面向冷藏集裝箱船的制冷功率平衡控制方法及其控制系統的制作方法
【技術領域】
[0001] 本發明涉及制冷控制研究領域，特別涉及一種面向冷藏集裝箱船的制冷功率平衡 控制方法及其控制系統。
【背景技術】
[0002] 現有冷藏集裝箱船對集裝箱的控制相互獨立，船上缺乏對冷藏集裝箱制冷功率的 統一管理，導致其負載功率變化隨機性大，可能會出現較大的峰值功率。船上制冷發電機組 的配置必須根據冷藏集裝箱制冷的最大概率工況進行配置以保證船上的電力安全，長期的 航運實踐數據表明，當前主流的電站設計與使用長期處于不飽和狀態，導致船上電力系統 安全冗余量極大，系統造價遠遠高于實際需求。另外，發電機組長期低負荷率運行，導致發 電機組油耗效率低；同時，可能出現的頻繁峰-谷變化也會導致船上的發電機組難以長時 間以合適的負荷率經濟運行，導致發電機組油耗偏高，造成船舶營運成本增加。
[0003] 冷藏集裝箱運輸過程中的能耗過程事實上是將集裝箱內外所產生或傳入的熱量 通過壓縮機及通風系統轉移到箱體外部，控制箱內溫度場保持在一定范圍內的過程。因此， 冷藏箱內溫度場分布的變化將直接影響制冷系統的能量消耗。當前，對冷藏箱能耗的分析 主要采用基于熱平衡的機理建模方法。該方法從傳熱機理出發，首先建立冷藏箱的傳熱學 模型，然后逐時逐步分析能耗的構成和變化，得到其動態構成及變化規律。這種方法計算較 為繁瑣，所需參數較多，辨識困難，但模型精度較高。然而這種方法往往需要針對具體的集 裝箱進行具體分析，對于裝載成百上千個冷藏集裝箱的集裝箱船來說，這種分析方法顯然 是難以實現的。
[0004] 對冷藏集裝箱船進行制冷功率平衡控制必須在不影響貨物質量和船上電力安全 的基礎上進行，而帶負荷控制的冷藏集裝箱供需優化匹配與調控問題非常復雜且規模巨 大，需要在滿足控制精度、系統可靠性等多種約束的條件下，保證柴油發電機組在適當的負 荷率下較為平穩地進行功率輸出，以保障發電機組經濟運行，以降低制冷負荷電力需求峰 谷差值和油耗，同時減少船舶電力系統安全冗余量。其本質上是一個高維的混合整數非線 性多目標優化問題。此外，由于系統結構多變，傳統的基于凸函數理論的優化方法難以直接 應用。
【發明內容】
[0005] 本發明的目的在于克服現有技術的缺點與不足，提供一種面向冷藏集裝箱船的制 冷功率平衡控制方法，該方法實現了在滿足貨物質量要求的前提下，最大化發電機組油耗 和集裝箱外部散熱風機效率。
[0006] 本發明的另一目的在于提供一種實現上述面向冷藏集裝箱船的制冷功率平衡控 制方法的控制系統，該控制系統實現了對冷藏集裝箱制冷功率的統一管理，能夠達到維持 負載功率平衡、提高貨物的裝載容量或者降低裝機容量、降低船舶建造與運行成本的目的。
[0007] 本發明的目的通過以下的技術方案實現：面向冷藏集裝箱船的制冷功率平衡控制 方法，包括步驟：
[0008] (1)采集冷藏集裝箱運行狀態、環境溫濕度、貨艙風機運行狀態、風速、光照度；
[0009] (2)對接收到的信息進行提取處理；
[0010] (3)根據上述信息，建立溫度變化與能耗預測神經網絡模型，通過極端學習機訓練 神經網絡，預測出每個冷藏集裝箱制冷狀態達到臨界溫度點的時間和能耗；
[0011] ⑷根據每個冷藏箱制冷狀態達到臨界溫度點的時間和能耗，結合柴油發電機負 荷率-油耗曲線、貨艙風機運行狀態，建立多目標功率平衡與優化調度模型，通過人工螢火 蟲群優化算法求解冷藏集裝箱的控制與優化調度策略；
[0012] (5)將上述冷藏集裝箱的控制與優化調度策略發送到執行控制器，執行控制器發 送控制指令到冷藏集裝箱和貨艙風機。
[0013] 優選的，所述步驟（3)中，神經網絡預測模型包括輸入層、隱含層和輸出層的，所 述輸入層的輸入為冷藏集裝箱運行狀態、環境溫濕度、貨艙風機運行狀態、風速、光照度；所 述輸出層的輸出為每個冷藏集裝箱制冷狀態達到臨界溫度點的時間和能耗；所述神經網絡 采用相關因素法建立模型，通過極端學習機訓練神經網絡。
[0014] 優選的，所述步驟（4)中，建立多目標功率平衡與優化調度模型的步驟如下：
[0015] (4-1)給定冷藏集裝箱船上共有N個冷藏集裝箱，Μ個貨艙風機，其中第i個冷藏 集裝箱在時刻t進行制冷，功率表示為Pi (t)，啟停狀態表示為Ul (t)，貨艙風機啟動時按恒 功率Pw運行，第j個貨艙風機的啟停狀態表示為v j (t);假設第i個冷藏集裝箱要求的制冷 溫度為!：:，波動范圍為￡1，因此允許的溫度控制范圍為[1：-〃，1：+&]，第1個冷藏集裝箱 內t時刻的溫度為T1⑴，那么t+Ι時刻的T1 (t+Ι)采用神經網絡建立的模型表示為：
[0016] r(t+l) =F(T1(t),P1(t),...)；
[0017] (4-2)建立目標函數：
[0018] 冷藏集裝箱船的優化調度目的之一是減少尖峰負荷，降低電力系統安全冗余量， 因此目標函數表示為：
[0020] 式中，Pmax代表冷藏集裝箱進行冷卻時的最大功率，α代表期望的冷藏集裝箱船冷 卻系統功率水平，Ul (t)和Vj (t)都為取值0或者1的二值變量，當取值為0時表示停機，取 1表示啟動；
[0021] (4-3)建立約束條件：
[0022] 每個冷藏集裝箱的冷卻功率受到一定的物理限制，可用如下約束條件表示：
[0023] Pmin^ Ρχα) ^ Pmax；
[0024] 冷藏集裝箱船的電力系統需要實時滿足冷藏集裝箱的制冷需求，保持每個集裝箱 內的溫度在允許的變化范圍內：
[0027] 此外，冷藏集裝箱啟動制冷時，貨艙風機必須啟動（一臺貨艙風機負責給數個冷 藏集裝箱進行散熱），假設第k個貨艙風機負責第1，1+1，...，1+n個集裝箱，其約束條件可 按下式表示：
[0029] 優選的，冷藏集裝箱船的優化調度的另一目的是降低系統的能耗，為達到該目的， 所述步驟（4-2)中的目標函數替換為：
[0031] 優選的，所述步驟（4)中，冷藏集裝箱的控制與優化調度策略通過Pareto最優解 集的多目標人工螢火蟲群優化算法求解，步驟是：給定螢火蟲群規模，初始化螢火蟲位置， 依據Pareto最優解定義比較初始的所有螢火蟲，選取其中的最優螢火蟲，將其作為初始的 最優Pareto解放入一個"Pareto庫"中；然后，計算每個目標函數的適應度值，用平均適應 度值更新熒光素值；在以后的迭代過程中，更新產生的螢火蟲與該"Pareto庫"中的螢火蟲 不斷進行信息交換和共享，并隨時更新"Pareto庫"中的數據，直至迭代結束。
[0032] 面向冷藏集裝箱船的制冷功率平衡控制系統，包括：
[0033] 數據收發模塊，用于接收傳感器發送的冷藏集裝箱運行狀態、環境溫濕度、貨艙風 機運行狀態、風速、光照度等信息并發送給處理模塊；
[0034] 處理模塊，用于對接收到的信息進行提取處理后發送給溫度變化與能耗預測模 塊；
[0035] 溫度變化與能耗預測模塊，用于根據上述信息，采用神經網絡的方法，通過極端學 習機訓練神經網絡，預測出每個冷藏集裝箱制冷狀態達到臨界溫度點的時間和能耗，并將 其發送給控制與優化調度模塊；
[0036] 控制與優化調度模塊，用于根據每個冷藏箱制冷狀態達到臨界溫度點的時間和能 耗，結合柴油發電機負荷率-油耗曲線、貨艙風機運行狀態，建立多目標功率平衡與優化調 度模型，通過人工螢火蟲群優化算法求解冷藏集裝箱的控制與優化調度策略；最后將上述 冷藏集裝箱的控制與優化調度策略發送到外部執行控制器以用于控制冷藏集裝箱和貨艙 風機的運行。
[0037] 本發明與現有技術相比，具有如下優點和有益效果：
[0038] 本發明提出了一種面向冷藏集裝箱船的制冷功率平衡控制方法和控制系統，可實 現對冷藏集裝箱制冷功率的統一調度管理，縮小負載制冷功率峰谷差，維持功率平穩，保障 發電機組在航運過程中以合適的負荷率運行，維持負載功率基本平衡、提高貨物的裝載容 量或者降低裝機容量，降低船舶建造與運行成本。
【附圖說明】
[0039] 圖1為本發明面向冷藏集裝箱船的制冷功率平衡控制系統結構圖。
[0040] 圖2為本發明面向冷藏集裝箱船的制冷功率平衡控制方法的流程圖。
[0041] 圖3為本發明溫度變化與能耗預測神經網絡模型建立過程示意圖。
[0042] 圖4為本發明面向冷藏集裝箱船的制冷功率平衡控制系統的架構圖。
【具體實施方式】
[0043] 下面結合實施例及附圖對本發明作進一步詳細的描述，但本發明的實施方式不限 于此。
[0044] 實施例1
[0045] 如圖1、4所示，本實施例公開了一種面向冷藏集裝箱船的制冷功率平衡控制系 統，包括數據收發模塊、處理模塊、溫度變化與能耗預測模塊、控制與優化調度模塊。其中：
[0046] 數據收發模塊接收傳感器發送的冷藏集裝箱運行狀態、環境溫濕度、貨艙風機運 行狀態、風速、光照度等信息并發送給處理模塊；
[0047] 處理模塊對接收到的信息進行處理后發送給溫度變化與能耗預測模塊；
[0048] 溫度變化與能耗預測模塊預測出每個冷藏集裝箱制冷狀態達到臨界溫度點的時 間和能耗，發送給控制與優化調度模塊；
[0049] 控制與優化調度模塊通過優化算法計算出冷藏集裝箱的控制與調度策略，并將上 述冷藏集裝箱的控制與優化調度策略發送到外部執行控制器以用于控制冷藏集裝箱和貨 艙風機的運行。。
[0050] 參見圖2,基于上述控制系統，本實施例一種面向冷藏集裝箱船的制冷功率平衡控 制方法，包括以下步驟：
[0051 ] 1、傳感器采集冷藏集裝箱運行狀態、環境溫濕度、貨艙風機運行狀態、風速、光照 度等信息，采集信息通過總線傳輸到收發模塊；收發模塊將信息傳輸給處理模塊。
[0052] 2、處理模塊對接收到的信息進行處理后發送給溫度變化與能耗預測模塊。
[0053] 3、溫度變化與能耗預測模塊通過極端學習機訓練神經