P_e’：将负荷功率预测值与光伏板的实际输出功率的差值作为待分配的负荷功率。

(6)对待分配的负荷功率进行一次小波分解，得到高频功率信号、第一低频功率信号和第二低频功率信号；超级电容功率密度较大、受用寿命长，锂电池的能量密度较大，但是动态性能较差，故将分解后的高频功率信号P_G分配给超级电容，将第二低频信号P_D2分配给蓄电池，作为各自的负荷功率分配值；对于第一低频信号P_D1，若此时柴油发电机启动，则将低频信号P_D1直接分配给柴油发电机；否则，分配给超级电容。

(7)根据采用的多能源起停控制策略，将负荷功率分配值与实际输出功率进行对比，结合储能元件的剩余电量，对各能源的输出功率进行调整，通过控制器的脉冲调制(PWM)调整储能变流器的输出占空比，调节各自的输出功率，控制储能元件的充放电状态及发电机的起停。

其中，多能源控制起停策略如图4所示，设当前储能元件的输出功率为P1，功率分配控制模块分配的功率为P2，该策略包括：

设定储能元件剩余电量的充电阈值，例如将充电阈值设置为20％，即当储能元件放电至剩余电量小于20％，即为越限；

持续判断储能元件的剩余电量是否越限：储能元件的剩余电量SOC小于20％，则直接启动发电机，同时控制切换储能元件为充电模式，此时光伏板与发电机为船舶提供能量，船舶运行为光柴运行模式；否则：

比较储能元件的输出功率P1与储能元件的负荷功率分配值P2的大小：若P1＞P2，则减少储能元件的输出功率P1；否则增大储能元件的输出功率P1；

增大P1时，判断储能元件的输出功率P1能否满足储能元件负荷功率分配值P2的需求，即P1能否增至大于P2：若无法满足，则启动发电机，将第一低频功率信号P_D1分配给发电机，如果此时的柴油发电机输出功率仍有富余，而锂电池和超级电容的剩余电量小于20％，则控制其切换为充电模式；如果大于20％，维持其放电状态。

另一方面，本申请还提供了一种基于负荷预测的多能源船舶智能功率分配装置，包括：

电力参数采集模块，用于采集船舶各能源的电力参数；电力参数包括发电机、光伏板、储能元件的电压、电流，以及储能元件的剩余电量SOC。

实际输出功率确定模块，用于根据采集到的的电力参数，分别确定发电机、光伏板和储能元件的实际输出功率；储能元件包括超级电容和锂电池；光伏板利用最大功率点追踪技术控制单相DC/DC换流器，以便光伏板能稳定输出其最大功率。

负荷功率采集模块，用于根据船舶的驾控信息以及负荷采集器采集的各类负荷需求功率确定船舶的负荷功率实际值。船舶上的负荷包括推进电机、各类的泵，可以分为一、二、三级负荷。

负荷功率预测模块，用于根据采集的负荷功率实际值，通过标准粒子群算法，利用负荷功率实际值与负荷功率预测值之间的关系对船舶的负荷功率进行预测，得到负荷功率预测值。预测方法具体如下：

负荷功率预测模块采用以下步骤确定负荷功率的预测值：

(41)将采集的负荷功率实际值中的异常数据进行辨识和预处理，并对预处理后的负荷功率实际值的历史数据进行拟合，得到负荷波动趋势；

(42)采用标准粒子群算法，设置粒子速度和位置信息，得到粒子群算法预测值；

(43)对比负荷功率实际值的历史数据和粒子群算法预测值，得到实际值与预测值之间的相对误差E_RE及平均相对误差E_ERE，二者通过下述公式可得：

Y’为粒子群算法预测值，Y为负荷功率实际值的历史数据；n为采集的历史数据数量，i∈[1，n]，i为正整数；

(44)将平均相对误差定义为新的相对误差，将平均相对误差E_ERE与负荷功率实际值的历史数据回代公式(1)得到任一时刻预测值作为负荷功率的预测值。

待分配负荷功率确定模块，用于将负荷功率预测值与光伏板的实际输出功率的差值作为待分配的负荷功率；

功率信号分解模块，用于对待分配的负荷功率进行一次小波分解，得到高频功率信号、第一低频功率信号和第二低频功率信号，并根据储能元件的属性，功率信号分解模块将高频功率信号和第一低频信号分配给超级电容，将第二低频信号分配给锂电池，作为储能元件各自的负荷功率分配值；

执行控制模块，用于根据采用的多能源起停控制策略，将负荷功率分配值与实际输出功率进行对比，结合储能元件的剩余电量，对各能源的输出功率进行调整，控制储能元件的充放电状态及发电机的起停。

执行控制模块采用的多能源控制起停策略包括：

(71)设定储能元件剩余电量的充电阈值；

(72)持续判断储能元件的剩余电量是否越限：若储能元件的剩余电量小于充电阈值，则直接启动发电机，同时控制切换储能元件为充电模式，此时光伏板与发电机为船舶提供能量；否则：

(73)比较储能元件的输出功率与储能元件的负荷功率分配值的大小：若输出功率大于负荷功率的分配值，则减少储能元件的输出功率；否则增大储能元件的输出功率；

(74)判断储能元件的输出功率能否满足储能元件负荷功率分配值的需求：若无法满足，则启动发电机，将第一低频功率信号分配给发电机。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、装置(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (6)

1.一种基于负荷预测的多能源船舶智能功率分配方法，其特征在于，包括：

（1）采集电力参数：利用电力参数采集器采集船舶各能源的电力参数；所 述电力参数包括发电机、光伏板、储能元件的电压、电流，以及储能元件的剩余电量 SOC；

（2）确定各能源的实际输出功率：根据采集到的电力参数，分别确定发电 机、光伏板和储能元件的实际输出功率；

（3）采集负荷功率实际值：根据船舶的驾控信息以及负荷采集器采集的各 类负荷需求功率确定船舶的负荷功率实际值；

（4）确定负荷功率预测值：根据采集的负荷功率实际值，通过标准粒子群 算法，利用负荷功率实际值与负荷功率预测值之间的关系对船舶的负荷功率进行 预测，得到负荷功率预测值；

（5）确定待分配的负荷功率：将负荷功率预测值与光伏板的实际输出功率 的差值作为待分配的负荷功率；

（6）对待分配的负荷功率进行一次小波分解，得到高频功率信号、第一低 频功率信号和第二低频功率信号，并根据储能元件的属性，将分解后的功率信号 对应分配给相应的储能元件，作为储能元件的负荷功率分配值；

将分解后的高频功率信号 P_G分配给超级电容，将第二低频功率信号 P_D2 分配给蓄电池，作为各自的负荷功率分配值；对于第一低频功率信号 P_D1，若此时柴油发电机启动，则将第一低频功率信号 P_D1直接分配给柴油发电机；否则，分配给超级电容；

（7）根据采用的多能源起停控制策略，将所述负荷功率分配值与所述实际 输出功率进行对比，结合储能元件的剩余电量，对各能源的输出功率进行调整， 控制储能元件的充放电状态及发电机的起停； 在步骤（4）中采用以下步骤确定负荷功率的预测值：

（41）将采集的负荷功率实际值中的异常数据进行辨识和预处理，并对预处 理后的负荷功率实际值的历史数据进行拟合，得到负荷波动趋势；

（42）采用标准粒子群算法，设置粒子速度和位置信息，得到粒子群算法预测值；

（43）对比负荷功率实际值的历史数据和所述粒子群算法预测值，得到实际值与预测值之间的相对误差E_RE及平均相对误差E_ERE，二者通过下述公式可得：

为粒子群算法预测值，Y 为负荷功率实际值的历史数据；n为采集的历史数据数量，

，i 为正整数；

（44）将平均相对误差定义为新的相对误差，将平均相对误差E_ERE与负荷功率实际值的历史数据回代公式（1）得到任一时刻预测值作为负荷功率的预测值。

2.根据权利要求1所述的方法，其特征在于，所述光伏板利用最大功率点追踪技术控制单相 DC/DC 换流器，以便所述光伏板能稳定输出其最大功率。

3.根据权利要求1所述的方法，其特征在于，在步骤（7）中，所述多能源控制起停策略包括：

（71）设定储能元件剩余电量的充电阈值；

（72）持续判断储能元件的剩余电量是否越限：若储能元件的剩余电量小于 充电阈值，则直接启动发电机，同时控制切换储能元件为充电模式，此时光伏板与发电机为船舶提供能量；否则：

（73）比较储能元件的输出功率与储能元件的负荷功率分配值的大小：若输出功率大于负荷功率的分配值，则减少储能元件的输出功率；否则增大储能元件的输出功率；

（74）判断储能元件的输出功率能否满足储能元件负荷功率分配值的需求： 若无法满足，则启动发电机，将第一低频功率信号分配给发电机。

4.一种基于负荷预测的多能源船舶智能功率分配装置，其特征在于，包括：

电力参数采集模块，用于采集船舶各能源的电力参数；所述电力参数包括发电机、光伏板、储能元件的电压、电流，以及储能元件的剩余电量 SOC；

实际输出功率确定模块，用于根据采集到的电力参数，分别确定发电机、光伏板和储能元件的实际输出功率；

负荷功率采集模块，用于根据船舶的驾控信息以及负荷采集器采集的各类负荷需求功率确定船舶的负荷功率实际值；

负荷功率预测模块，用于根据采集的负荷功率实际值，通过标准粒子群算法， 利用负荷功率实际值与负荷功率预测值之间的关系对船舶的负荷功率进行预测，得到负荷功率预测值；

待分配负荷功率确定模块，用于将负荷功率预测值与光伏板的实际输出功率的差值作为待分配的负荷功率；

功率信号分解模块，用于对待分配的负荷功率进行一次小波分解，得到高频 功率信号、第一低频功率信号和第二低频功率信号，并根据储能元件的属性，将分解后的功率信号对应分配给相应的储能元件，作为储能元件的负荷功率分配值；

将分解后的高频功率信号 P_G分配给超级电容，将第二低频功率信号 P_D2 分配给蓄电池，作为各自的负荷功率分配值；对于第一低频功率信号P_D1，若此时柴油发电机启动，则将第一低频功率信号 P_D1直接分配给柴油发电机；否则，分配给超级电容；

执行控制模块，用于根据采用的多能源起停控制策略，将所述负荷功率分配 值与所述实际输出功率进行对比，结合储能元件的剩余电量，对各能源的输出功率进行调整，控制储能元件的充放电状态及发电机的起停；

所述负荷功率预测模块采用以下步骤确定负荷功率的预测值：

（41）将采集的负荷功率实际值中的异常数据进行辨识和预处理，并对预处理后的负荷功率实际值的历史数据进行拟合，得到负荷波动趋势；

（42）采用标准粒子群算法，设置粒子速度和位置信息，得到粒子群算法预测值；

（43）对比负荷功率实际值的历史数据和所述粒子群算法预测值，得到实际值与预测值之间的相对误差E_RE及平均相对误差E_ERE，二者通过下述公式可得：

为粒子群算法预测值，Y 为负荷功率实际值的历史数据；n为采集的历史数据数量，

，i 为正整数；

（44）将平均相对误差定义为新的相对误差，将平均相对误差E_ERE与负荷功率实际值的历史数据回代公式（1）得到任一时刻预测值作为负荷功率的预测值。

5.根据权利要求 4 所述的装置，其特征在于，所述光伏板利用最大功率点追踪技术控制单相DC/DC 换流器，以便所述光伏板能稳定输出其最大功率。

6.根据权利要求 4 所述的装置，其特征在于，所述执行控制模块采用的多能 源控制起停策略包括： （71）设定储能元件剩余电量的充电阈值；

（72）持续判断储能元件的剩余电量是否越限：若储能元件的剩余电量小于充电阈值，则直接启动发电机，同时控制切换储能元件为充电模式，此时光伏板 与发电机为船舶提供能量；否则：

（73）比较储能元件的输出功率与储能元件的负荷功率分配值的大小：若输出功率大于负荷功率的分配值，则减少储能元件的输出功率；否则增大储能元件的输出功率；

（74）判断储能元件的输出功率能否满足储能元件负荷功率分配值的需求： 若无法满足，则启动发电机，将第一低频功率信号分配给发电机。

Images