机械工程学报

作者：付助, 陈伟民, 陈俐

单位：1. 上海交通大学动力装置及自动化研究所 上海 200240； 2. 上海交通大学海洋工程国家重点实验室 上海 200240； 3. 上海船舶运输科学研究所有限公司 上海 200135

关键词：光柴储无人艇,能量管理,波高,光伏,卷积神经网络-长短期记忆网络,无量纲工况因子；

基金：国家重点研发计划(2022YFB4300803)、水路交通控制全国重点实验室开放课题(QZ2022-Z002)和上海交通大学“深蓝计划”基金(WH410260401/006)资助项目

光柴储混合动力系统可延长常值守无人艇航程，支持不间断执行任务，提升深远海海上维权水平。然而在复杂海况下，波高时变性与光伏间歇性引起动力系统负载侧和供能侧双边功率大幅波动，给能量管理带来挑战。为此，提出一种基于波高与光伏实时预测的能量管理策略。建立基于卷积神经网络(Convolutional neural network，CNN)和长短期记忆网络(Long short-term memory，LSTM)相结合的CNN-LSTM混合模型进行波高与太阳辐射强度实时预测，进而获得复杂海况下未来负载需求功率和光伏功率；采用模型预测控制(Model predictive control，MPC)进行能量流实时分配，并与采用传统预测方法的MPC能量管理策略相比较，硬件在环试验结果表明提出的方法在高海况下显著提升能效；以最大光伏功率和平均负载需求功率构建的无量纲工况因子可反映不同海况特征。相关性分析表明，无量纲工况因子与能效提升度显著相关。提出的方法可提高光柴储无人艇能量管理策略的航行环境适应性，具有工程指导意义。

来源：2025年第16期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第16期