Real-Time Energy Management of Low-Carbon Ship Microgrid Based on Data-Driven Stochastic Model Predictive Control

Hui Hou, Ming Gan, Xixiu Wu, Kun Xie, Zeyang Fan, Changjun Xie, Ying Shi, Liang Huang

期刊简介

CSEE JPES，中国电机工程学会主办期刊，出版范围涵盖电力与能源交叉学科，聚焦以可再生能源、电力电子器件、综合能源系统和先进电气设备为主的新一代能源电力系统。JCR分区：ENGINEERING, ELECTRICAL & ELECTRONIC Q1/ENERGY & FUELS Q2，中科院分区：2区，影响因子：3.938

1.Highlights

• 提出数据驱动随机模型预测控制策略，用以含光伏的低碳船舶微网实时能量管理
• 所提策略在保留随机模型预测控制优化性能的同时，有效降低计算量，兼顾能量管理实时性需求
• 船舶光伏、负荷场景集考虑了预测误差时序相关性

2.Abstract

随着船舶碳排放限制的日益严格，利用太阳能等零碳能源替代传统化石能源已成为船舶发展的趋势。但太阳能和负荷的不确定性给船舶能量管理带来了巨大挑战。为了应对不确定性和实时性要求，促进船舶零碳能源的应用，提出了一种基于数据驱动随机模型预测控制的实时能量管理策略。首先，通过概率预测、等概率逆变换场景集生成和同步回代法场景集削减建立了考虑预测误差时间序列相关性的船舶光伏和负荷场景集。其次，结合场景预测信息、滚动优化及反馈校正环节，提出了一种随机模型预测控制能量管理策略。在每种场景下，所提策略具有最低期望运行成本。并利用基于闭环运行的样本生成方法训练随机森林机器学习回归算法，近似随机模型预测控制的控制动作。最后，对某含光伏的低碳船舶微网进行了仿真验证。仿真结果表明，所提策略不仅可以实现实时应用，而且运行成本和碳排放优化性能接近随机模型预测控制。

3.Keywords

时序相关性、机器学习、数据驱动随机模型预测控制、实时能量管理、低碳船舶微电网