CN113221387A - 一种波浪能转换装置的最大能量输出控制方法及*** - Google Patents
一种波浪能转换装置的最大能量输出控制方法及*** Download PDFInfo
- Publication number
- CN113221387A CN113221387A CN202110650225.1A CN202110650225A CN113221387A CN 113221387 A CN113221387 A CN 113221387A CN 202110650225 A CN202110650225 A CN 202110650225A CN 113221387 A CN113221387 A CN 113221387A
- Authority
- CN
- China
- Prior art keywords
- control
- sequence
- conversion device
- energy conversion
- wave energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 230000005855 radiation Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000005284 excitation Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000002706 hydrostatic effect Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 4
- 239000000853 adhesive Substances 0.000 claims description 3
- 230000001070 adhesive effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 229920000642 polymer Polymers 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/30—Energy from the sea, e.g. using wave energy or salinity gradient
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开一种波浪能转换装置的最大能量输出控制方法及***,方法包括:通过模型预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列;基于速度和坐标位置序列求解目标函数,得到控制序列;实时计算控制序列中各控制力的补偿值;保存控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按补偿后的前nl个控制力控制装置,直至达到设定时刻;将设定时刻的装置和波浪状态输入模型中,预测nl控制力后设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新速度和坐标位置序列。本发明能够提高控制精度,降低应用对处理器的计算负担。
Description
技术领域
本发明涉及新能源技术领域,特别是涉及一种波浪能转换装置的最大能量输出控制方法及***。
背景技术
波浪能是一种清洁的可再生能源,具有储量巨大、分布广、能量集中的特点。近年来,大量的波浪能转换装置被发明出来,各种控制方法在波浪能转换装置上的应用也逐步深入。波浪能发电技术存在两个关键问题需要解决,一是在海洋环境中保持安全运行,降低被破坏的风险;二是提高波浪能转换装置的能量转换效率。对波浪能转换装置采取高效可靠的控制方法,是提高波浪能转换效率的有效途径。
模型预测控制可以处理波浪能转换装置的物理约束,提高装置在海洋环境中工作的安全性与能量转换效率。但模型预测控制在波浪能转换装置上应用存在模型失配和计算负担这两个问题。例如,将模型预测控制应用于波浪能转换装置以实现波浪能转换装置的最大能量输出控制时,就存在着模型失配问题和应用时的计算负担问题。因此,如何有效地处理模型预测控制应用于波浪能转换装置以实现波浪能转换装置的最大能量输出控制时存在的模型失配现象,从而提高控制精度,并且降低应用对处理器的计算负担成为本领域技术人员亟待解决的问题。
发明内容
本发明的目的是提供一种波浪能转换装置的最大能量输出控制方法及***,能够提高波浪能转换装置的最大能量输出控制精度,并且降低处理器的计算负担。
为实现上述目的,本发明提供了如下方案:
一种波浪能转换装置的最大能量输出控制方法,所述方法包括:
步骤S1:对波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型;
步骤S2:将当前时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列;
步骤S3:以能量最大化为目标建立目标函数;
步骤S4:将所述速度序列和所述坐标位置序列代入所述目标函数中,求解所述目标函数,得到波浪能转换装置的控制序列;所述控制序列包括设定时间段内各个时刻的控制力;
步骤S5:实时计算当前时刻波浪能转换装置的实际速度与所述速度序列中当前时刻的速度的误差,基于滑模控制计算所述控制序列中各控制力的补偿值;
步骤S6:保存所述控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按补偿后的前nl个控制力分别控制波浪能转换装置的最大能量输出,直至达到设定时刻时,执行“步骤S7”;nl为大于1的正整数;
步骤S7:将设定时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测nl控制力后设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新所述速度序列和所述坐标位置序列,返回到“步骤S4”。
可选地,所述对波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型,具体包括:
建立波浪能转换装置的牛顿第二定律公式式中,m表示浮子的质量,表示浮子的垂直方向的加速度,fr表示辐射力,fh表示静水恢复力,fv表示线性沾性力,fe表示激振力,fu表示受控力;其中,辐射力fr的计算公式为:式中,ma是由于辐射力引起的附加质量,fR是辐射力的卷积项,是xr的导数,xr为辐射力的状态变量,xr是nr×1的列向量,nr是辐射力变量xr的行数,为浮子在垂直方向上的速度,Ar、Br和Cr是fR的状态空间表示矩阵;静水恢复力fh的计算公式为:fh=kszv;式中,zv为浮子在垂直方向上的坐标位置,ks为刚度系数,ks=ρgS,ρ为水的密度,g为重力加速度,S为浮体的水平面面积;沾性力fv的计算公式为:式中,Cv是粘性系数,为波浪在垂直方向的速度;激振力fe的计算公式为:式中,为xe的导数,xe为激振力的状态变量,xe是ne×1的列向量,ne是激振力变量xe的行数,zw为波浪的z轴坐标,Ae、Be和Ce是激振力的状态空间表示矩阵;
根据所述牛顿第二定律公式建立波浪能转换装置的状态空间表达式式中,为波浪能转换装置的状态变量, 为的导数,Ac、Buc、Bwc、Bwwc、C和Cz是波浪能转换装置状态空间表示矩阵, C=[0 1 01×(nr+ne)],Cz=[1 01×(nr+ne+1)],ms是m、ma之和,u是控制力,u=fu,w是波浪的高度,w=zw,是波浪在垂直方向上的速度, 是浮子在垂直方向上的速度, 是浮子在垂直方向上的坐标位置,
对所述状态空间表达式进行离散,得到离散状态空间表达式,并将离散状态空间表达式作为模型;所述离散状态空间表达式为:式中,是k+1时刻的波浪能转换装置的状态,是k时刻的波浪能转换装置的状态,u(k)是k时刻的控制力,w(k)是k时刻的波浪高度,为k时刻波浪在垂直方向上的速度,是k时刻的浮子在垂直方向上的速度,是k时刻的浮子在垂直方向上的坐标位置,A、Bu、Bw、Bww是Ac、Buc、Bwc、Bwwc离散后的矩阵。
可选地,所述将当前时刻的波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列,具体包括:
根据所述离散状态空间表达式预测k+i时刻浮子在垂直方向上的速度和k+i时刻浮子在垂直方向上的坐标位置得到第k时刻至第k+i时刻浮子在垂直方向上的速度序列Y和第k时刻至第k+i时刻浮子在垂直方向上的坐标位置序列Z;其中,式中,x(k)是k时刻波浪能转换装置的状态,i是1到k+i之间的变量,j是0到i-1之间的变量,是预测的k+j时刻的控制力,是预测的k+j时刻的波浪高度,是预测的k+j时刻波浪在垂直方向上的速度;
可选地,所述以能量最大化为目标建立目标函数,具体包括:
可选地,所述将所述速度序列和所述坐标位置序列代入所述目标函数中,求解所述目标函数,得到波浪能转换装置的控制序列,具体包括:
将所述速度序列Y和所述坐标位置序列Z代入所述目标函数中,求解所述目标函数得到UT=[u1u2 … unp-1 unp],获得波浪能转换装置的控制序列;式中,unp表示第k+i时刻对应的第np个控制力。
可选地,所述实时计算当前时刻波浪能转换装置的实际速度与所述速度序列中当前时刻的速度的误差,基于滑模控制计算所述控制序列中各控制力的补偿值,具体包括:
可选地,所述依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,具体包括:
根据公式u*(k)=u(k)+u'(k),将k时刻的补偿值u'(k)与k时刻的控制力u(k)加和,得到k时刻补偿后的控制力u*(k);
将各时刻约束后的控制力u**(k)进行组合,得到补偿后的前nl个控制力。
本发明还提供了如下方案:
一种波浪能转换装置的最大能量输出控制***,所述***包括:
模型建立模块,用于对波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型;
速度和坐标位置序列确定模块,用于将当前时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列;
目标函数建立模块,用于以能量最大化为目标建立目标函数;
控制序列求解模块,用于将所述速度序列和所述坐标位置序列代入所述目标函数中,求解所述目标函数,得到波浪能转换装置的控制序列;所述控制序列包括设定时间段内各个时刻的控制力;
补偿值计算模块,用于实时计算当前时刻波浪能转换装置的实际速度与所述速度序列中当前时刻的速度的误差,基于滑模控制计算所述控制序列中各控制力的补偿值;
控制力保存和补偿模块,用于保存所述控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按补偿后的前nl个控制力分别控制波浪能转换装置的最大能量输出,直至达到设定时刻时,执行速度和坐标位置序列更新模块;nl为大于1的正整数;
速度和坐标位置序列更新模块,用于将设定时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测nl控制力后设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新所述速度序列和所述坐标位置序列,返回到控制序列求解模块。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开的波浪能转换装置的最大能量输出控制方法及***,实时计算当前时刻波浪能转换装置的实际速度与速度序列中当前时刻的速度的误差,基于滑模控制计算控制序列中各控制力的补偿值,通过保存补偿后的控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按各控制力控制波浪能转换装置的最大能量输出,直至达到设定时刻,将设定时刻波浪能转换装置的状态和波浪状态输入模型中,预测应用完第nl个控制力后,设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新速度序列和坐标位置序列,这样的改进处理可以提前求解目标函数,使求解时间更加充沛,降低了处理器的计算负担;同时,通过滑模控制对模型失配进行补偿处理来提高控制精度,从而获得了最大能量输出。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明波浪能转换装置的最大能量输出控制方法实施例的流程图;
图2为本发明震荡浮子式波浪能转换装置示意图;
图3为本发明改进模型预测控制原理示意图;
图4为本发明波浪能转换装置的最大能量输出控制方法原理图;
图5为本发明波浪能转换装置的最大能量输出控制***实施例的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种波浪能转换装置的最大能量输出控制方法及***,能够提高控制精度,降低应用对处理器的计算负担。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图2为本发明震荡浮子式波浪能转换装置示意图。参见图2,震荡浮子式波浪能转换装置(点吸收式波浪能转换装置),即波浪能发电***,包括浮子1、液压缸2、活塞4、能量输出装置5和抗升沉板3,浮子1连接液压缸2中的活塞4,液压缸2连接在抗升沉板3上,可看作设备固定在海床上;波浪带动浮子1运动,进而引起活塞4和液压缸2产生相对运动,再利用能量输出装置5产生能量。波浪能量转换装置负责将海水波浪的波浪能转换为浮体所持有的机械能,从而活塞4和液压缸2产生相对运动;最后由能量输出装置5将经波浪能量转换装置转换后的机械能转换为电能。
图1为本发明波浪能转换装置的最大能量输出控制方法实施例的流程图,参见图1,该点吸收式波浪能转换装置的最大能量输出控制方法包括:
步骤S1:对点吸收式波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型。
该步骤S1具体包括:
分析波浪能量转换装置受力情况,建立波浪能转换装置的牛顿第二定律公式式中,m表示浮子的质量,表示浮子的垂直方向的加速度,fr表示辐射力,fh表示静水恢复力,fv表示线性沾性力,fe表示激振力,fu表示受控力,即***的控制输入;其中,辐射力fr的计算公式为:式中,ma是由于辐射力引起的附加质量,fR是辐射力的卷积项,是xr的导数,xr为辐射力的状态变量,xr是nr×1的列向量,nr是辐射力变量xr的行数,为浮子在垂直方向上的速度,Ar、Br和Cr是fR的状态空间表示矩阵;静水恢复力fh的计算公式为:fh=kszv;式中,zv为浮子在垂直方向上的坐标位置,ks为刚度系数,ks=ρgS,ρ为水的密度,g为重力加速度,S为浮体的水平面面积;沾性力fv的计算公式为:式中,Cv是粘性系数,为波浪在垂直方向的速度;激振力fe的计算公式为:式中,为xe的导数,xe为激振力的状态变量,xe是ne×1的列向量,ne是激振力变量xe的行数,zw为波浪的z轴坐标,Ae、Be和Ce是激振力的状态空间表示矩阵。
根据所述牛顿第二定律公式建立波浪能转换装置的运动状态空间表达式式中,为波浪能转换装置的状态变量,即模型的状态变量, 为的导数,Ac、Buc、Bwc、Bwwc、C和Cz是波浪能转换装置状态空间表示矩阵, C=[0 1 01×(nr+ne)],Cz=[1 01×(nr+ne+1)],k为刚度系数,nr为辐射力的状态变量xr的行数,ne为激振力的状态变量xe的行数,ms是m、ma之和,u是控制力,即控制输入,u=fu,w是波浪的高度,w=zw,是波浪在垂直方向上的速度, 是浮子在垂直方向上的速度, 是浮子在垂直方向上的坐标位置,
对所述状态空间表达式进行离散,得到转换装置的离散状态空间表达式,并将离散状态空间表达式作为模型;所述离散状态空间表达式为:式中,是k+1时刻的波浪能转换装置的状态,即k+1时刻的模型状态,是k时刻的波浪能转换装置的状态,即k时刻(当前时刻)的模型状态,u(k)是k时刻的控制力,即k时刻的控制输入,w(k)是k时刻的波浪高度,为k时刻波浪在垂直方向上的速度,是k时刻的浮子在垂直方向上的速度,是k时刻的浮子在垂直方向上的坐标位置,A、Bu、Bw、Bww是Ac、Buc、Bwc、Bwwc离散后的矩阵。
步骤S2:将当前时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列。
该步骤S2基于当前状态和离散状态空间表达式应用模型预测控制原理,将模型预测控制原理应用于波浪能转换装置,该步骤S2具体包括:
根据所述离散状态空间表达式预测k+i时刻浮子在垂直方向上的速度和k+i时刻浮子在垂直方向上的坐标位置预测未来的输出状态和最终得到预测序列Y和Z,即第k时刻至第k+i时刻浮子在垂直方向上的速度序列Y和第k时刻至第k+i时刻浮子在垂直方向上的坐标位置序列Z。
其中,式中,是在k时刻对k+i时刻y的预测输出,是在k时刻对k+i时刻z的预测输出,x(k)是k时刻波浪能转换装置的状态,即当前***(装置)的真实状态,i是1到k+i(np)之间的变量,j是0到i-1之间的变量,是在k时刻对k+j时刻u的预测值,即预测的k+j时刻的控制力,是在k时刻对k+j时刻w的预测值,即预测的k+j时刻的波浪高度,是在k时刻对k+j时刻的预测值,即预测的k+j时刻波浪在垂直方向上的速度。
最终得到预测序列Y和Z:
其中:
Λxy T=[C CA CA2 … CAnp],Λxz T=[Cz CzA CC A2 … CzAnp],
步骤S3:以能量最大化为目标建立目标函数。
该步骤S3根据能量最大化目标,得到模型预测控制的目标函数,该步骤S3具体包括:
以能量最大化为目标建立能量最大化目标函数式中,U是求解目标函数得到的控制序列,UT=[u1u2 … unp-1 unp],(U)T=UT,Q和R是对角矩阵,Zmin和Zmax是浮子的最小和最大位移限制,Umin和Umax是对控制力(控制输入)的最小和最大限制,T表示转置,(Z)T=ZT,Y和Z是基于模型的输出y、z预测序列。
步骤S4:将所述速度序列和所述坐标位置序列代入所述目标函数中,求解所述目标函数,得到波浪能转换装置的控制序列;所述控制序列包括设定时间段内各个时刻的控制力。
该步骤S4根据目标函数求解出最优控制序列和最优预测轨迹,该步骤S4具体包括:
将所述速度序列Y和所述坐标位置序列Z代入所述目标函数中,求解所述目标函数得到UT=[u1u2 … unp-1 unp],获得波浪能转换装置的控制序列;式中,unp表示第k+i时刻对应的第np个控制力,u1表示第k时刻对应的第1个控制力。
在求解目标函数之前,可以先经过化简去掉每次计算中的常量,最终为:
式中:
步骤S5:实时计算当前时刻波浪能转换装置的实际速度与所述速度序列中当前时刻的速度的误差,基于滑模控制计算所述控制序列中各控制力的补偿值。
该步骤S5为降低模型失配因素的影响,提高装置的控制精度,利用补偿控制进行补偿处理,基于实际状态与预测轨迹中状态之间误差,计算补偿控制量,具体包括:
基于滑模控制计算k时刻控制力的补偿值(滑模补偿控制值)式中,是e(k)的导数,λ是一个正常数,λ是滑模面的斜率,s是滑模面,t等同于k时刻,y(t)等同于y(k),是y(t)的导数,h是一个正常数,其中,补偿值是每一个时刻都更新求解,以得到每个时刻补偿后的控制值。
步骤S6:保存所述控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按补偿后的前nl个控制力分别控制波浪能转换装置的最大能量输出,直至达到设定时刻时,执行“步骤S7”;nl为大于1的正整数。
该步骤S6保存控制序列UT=[u1u2 … unp-1 unp]中前nl个控制力,在接下来的nl个时刻内应用,其中,nl小于np,计算最终控制值,并对约束进行最终处理,最终的控制值为控制量加上补偿控制量,并检查是否违反控制值的约束,其中,所述依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,具体包括:
根据公式u*(k)=u(k)+u'(k),将k时刻的补偿值u'(k)与k时刻的控制力u(k)加和,得到k时刻补偿后的控制力u*(k)。
步骤S7:将设定时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测nl控制力后设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新所述速度序列和所述坐标位置序列,返回到“步骤S4”。
图3为本发明改进模型预测控制原理示意图,该步骤S6和S7按照改进模型预测控制方法应用最优控制值,中的nl个控制力按照时刻顺序依次应用。计算出的控制序列中的nl个控制力值按照时刻依次作为下个nl采样时间范围内的最优控制值。在应用nl个控制值期间内,设定计算时刻nc,即所述设定时刻,计算时刻nc所对应的控制力为控制序列中第nc个控制力,其中,nc为大于1且小于nl的正整数,由于每个时刻都对应一个控制力值,计算时刻nc即对应前nl个控制力值中的第nc个控制力值,例如当达到计算时刻nc时,此时应用的控制力值为基于计算时刻实际状态和模型按照模型预测控制原理,预测当应用完所有nl个控制值时的预测状态,即将至按顺序应用完,并根据应用完时的预测状态开始进行目标函数求解,得到新的最优控制序列,这样的改进处理可以提前求解目标函数,计算时间由一个采样时刻扩大到nl-nc个时刻,使求解时间更加充沛,降低了计算负担。其中,新的最优控制序列中控制值的个数与之前的最优控制序列中控制值的个数等同。
步骤S7待到改进模型预测控制方法设定的计算最优预测轨迹时刻,即计算时刻开始预测应用最优控制序列最终时刻状态,重新进行目标函数求解(nl个时刻才求解一次目标函数,控制序列是nl个时刻求解一次)。即待最优控制序列中控制力值全部应用后,更新最优控制序列作为下一个nl时刻内的控制值。当nl个控制力值被全部应用之后,利用nc时刻开始计算得到的新的最优控制序列作为下一个nl时刻内的控制值。
本发明公开的波浪能转换装置的最大能量输出控制方法,根据点吸收式波浪能转换装置的发电原理,通过受力分析建立浮子运动模型(离散状态空间表达式),加入对浮子位移约束与控制力大小约束,基于能量最大化为目标建立目标函数,得到最优控制序列,并改进模型预测控制,利用控制序列中的最优值作为控制值,设定计算时刻,扩大求解目标函数时间范围,降低计算负担;再利用补偿控制方法对模型失配因素进行补偿处理,提高控制精度。该方法解决了波浪能转换装置模型预测控制应用时对处理器的计算负担问题,提高了对设备的控制精度。图4为本发明波浪能转换装置的最大能量输出控制方法原理图。参见图4,该方法主要利用改进模型预测控制方法基于能量最大化目标提供控制序列和最优预测轨迹,具体包括:确定目标函数,应用改进模型预测控制方法于波浪能转换装置。基于实际状态与预测轨迹中状态之间误差,计算补偿控制量。最终的控制值(控制输入)为控制量加上补偿控制量,并检查是否违反控制值的约束。该方法通过改进模型预测控制方法与跟踪补偿控制方法结合,提高了波浪能转换装置的控制精度和能量吸收总量,并降低模型预测控制计算负担。
图5为本发明波浪能转换装置的最大能量输出控制***实施例的结构图。参见图5,该波浪能转换装置的最大能量输出控制***包括:
模型建立模块501,用于对波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型。
速度和坐标位置序列确定模块502,用于将当前时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列。
目标函数建立模块503,用于以能量最大化为目标建立目标函数。
控制序列求解模块504,用于将所述速度序列和所述坐标位置序列代入所述目标函数中,求解所述目标函数,得到波浪能转换装置的控制序列;所述控制序列包括设定时间段内各个时刻的控制力。
补偿值计算模块505,用于实时计算当前时刻波浪能转换装置的实际速度与所述速度序列中当前时刻的速度的误差,基于滑模控制计算所述控制序列中各控制力的补偿值。
控制力保存和补偿模块507,用于保存所述补偿后的控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按补偿后的前nl个控制力分别控制波浪能转换装置的最大能量输出,直至达到设定时刻时,执行速度和坐标位置序列更新模块;nl为大于1的正整数。
速度和坐标位置序列更新模块508,用于将设定时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测nl控制力后设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新所述速度序列和所述坐标位置序列,返回到控制序列求解模块504。
本发明为克服现有技术中波浪能转换装置的最大能量输出控制方法存在的模型失配问题和应用时的计算负担问题,对模型预测控制进行了改进,充分利用目标函数求解得到的控制序列,提前求解目标函数,为求解过程提供充足时间,降低计算负担,并加入了补偿控制,提高控制精度。本发明公开的波浪能转换装置的最大能量输出控制方法及***,将模型预测控制改进并应用,对模型预测控制目标函数求解提前计算并利用充分利用最优序列,降低计算负担,最后用补偿控制提升控制精度。通过改进模型预测控制提供最优控制序列和预测轨迹,再通过滑模控制对模型失配进行补偿处理来提高控制精度,补偿控制使装置按照预测轨迹运行,从而获得最大能量输出,不仅降低了波浪能转换装置模型预测控制实际应用的难度,还具有较高的控制精度、抗干扰能力,鲁棒性强,解决了波浪能转换装置存在的工作效率低的问题。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种波浪能转换装置的最大能量输出控制方法,其特征在于,所述方法包括:
步骤S1:对波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型;
步骤S2:将当前时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列;
步骤S3:以能量最大化为目标建立目标函数;
步骤S4:将所述速度序列和所述坐标位置序列代入所述目标函数中,求解所述目标函数,得到波浪能转换装置的控制序列;所述控制序列包括设定时间段内各个时刻的控制力;
步骤S5:实时计算当前时刻波浪能转换装置的实际速度与所述速度序列中当前时刻的速度的误差,基于滑模控制计算所述控制序列中各控制力的补偿值;
步骤S6:保存所述控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按补偿后的前nl个控制力分别控制波浪能转换装置的最大能量输出,直至达到设定时刻时,执行“步骤S7”;nl为大于1的正整数;
步骤S7:将设定时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测nl控制力后设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新所述速度序列和所述坐标位置序列,返回到“步骤S4”。
2.根据权利要求1所述的波浪能转换装置的最大能量输出控制方法,其特征在于,所述对波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型,具体包括:
建立波浪能转换装置的牛顿第二定律公式式中,m表示浮子的质量,表示浮子的垂直方向的加速度,fr表示辐射力,fh表示静水恢复力,fv表示线性沾性力,fe表示激振力,fu表示受控力;其中,辐射力fr的计算公式为:式中,ma是由于辐射力引起的附加质量,fR是辐射力的卷积项,是xr的导数,xr为辐射力的状态变量,xr是nr×1的列向量,nr是辐射力变量xr的行数,为浮子在垂直方向上的速度,Ar、Br和Cr是fR的状态空间表示矩阵;静水恢复力fh的计算公式为:fh=kxzv;式中,zv为浮子在垂直方向上的坐标位置,ks为刚度系数,ks=ρgS,ρ为水的密度,g为重力加速度,S为浮体的水平面面积;沾性力fv的计算公式为:式中,Cv是粘性系数,为波浪在垂直方向的速度;激振力fe的计算公式为:式中,为xe的导数,xe为激振力的状态变量,xe是ne×1的列向量,ne是激振力变量xe的行数,zw为波浪的z轴坐标,Ae、Be和Ce是激振力的状态空间表示矩阵;
根据所述牛顿第二定律公式建立波浪能转换装置的状态空间表达式式中,为波浪能转换装置的状态变量, 为的导数,Ac、Buc、Bwc、Bwwc、C和Cz是波浪能转换装置状态空间表示矩阵, C=[0 1 01×(nr+ne)],Cz=[1 01×(nr+ne+1)],ms是m、ma之和,u是控制力,u=fu,w是波浪的高度,w=zw,是波浪在垂直方向上的速度, 是浮子在垂直方向上的速度, 是浮子在垂直方向上的坐标位置,
3.根据权利要求2所述的波浪能转换装置的最大能量输出控制方法,其特征在于,所述将当前时刻的波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列,具体包括:
根据所述离散状态空间表达式预测k+i时刻浮子在垂直方向上的速度和k+i时刻浮子在垂直方向上的坐标位置得到第k时刻至第k+i时刻浮子在垂直方向上的速度序列Y和第k时刻至第k+i时刻浮子在垂直方向上的坐标位置序列Z;其中,式中,x(k)是k时刻波浪能转换装置的状态,i是1到k+i之间的变量,j是0到i-1之间的变量,是预测的k+j时刻的控制力,是预测的k+j时刻的波浪高度,是预测的k+j时刻波浪在垂直方向上的速度;
8.一种波浪能转换装置的最大能量输出控制***,其特征在于,所述***包括:
模型建立模块,用于对波浪能转换装置进行受力分析,建立离散状态空间表达式作为模型;
速度和坐标位置序列确定模块,用于将当前时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,得到速度序列和坐标位置序列;
目标函数建立模块,用于以能量最大化为目标建立目标函数;
控制序列求解模块,用于将所述速度序列和所述坐标位置序列代入所述目标函数中,求解所述目标函数,得到波浪能转换装置的控制序列;所述控制序列包括设定时间段内各个时刻的控制力;
补偿值计算模块,用于实时计算当前时刻波浪能转换装置的实际速度与所述速度序列中当前时刻的速度的误差,基于滑模控制计算所述控制序列中各控制力的补偿值;
控制力保存和补偿模块,用于保存所述控制序列中前nl个控制力,依次将对应的补偿值分别加到前nl个控制力上,得到补偿后的前nl个控制力,并依次按补偿后的前nl个控制力分别控制波浪能转换装置的最大能量输出,直至达到设定时刻时,执行速度和坐标位置序列更新模块;nl为大于1的正整数;
速度和坐标位置序列更新模块,用于将设定时刻波浪能转换装置的状态和波浪状态输入所述模型中,预测nl控制力后设定时间段内各个时刻浮子在垂直方向上的速度和坐标位置,更新所述速度序列和所述坐标位置序列,返回到控制序列求解模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110650225.1A CN113221387B (zh) | 2021-06-10 | 2021-06-10 | 一种波浪能转换装置的最大能量输出控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110650225.1A CN113221387B (zh) | 2021-06-10 | 2021-06-10 | 一种波浪能转换装置的最大能量输出控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113221387A true CN113221387A (zh) | 2021-08-06 |
CN113221387B CN113221387B (zh) | 2022-07-12 |
Family
ID=77080133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110650225.1A Active CN113221387B (zh) | 2021-06-10 | 2021-06-10 | 一种波浪能转换装置的最大能量输出控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113221387B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986381A (zh) * | 2014-05-28 | 2014-08-13 | 东南大学 | 海浪发电***的微网构建最优化功率因数复合控制方法 |
US20170298899A1 (en) * | 2016-04-14 | 2017-10-19 | Sandia Corporation | Optimal Control of Wave Energy Converters |
CN107302269A (zh) * | 2017-07-17 | 2017-10-27 | 青岛海信移动通信技术股份有限公司 | 一种能量收集方法及其*** |
CN109343350A (zh) * | 2018-11-20 | 2019-02-15 | 清华大学 | 一种基于模型预测控制的水下机器人路径跟踪控制方法 |
CN109643905A (zh) * | 2016-08-24 | 2019-04-16 | Ifp新能源公司 | 用于借助老化模型和涌浪预测对超级电容器进行能量管理的方法和*** |
CN110362084A (zh) * | 2019-07-22 | 2019-10-22 | 东南大学 | 一种基于蚁群算法的车辆路径追踪控制方法 |
CN110687795A (zh) * | 2019-11-04 | 2020-01-14 | 青岛科技大学 | 一种基于目标计算的船舶动力定位***非线性无偏预测控制方法 |
-
2021
- 2021-06-10 CN CN202110650225.1A patent/CN113221387B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986381A (zh) * | 2014-05-28 | 2014-08-13 | 东南大学 | 海浪发电***的微网构建最优化功率因数复合控制方法 |
US20170298899A1 (en) * | 2016-04-14 | 2017-10-19 | Sandia Corporation | Optimal Control of Wave Energy Converters |
CN109643905A (zh) * | 2016-08-24 | 2019-04-16 | Ifp新能源公司 | 用于借助老化模型和涌浪预测对超级电容器进行能量管理的方法和*** |
CN107302269A (zh) * | 2017-07-17 | 2017-10-27 | 青岛海信移动通信技术股份有限公司 | 一种能量收集方法及其*** |
CN109343350A (zh) * | 2018-11-20 | 2019-02-15 | 清华大学 | 一种基于模型预测控制的水下机器人路径跟踪控制方法 |
CN110362084A (zh) * | 2019-07-22 | 2019-10-22 | 东南大学 | 一种基于蚁群算法的车辆路径追踪控制方法 |
CN110687795A (zh) * | 2019-11-04 | 2020-01-14 | 青岛科技大学 | 一种基于目标计算的船舶动力定位***非线性无偏预测控制方法 |
Non-Patent Citations (2)
Title |
---|
SIYUAN ZHAN.ETC.: ""Adaptive Model Predictive Control of Wave Energy Converters"", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 * |
王振春等: ""模型预测控制在波浪能上应用的现状与挑战"", 《控制工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113221387B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ahmadizadeh et al. | Compensation of actuator delay and dynamics for real‐time hybrid structural simulation | |
Chabaud et al. | Real-time hybrid testing for marine structures: challenges and strategies | |
CN109446581B (zh) | 一种波浪作用下浮体的水动力响应的测量方法及*** | |
CN114580152A (zh) | 一种基于多体耦合分析的浮式风电结构基础局部应力时域分析方法 | |
Zhan et al. | Adaptive model predictive control of wave energy converters | |
CN113654756B (zh) | 一种海上浮式风机主动式实时混合模型试验方法 | |
US20210115895A1 (en) | Wind turbine model based control and estimation with accurate online models | |
Qiang et al. | Model predictive control of a shipborne hydraulic parallel stabilized platform based on ship motion prediction | |
CN113221387B (zh) | 一种波浪能转换装置的最大能量输出控制方法及*** | |
CN104238367B (zh) | 一种基于神经网络的壳体结构表面振动一致性控制方法 | |
CN114139778A (zh) | 风电机组功率预测建模方法及装置 | |
CN117250971B (zh) | 一种微小型auv的控制方法 | |
Qiao et al. | Scaling orchestration in physical model test of oscillating buoy wave energy converter | |
CN114715331B (zh) | 一种浮式海洋平台动力定位控制方法及*** | |
CN106156487A (zh) | 一种考虑多河流顶托影响的水库下游水位计算方法 | |
Ling | Development of a model predictive controller for the wave energy converter control competition | |
CN113153615B (zh) | 一种波浪能转换装置的控制方法及*** | |
Lin et al. | Approximate Dynamic Programming for Control of Wave Energy Converters With Implementation and Validation on a Point Absorber Prototype | |
CN112257309B (zh) | 一种水下履带装备流场及力学响应预测方法及*** | |
CN115236974A (zh) | 一种复合抗扰控制器及其控制参数优化方法 | |
CN110108425B (zh) | 一种基于虚拟激励源重构的噪声预报方法 | |
Shi et al. | Real-time hybrid model tests of floating offshore wind turbines: Status, challenges, and future trends | |
Stone et al. | Ship hull structural scantling optimization | |
Ren et al. | Structural reliability assessment of offshore wind turbine jacket considering corrosion degradation | |
CN110568756A (zh) | 一种基于Adaboost预测鲁棒控制的连续回转马达电液伺服***控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |