基于MPC序列凸优化的混合电动无人机能源管理方法

本发明涉及基于mpc序列凸优化的混合电动无人机能源管理方法，属于无人机能源管理领域。

背景技术：

1、近年来，无人机已经广泛应用于生产生活的各个方面，其中太阳能电池燃料电池锂电池混合电动无人机引起了极大的关注。太阳能电池能够源源不断地将环境中的太阳能转化为电能，但受环境因素影响较大；燃料电池的能量密度较大，但相应速度相对较慢，电力特性疲软；锂电池的功率密度较大，但能量密度较小，而太阳能电池/燃料电池/锂电池混合电动无人机能够弥补单一能源形式的不足，充分发挥组合能源的优势。然而多种能源形式的组合使得无人机能源系统更加复杂，需要进行高效的能源管理，才能保证混合能源系统高效工作。

2、混合电动无人机的能源管理策略主要分为基于规则的能源管理策略和基于优化的能源管理策略。基于规则的管理策略依据预先制定的规则实现混合能源系统的功率分配，因而具有良好的实时性能，但通常最优性较差；而基于优化的管理策略则采用优化方法求解混合能源系统功率分配问题。混合电动无人机的机动过程决定了混合能源系统的需求功率剖面，而机翼表面的太阳能电池输出功率也受无人机的飞行姿态的影响，混合能源系统状态与无人机的飞行运动存在复杂的耦合关系，仅仅从混合能源系统层面进行能源管理，难以满足混合电动无人机的高能源效率长航时飞行。因此，针对太阳能电池/燃料电池/锂电池混合电动无人机的能源管理问题，需要设计更加高效的能源管理策略。

技术实现思路

1、针对太阳能电池燃料电池锂电池混合电动无人机的能源管理问题，本发明提供一种基于mpc序列凸优化的混合电动无人机能源管理方法，该方法首先根据无人机的飞行轨迹计算未来时刻的需求功率与太阳能电池输出功率，将除太阳能电池输出功率之外的剩余需求功率分配给燃料电池和锂电池，而太阳能电池则通过最大功率追踪器(mppt)始终保持在最大输出功率工作点，建立混合能源系统功率分配模型，并在信赖域范围对混合能源系统功率分配模型进行凸化，采用凸优化进行求解，获得混合能源系统功率分配结果，提高无人机的飞行航时；进一步引入mpc滚动优化策略，将混合电动无人机的能源管理问题分解为一系列短时域在线优化问题，降低混合电动无人机能源管理问题的复杂度，提高混合电动无人机能源管理效率。

2、本发明的目的是通过下述技术方案实现的：

3、本发明公开的基于mpc序列凸优化的混合电动无人机能源管理方法，包括以下步骤：

4、步骤一：给出混合无人机的飞行轨迹，给出等效系数σ、信赖域大小ε、收敛误差ξ、预测时域np、边界条件smin,smax,umin,umax；

5、步骤二：由于太阳能电池具有最高的输出优先级，通过锂电池和燃料电池补充剩余需求功率psd，根据混合电动无人机的飞行轨迹，计算预测时域内的太阳能电池功率ppv[k]、需求功率pd[k]和剩余需求功率psd[k]，其中k＝1,…,np为预测时刻，根据计算预测时域内的太阳能输出功率pd[k]和剩余需求功率psd[k]，能够最大限度利用太阳能，使得功率分配结果更加合理高效；根据当前锂电池的电量初始化迭代开始时锂电池的初始电量soct；根据上一时刻燃料电池输出功率和剩余需求功率对预测时域内的参考序列进行初始化。

6、所述混合电动无人机的能源形式包括太阳能电池、燃料电池、锂电池。

7、步骤三：以锂电池的电量soc、燃料的电池氢气消耗量锂电池等效氢气消耗量meb作为状态变量，以锂电池输出功率pb和燃料电池输出功率pfc为控制量，构建混合能源系统状态方程；利用步骤二初始化得到的参考序列对混合能源系统状态方程进行凸化，即在参考序列的信赖域范围内进行一阶taylor多项式展开，得到凸化后的混合能源系统状态方程。进一步以燃料电池氢气消耗量和锂电池等效氢气消耗量meb为优化目标，以凸化后的混合能源系统状态方程、边界条件约束、初始条件约束构建混合能源系统功率分配模型。

8、所述混合能源系统状态方程为

9、

10、式(1)中soc为锂电池电量；uoc为锂电池开路电压；rint为锂电池内阻；pb为锂电池输出功率；qb为锂电池容量；为燃料电池氢气消耗量；ncell为燃料电池极板数量；为氢气摩尔质量；ηdcdc为dcdc转换器效率；pfc为燃料电池输出功率；f为法拉第常数；ubus为总线电压；meb为锂电池等效氢气消耗；pb为锂电池输出功率；clhv为氢气低热值。

11、构建混合能源系统功率分配模型为

12、

13、

14、式(2)中np为预测时域长度；为np时刻燃料电池的氢气消耗量；meb[np]为np时刻锂电池的等效氢气消耗量；σ为等效系数；soct为迭代初始时刻锂电池电量；s[k]为第k时刻混合能源系统能源管理问题的状态量；u[k]为第k时刻混合能源系统能源管理问题的控制量；为预测时域内第k时刻的参考序列；分别为与参考序列有关的常数矩阵，在参考序列附近对能源管理问题的状态方程进行一阶taylor多项式展开即得到所述常数矩阵，得到凸化后的混合能源系统状态方程。

15、步骤四：利用凸优化方法对步骤三构建的混合能源系统功率分配模型进行混合电动无人机能源管理迭代优化，迭代过程中，若优化求解获得的功率分配结果满足预设迭代收敛准则，则迭代过程终止，取当前结果为最优功率分配结果，转入步骤五。否则，返回步骤三并继续迭代至功率分配结果收敛；由于步骤三构建的混合能源系统功率分配模型中所有约束条件和目标函数是凸化的，在信赖域内基于凸优化方法进行稳定高效的迭代优化，得到混合能源系统功率分配结果；通过引入mpc滚动优化策略对凸优化后混合能源系统功率分配模型进行优化，优化预测时域内的混合能源系统功率分配结果，进一步降低迭代优化过程的运算量和复杂度，提高混合电动无人机能源管理的在线实时优化能力。

16、所述混合能源系统能源管理问题的预设迭代收敛准则为

17、|sq[k]-sq-1[k]|≤ξ，k＝0,1,...,k    (3)

18、步骤五：根据步骤四优化得到的混合能源系统功率分配结果应用于混合能源系统，将预测时域内的功率分配结果用于控制燃料电池的输出功率，而太阳能电池通过mppt控制器始终保持在最大输出功率工作点，最大限度利用太阳能，降低能量消耗，提高飞行航时。无人机沿着轨迹向前飞行，更新无人机状态信息以及混合能源系统状态信息，并返回步骤二，进行滚动优化求解，直至无人机完成飞行任务。

19、有益效果：

20、1.本发明公开的一种基于mpc序列凸优化的混合电动无人机能源管理方法，根据混合电动无人机的飞行轨迹计算未来时刻的需求功率和太阳能电池输出功率，并将其应用于混合能源系统的功率分配中，使得混合系统的能源管理更加合理高效，提高混合能源系统的效率，增加无人机飞行航时。

21、2.本发明公开一种基于mpc序列凸优化的混合电动无人机能源管理方法，针对混合能源系统能源管理问题，建立混合能源系统功率分配凸优化模型，在参考轨迹的信赖域范围内进行凸化处理，采用序列凸优化方法进行高效求解，能够快速实现混合能源系统的功率分配，有利于混合电动无人机的混合能源系统管理的在线应用。

22、3.本发明公开一种基于mpc序列凸优化的混合电动无人机能源管理方法，针对混合能源系统能源管理中非线性强，计算量大，优化变量多等问题，引入mpc策略，在混合电动无人机的能源管理问题转化为一系列短时域优化问题，仅在预测时域内求解混合电动无人机能源管理模型，降低能源管理问题的复杂度，提高求解效率，进一步增加能源管理的实时性。