[发明专利]一种基于混合学习优化的多电飞机秒级能量调度方法

权利要求书

1.一种基于混合学习优化的多电飞机秒级能量调度方法，其特征在于，所述基于混合学习优化的多电飞机秒级能量调度方法，包括：

步骤1、构建多电飞机能量调度的MIQP问题；

步骤2、将对MIQP问题的求解过程分解为两个阶段；

步骤2.1、第一阶段：对MIQP问题中的整数变量优化；

步骤2.1.1、将整数变量优化问题转化为马尔科夫决策过程；

步骤2.1.2、利用深度强化学习模型对马尔科夫决策过程进行求解，得到整数变量的可行解；

步骤2.2、第二阶段：对MIQP问题中的连续变量优化；

步骤2.2.1、利用求解得到的整数变量的可行解将构建的MIQP问题简化为QP问题；

步骤2.2.2、利用商业求解器对所述QP问题进行求解，得到连续变量的最优解；

步骤3、基于求解的整数变量的可行解和连续变量的最优解，得到多电飞机秒级的能量调度结果。

2.如权利要求1所述的基于混合学习优化的多电飞机秒级能量调度方法，其特征在于，所述构建多电飞机能量调度的MIQP问题，包括：

步骤1.1、建立约束条件：

1.1)母线与负载优先级约束；

一是负载连接优先级约束，不可卸负载的连接优先级高于可卸负载；二是每台发电机与主母线、主母线与次级母线之间的连接优先级约束；

1.2)功率平衡约束；

式中，为t时刻发电机k的输出功率；分别为t时刻主母线q和次级母线i的功率容量；分别为t时刻发电机k与主母线q、主母线q与次级母线i之间的传输功率；分别为发电机k与主母线q、主母线q与次级母线i之间的传输效率；分别为t时刻与次级母线i相连的储能系统充放电功率和总负载需求；分别为与次级母线i相连的可卸负载需求和不可卸负载需求；分别为t时刻与次级母线i相连的可卸负载j₁和不可卸负载j₂的连接关系，分别为发电机、主母线、次级母线的集合；分别表示与次级母线i相连的可卸负载和不可卸负载的集合；

1.3)母线连接和发电机状态约束；

式中，ξ_kq(t)∈{0,1}为t时刻发电机k与主母线q的连接状态；为t时刻主母线q与次级母线i的连接状态；为t时刻发电机k的运行状态；

1.4)发电机和母线功率容量约束；

式中，为发电机k的输出功率上下限；分别为主母线q和次级母线i的功率容量上限；分别为发电机k与主母线q、主母线q与次级母线i之间的传输功率上限；

1.5)发电机最佳工作范围约束；

式中，为时刻t发电机k的最优工作点；为在t时刻根据发动机状态确定的最优发电机功率范围的上下限；

1.6)储能系统约束；

在t时刻，与次级母线i相连的储能系统的充放电功率处于充电状态，处于放电状态，但充放电过程不能同时进行，SoC的变化量ΔSoC反映了储能系统充放电过程，其关系如下：

式中，表示t时刻SoC的变化量，为储能系统的总容量；τ表示时间间隔；σ_c、σ_disc为充放电过程的效率因子，SoC的动态过程可以描述如下：

式(19)表示优化过程中最后时间的SoC恢复到初始值，T为MEA能量调度的总时间，t_init为MEA能量调度的开始时刻，t_end为MEA能量调度的结束时刻；

为了避免储能系统过度充放电，需要限制在预定的上下限内，即：

式中，为与次级母线i相连的储能系统充放电功率的上下限，为储能系统中SoC值的上下限；

步骤1.2、建立目标函数：

2.1)使发电机工作在最佳范围内的代价函数F₁(t)表示为：

2.2)保证发电机、主母线、次级母线之间执行预先设定规则的代价函数F₂(t)如下所示：

式中，ω_kq为发电机k与主母线q之间相连接的惩罚因子，ω_qi为主母线q与次级母线i之间相连接的惩罚因子；

2.3)考虑储能系统中蓄电池的使用寿命的代价函数F₃(t)表示为：

式中，为储能系统的最大可充电和可再充电功率；

步骤1.3、建立多电飞机能量调度模型：

式中，α,β,γ为权重占比系数。