舰船科学技术  2020, Vol. 42 Issue (9): 6-11    DOI: 10.3404/j.issn.1672-7649.2020.09.002   PDF    
船舶多清洁能源混合动力系统及其关键技术
王凯, 卢博闻, 李仁祥, 李宇奇, 黄连忠, 马冉祺, 李嘉源     
大连海事大学 轮机工程学院,辽宁 大连 116026
摘要: 近年来,船舶的绿色化与智能化引起了业界的广泛关注,混合动力船舶应用多种清洁能源,可有效地提高船舶的绿色化水平。通过多种船舶清洁能源应用技术,以及混合动力系统优化设计技术、建模与仿真技术、能量管理策略等方面的系统分析,论述了诸关键技术的国内外发展现状,提出了船舶多清洁能源混合动力系统所存在的不足与挑战,最终,对多清洁能源混合动力系统及其关键技术的未来发展与研究方向做出展望。
关键词: 绿色船舶     智能船舶     混合动力船舶     多清洁能源     能量管理策略    
Research progress on multi-clean energy hybrid system and the key technologies of ships
WANG Kai, LU Bo-wen, LI Ren-xiang, LI Yu-qi, HUANG Lian-zhong, MA Ran-qi, LI Jia-yuan     
College of Marine Engineering, Dalian Maritime University, Dalian 116026, China
Abstract: In recent years, green and intelligent ship has attracted extensive attention in the shipping industry. The application of a variety of clean energies in hybrid ships can effectively improve the green level of ships. Through the systematic analysis of various application technologies of multi-clean energy, optimization design technology of hybrid system, modeling and simulation technology, energy management strategy, the development status of these key technologies at home and abroad is analyzed, and the shortcomings and challenges of multi-clean energy hybrid system are proposed. Finally, the future development and research direction of multi-clean energy hybrid system and key technologies are prospected.
Key words: green ship     intelligent ship     hybrid ship     multi-clean energy     power management strategy    
0 引 言

在“海洋强国”、“一带一路”等背景下,航运业迎来了前所未有的发展机遇。然而,航运业也存在能耗大、废气污染等问题[1-2]。2015年,中国船级社发布的《绿色船舶规范》对船舶能效水平和运输船队绿色度提出了具体的要求[3]。船舶的绿色发展已经成为必然的趋势,而混合动力系统可以促进船舶的绿色化发展,减少船舶燃料消耗和污染气体排放。此外,对船舶多清洁能源混合动力系统关键技术(见图1)的研究可以促进船舶智能化的发展,在履行国际节能减排公约的基础上,响应国家智能航运发展的战略规划;同时使船舶节能环保、经济高效,对提高市场竞争力具有重要意义。

图 1 船舶多清洁能源混合动力系统关键技术 Fig. 1 Key technologies of ship hybrid system consisting of multi-clean energy sources
1 船舶清洁能源应用技术

1)燃料电池应用技术

燃料电池的能量转化效率较高,如进行余热利用,其总效率可达80%~85%[4]。此外,燃料电池还具有无污染、噪声低、可靠性强等优点[5-7]。然而,燃料电池在船舶上的应用仍需不断深化燃料电池的安全保障技术、氢燃料获取与存储技术、系统供电可靠性技术,以及面向降本增效的燃料电池营运优化管理等技术。Collong等[8]基于故障树诊断理论提出了可用于供氢可靠性分析的爆炸模型。Wu等[9]设计了一个混合动力系统实时自适应控制策略,考虑了燃料电池响应速度慢的特点,并基于李亚普诺夫理论验证了闭环供电系统的收敛性和供电可靠性。

2)蓄电池应用技术

蓄电池是一种具有高比能、无记忆效应的电能储存装置。蓄电池成组使用时,温度对其使用寿命和输出特性具有较大影响,对其进行热量管理尤为重要。Yang等[10]提出一个具有高计算效率、高精度特点的锂电池半经验热特性分析模型,此模型计算速度较快,可用于监控锂电池模块的工作状态。此外,精确预估电池的荷电状态(SOC)可以避免电池过充放电带来的危害,也是蓄电池应用的关键所在。凡序国[11]建立电池非线性状态空间模型,基于高斯厄密特滤波对SOC进行估算,该方法收敛速度较快,精确度较高。另外,蓄电池的安全保障及优化管理技术对蓄电池在船舶上的应用也尤为重要。

3)超级电容应用技术

超级电容主要依靠双电层结构和电极表面的氧化还原反应来储存能量,作为能量源具有功率密度较高、循环寿命长和充电时间短等优点。除了供电的安全性和可靠性外,超级电容优化控制策略是实现混合动力系统能量优化管理与控制的关键。Peng等[12]提出一种针对超级电容和蓄电池的复合能量控制策略,通过采用自抗扰控制器实现超级电容的控制,提高电力系统的抗干扰能力。Turpin等[13]提出一种针对超级电容-燃料电池系统的直流组网方式,可以有效避免“氧饥饿”现象的发生。Chiang等[14]提出针对超级电容-锂电池的能量管理策略,利用状态空间平均法和李亚普诺夫稳定理论控制锂电池和超级电容间的功率流动,减小了电池放电深度,延长了系统的充放电循环寿命。

2 船舶混合动力系统优化设计技术 2.1 混合动力系统配置分析

混合动力系统的优化配置是船舶推进系统得以安全、高效运行的保障,通过各能量源的合理配置,可以充分发挥各能量源的优势,提升系统的整体水平。

1)“燃料电池+蓄电池+超级电容”配置形式

该配置形式如图2所示。其中,燃料电池的能量转化效率高,清洁无污染[15];蓄电池的能量密度高,循环寿命长;而超级电容器储存电荷量较大,对功率变化响应速度极快[16]。因此,该配置形式可以提高船舶的能效水平和船舶机舱布置的灵活性[17]。但该配置形式营运成本较高,主要应用于巡逻艇和渔船等小型船舶。

图 2 多清洁能源混合动力系统拓扑结构 Fig. 2 Topological structure of multi-clean energy hybrid system

2)“蓄电池+超级电容+柴油机推进”配置形式

该配置形式如图3所示。将柴油机作为辅助推进设备,兼具了电力推进较环保和柴油机推进较稳定的特点,既可保障船舶的续航能力,又可降低燃油消耗成本和污染气体排放[18]。该配置适用于对船舶操纵性要求高、加减速频繁的船舶[19]。作为一种新型船舶推进形式,其关键技术是将柴油机推进与电力推进进行耦合,并通过设计能量管理策略以降低运营成本。

图 3 柴电混合动力系统拓扑结构 Fig. 3 Topological structure of diesel-electric power system

3)“燃料电池+蓄电池+超级电容+柴油发电机”配置形式

该配置形式如图4所示。其兼具燃料电池的高能效、无污染和柴油机的稳定性等特点。通过使用燃料电池代替柴油机作为主动力源,可减少CO2排放约9.84%,并可大幅减少噪声污染[20]。此外,超级电容作为储能装置,可解决其他设备动态响应能力不足的问题[21]。但燃料电池的燃料成本较高,因此,其关键技术在于如何最优分配船舶功率需求,使多种能量源均运行在最优工况点上,从而降低营运成本。

图 4 多能源混合动力系统拓扑结构 Fig. 4 Topological structure of multiple energy hybrid power system
2.2 直流组网技术

直流组网技术是船用综合电力推进系统组网方式之一,其将稳定、可靠的交流发电机组和其他能量源转变成直流电压,形成直流电网,并可通过DC/AC逆变器将直流转换为交流供相关设备使用,如图5所示。直流组网技术高效、灵活且兼容性好,可省去配电板及部分变压器,减少整个系统的体积和重量。此外,可根据不同工况条件调整发电机转速,储存多余能量,达到节能减排的效果[22]

图 5 直流组网技术 Fig. 5 DC networking technologies

Bijan等[23]提出一种求解直流组网最优负载条件的优化算法,可节省15%的油耗。Haseltalab等[24]提出一种基于输入-输出反馈线性化的方法,可保证直流电网的稳定性。Bui等[25]提出基于RBC的直流组网控制策略,通过对发动机的性能进行优化,降低燃油消耗和污染气体排放。Accetta等[26]提出一种低能耗的能量管理系统,根据电力系统的运行状态,对电力进行存储和补偿,可以降低燃料消耗约15%。

3 混合动力系统建模与仿真技术 3.1 锂离子电池建模技术

目前,锂电池模型主要有电化学模型、人工智能模型和等效电路模型。Motapon等[27]使用改进Shepherd曲线拟合模型对锂电池建模。在人工智能模型方面,Li等[28]建立了基于深度学习的锂电池黑箱模型,其可以稳定工作于整个供电周期,并可适应外界环境的变化。但是其准确性受到训练数据质量的影响,低质量的数据会造成过度拟合。在等效电路模型方面,针对参数改变时一阶戴维宁等效电路模型不够精确的问题,He等[29]提出了改进戴维宁等效电路模型。该模型考虑了锂电池的计划特性,并且加入一个RC回路,此模型具有较高的精度,适合用于混合动力船舶的锂电池模块的建模仿真。

3.2 质子交换膜燃料电池建模技术

目前,燃料电池模型主要包括机理模型、经验模型和人工智能模型。Amphlett模型是应用最为广泛的机理模型之一,该模型认为电化学电动势和极化过电压决定输出电压,活化极化作用、浓差极化作用和欧姆极化效应会对质子交换膜燃料电池(PEMFC)造成不可逆损失,从而使其输出电压下降[30]。Chavan等[31]通过控制多种输入参数,获取不同运行条件下PEMFC的输出性能,所建立的经验模型可应用于PEMFC的设计与管理。Hou等[32]提出了一种改进的半经验PEMFC动态模型,此模型可用于预测电流突变时的堆栈电压。此外,采用支持向量机和神经网络等智能算法可以建立燃料电池人工智能模型[4]。Chavan等[33]提出了PEMFC系统黑箱建模的方法,不需要复杂的输入参数和运行条件,便可以预测PEMFC在多种负载条件下的极化行为。

3.3 超级电容建模技术

目前,超级电容模型有电化学模型、等效电路模型和人工智能模型。电化学模型便于理解并可用于超级电容的优化设计,但不利于对能量管理系统的实时控制。等效电路模型结构简单,在描述超级电容的动态特性时精度较高。Parvini等[34]针对圆柱形超级电容提出了一种具有高计算精度的电热耦合模型,便于实现超级电容的实时功率管理和热管理。人工智能模型可反映超级电容输入和输出参数的非线性关系,预测其在不同工况下的各性能参数。孙家南等[35]采用小波变换对超级电容的待辨识参数进行滤波处理,可有效提高参数辨识精度。Wang等[36]提出一种可以同时估计模型参数和SOC的方法,采用扩展卡尔曼滤波器进行参数修正,并采用无迹卡尔曼滤波估计SOC,有效地提高了模型的鲁棒性。

3.4 直流组网建模技术

DC/DC变换器、AC/DC整流器和DC/AC逆变器建模是直流组网建模的关键,对电网运行的稳定性和可靠性具有重要的影响。Wang等[37]基于双向DC/DC变换器损耗的分析,提出计算变换器效率的理论模型,该模型综合考虑了温度、频率、工作循环和转换器材料等影响,具有较高的精度。Pahlevaninezhad等[38]提出一种AC/DC整流器的交错并联单相功率因数校正模型,使得整流器的功率场效应晶体管为软开关,该模型可有效地控制用来实现零电压开关技术的无功电流。王建华等[39]基于并网及离网单相全桥逆变电路,提出一种单相逆变器大信号模型建模方法,其适用于大多数DC/AC变换器拓扑结构,普适性较好。

4 混合动力船舶能量优化管理控制技术

混合动力船舶能量优化管理控制可根据负载功率需求,实现船舶电能在各个能量源之间的分配与调度[40],其对提高系统运行的可靠性和经济性至关重要。

4.1 状态机控制策略

混合动力船舶功率需求的变化会触发状态机内置的一系列规则,使能量管理系统状态转换,完成船舶电能的重新分配[41]。传统能量控制策略无法在能量效率与动态特性之间达到较好平衡,其稳定性受功率需求波动影响较大。基于此问题,Li等[42]提出一种基于下垂控制的状态机控制策略,相较于传统状态机控制策略,下垂控制可以根据状态变化在各个能量源之间合理分配能量需求,此控制策略可以根据能量源特性合理分配功率,并且在功率突变时,保持较好的性能和较高的效率。

4.2 基于规则的模糊逻辑控制策略

与状态机控制策略相比,基于规则的模糊控制策略可以更快地响应功率需求的变化,实时性和鲁棒性较好。然而,由于专家经验的主观性,使得模糊逻辑控制受专家经验影响较大,很难实现全局最优,所以对控制规则进行优化是模糊控制的一个重要研究方向。Zhu等[43]设计了以模糊逻辑控制为能量管理策略的混合电力推进系统,建立燃料电池混合动力系统的仿真模型,该模糊逻辑控制策略可以对荷电状态进行合理控制,降低燃料电池的动态负荷,提高混合动力系统的工作效率。

4.3 等效油耗控制策略

等效燃油消耗最小化策略(ECMS)是一种基于目标函数的即时优化策略。其核心思想是将混合动力系统中电力驱动消耗的能量等效转化为燃油消耗量,得到每一时刻混合动力系统的等效燃油消耗,并将其作为目标函数,求解其在最小值时能量管理系统对输出功率的最优分配[44]。Couch等[45]提出一种基于ECMS的监督式能量管理策略,通过控制交流发电机占空比,在满足实时负载电流需求以及对系统电压和电池SOC的限制条件的基础上,对燃料经济性进行优化,此策略可以减少柴油消耗,并且在负载电流波动时,确保电池正常充电。

4.4 模型预测控制策略

作为在工业实践过程中发展起来的一种有效的控制方法,模型预测控制(MPC)可以实现具有非线性、时变性、强耦合和不确定性的复杂系统的高精度控制。MPC主要包括预测模型、反馈校正和滚动优化3个主要部分[46]。MPC在船舶混合动力系统上逐步获得应用,Hou等[47]提出一种自适应模型预测控制策略,可以较为精确地测量并预测负载转矩。通过与线性预测输入观测器的对比试验,验证此控制策略的可行性及可靠性。此外,此策略还可以有效提高能量管理系统的效率,改善推进系统的性能,减少机械磨损。

5 混合动力船舶应用案例分析

随着船舶混合动力系统建模与仿真技术以及能量优化管理控制技术的不断发展和成熟,目前,国内外已有混合动力系统的成功应用案例。

2009年,Alster-Touristik GmbHFCS Alsterwasser设计了1艘由氢燃料电池供电的客船FCS Alsterwasser号[48]。船上配备2个氢燃料电池系统,并配有电池作为辅助能源。2012年12月,世界上第1艘混合渡轮MV Hallaig建造完成[49]。该船使用柴油机-电池混合动力系统,不仅可以提高经济效益,还能减少机械应力和噪声。此外,与单独使用柴油机的动力系统相比,该船可降低CO2排放约20%。

2015年,RWF设计建造了1艘观光船Enhydra号[50]。该船为插电式锂离子电池混合动力船,可节省20%~30%的燃料消耗。

2017年,武汉理工大学等[51]基于“腾飞”号货船研发设计了太阳能与蓄电池混合电力系统,该货轮采用功率峰值可达143 kW的太阳能光伏电力系统和容量为652.8 kWh的电池系统,是世界第1艘使用太阳能和电池混合动力系统的大型货船。

2019年,Sanlorenzo设计了SL106混合动力游艇[52]。该游艇的SL-Hybrid动力系统有5种操作模式,可以降低燃油消耗和CO2排放、减小噪声、提高游艇的舒适度。不同混合动力系统在船舶上的应用如表1所示。

表 1 不同混合动力系统在船舶上的应用 Tab.1 Applications of different hybrid power systems
6 结 语

在船舶绿色化和高效化发展的时代背景下,船舶多清洁能源混合动力系统及其关键技术的研究与应用引起了业界的广泛关注。虽然国内外许多学者对船舶混合动力系统关键技术进行了一定的研究,但船舶多清洁能源混合动力系统的发展仍面临着诸多问题和挑战:

1)目前清洁能源在船舶上的应用技术尚不成熟,受海况和船舶运行情况的影响较大,不能持续为船舶航行提供稳定可靠的动力来源;

2)当前船舶多清洁能源混合动力系统的建模与仿真技术的研究大多基于理想情况,未考虑船舶运行状态和风、浪、天气等环境因素的多重影响,造成仿真结果存在较大误差;

3)目前能量管理策略的稳定性受功率需求波动影响较大。此外,缺乏完善成熟的控制策略来进行船舶多清洁能源混合动力系统的能量优化管理控制,所研究的能量优化管理控制技术仍需要进一步的验证和优化。

基于上述问题与挑战,对多清洁能源混合动力船舶进行如下展望:

1)对船舶清洁能源应用技术进行更深入的探究和实用验证,进一步发展和完善不同海况和船舶运行情况下的船清洁能源应用技术;

2)加大新技术、新方法的应用力度,综合模拟船舶运行状况和风、浪、天气等环境因素,并在此基础上,研究多清洁能源混合动力系统各模块及整个系统的建模与仿真技术,实现不同运行状态及不同负荷下混合动力系统的动态仿真,从而为多清洁能源的优化管理与控制奠定基础;

3)进一步完善能量优化管理策略,以适应不同的船舶清洁能源混合动力系统配置形式和不同的船舶运行模式。研究重点在于提高能量控制策略对状态瞬变的响应速度和稳定性、平衡能量效率与动态特性和减少日常营运成本,进而达到提高绿色度和能效的目的。

参考文献
[1]
EYRING V, KÖHLER H W, LAUER A, et al. Emissions from international shipping: 2. Impact of future technologies on scenarios until 2050[J]. Journal of Geophysical Research Atmospheres, 2005, 110(D17).
[2]
SALMI W, VANTTOLA J, ELG M, et al. Using waste heat of ship as energy source for an absorption refrigeration system[J]. Applied Thermal Engineering, 2017, 115(Complete): 501-516.
[3]
中国船级社. 绿色船舶规范[S]. 2015.
[4]
李奇. 质子交换膜燃料电池系统建模及其控制方法研究[D]. 成都: 西南交通大学, 2011
[5]
CHAVAN S L, TALANGE D B. Modeling and performance evaluation of PEM fuel cell by controlling its input parameters[J]. Energy, 2017, 138(1): 437-445.
[6]
HOU Y, YANG Z, WAN G. An improved dynamic voltage model of PEM fuel cell stack[J]. International Journal of Hydrogen Energy, 2010, 35(20): 11154-11160. DOI:10.1016/j.ijhydene.2010.07.036
[7]
CHAVAN S L, TALANGE D B. System identification black box approach for modelling performance of PEM fuel cell[J]. Journal of Energy Storage, 2018, 18: 327-332. DOI:10.1016/j.est.2018.05.014
[8]
COLLONG S, KOUTA R. Fault tree analysis of proton exchange membrane fuel cell system safety[J]. International Journal of Hydrogen Energy, 2015, 40(25): 8248-8260. DOI:10.1016/j.ijhydene.2015.04.101
[9]
WU C, CHEN J, XU C, et al. Real-time adaptive control of a fuel cell/battery hybrid power system with guaranteed stability[J]. IEEE Transactions on Control Systems Technology, 2017, 25(4): 1394-1405. DOI:10.1109/TCST.2016.2611558
[10]
YANG N, FU Y, YUE H, et al. An improved semi-empirical model for thermal analysis of lithium-ion batteries[J]. Electrochimica Acta, 2019, 311: 8-20. DOI:10.1016/j.electacta.2019.04.129
[11]
凡序国. 锂离子电池组等效电路建模及SOC估算的研究[D]. 绵阳: 西南科技大学, 2017.
[12]
PENG H, WANG J, SHEN W, et al. Compound control for energy management of the hybrid ultracapacitor-battery electric drive systems[J]. Energy, 2019, 175: 309-319. DOI:10.1016/j.energy.2019.03.088
[13]
TURPIN C, LAETHEM D V, MORIN B, et al. Modelling and analysis of an original direct hybridization of fuel cells and ultracapacitors[J]. Mathematics & Computers in Simulation, 2017, 131: 76-87.
[14]
CHIANG Y, SEAN W, JEONG S. Current control of energy management system by applying ultracapacitor with boost converter interface for reused lithium-ion battery[J]. Journal of Cleaner Production, 2019, 220: 945-952. DOI:10.1016/j.jclepro.2019.02.107
[15]
岳蕾, 张志国, 彭娅玲. 燃料电池作为船舶动力装置的可行性分析和研究[J]. 舰船科学技术, 2009, 31(2): 63-66. DOI:10.3404/j.issn.1672-7649.2009.02.010
[16]
BREEZE P. Power system energy storage technologies [M]. Academic Press,2018: 61-68.
[17]
唐道贵. 基于智能控制算法的混合动力船舶能量管理策略研究[D]. 武汉: 武汉理工大学, 2017.
[18]
JEONG B, ZHOU P L, OGUZ E, et al. Multi-criteria decision-making for marine propulsion: Hybrid, diesel electric and diesel mechanical systems from cost-environment-risk perspectives[J]. Applied energy, 2018, 230(15): 1065-1081.
[19]
刘永志, 胡义, 徐振峰. 柴电混合动力船舶机动性能研究[J]. 内燃机工程, 2019, 40(1): 50-56.
[20]
袁裕鹏, 王凯, 严新平. 混合动力船舶能量管理控制策略设计与仿真[J]. 船海工程, 2015, 44(2): 95-98. DOI:10.3963/j.issn.1671-7953.2015.02.025
[21]
GHENAI J, BETTAYEB M, BRDJANIN B, HAMID A K. Hybrid solar PV/PEM fuel cell/diesel generator power system for cruise ship: A case study in Stockholm, Sweden[J]. Case Studies in Thermal Engineering, 2019, 100497.
[22]
李鸿瑞, 熊良胜, 邵诗逸. 直流电力推进系统在小水线面双体科考船上的应用[J]. 舰船科学技术, 2017, 39(8): 85-90. DOI:10.3404/j.issn.1672-7649.2017.08.018
[23]
BIJAN Z, LARS E N, KRISTINE B L. Optimized efficiency of all-electric ships by dc hybrid power systems[J]. Journal of Power Sources, 2014, 255(1): 341-354.
[24]
HASELTALAB A, BOTTO M A, NEGENBORN R. On-board voltage regulation for all-electric DC ships[J]. IFAC Papers OnLine, 2018, 51(29): 341-347. DOI:10.1016/j.ifacol.2018.09.500
[25]
BUI T M N, DINH T Q, MARCO J, et al. An energy management strategy for DC hybrid electric propulsion system of marine vessels[C]//2018, 5th International Conference on Control, Decision and Information Technologies (CoDIT). IEEE, 2018.
[26]
ACCETTA A, PUCCI M. Energy management system in DC micro-grids of smart ships: main gen-set fuel consumption minimization and fault compensation[J]. IEEE Transactions on Industry Applications, 2019, 3097-3112.
[27]
MOTAPON S N, DESSAINT L, AL-HADDAD K. A comparative study of energy management schemes for a fuel-cell hybrid emergency power system of more-electric aircraft[J]. IEEE Transactions on Industrial Electronics, 2014, 61(3): 1320-1334. DOI:10.1109/TIE.2013.2257152
[28]
LI S, LI J, HE H, et al. Lithium-ion battery modeling based on Big Data[J]. Energy Procedia, 2019, 159: 168-173. DOI:10.1016/j.egypro.2018.12.046
[29]
HE H, XIONG R, ZHANG X, et al. State-of-charge estimation of the lithium-ion battery using an adaptive extended kalman filter based on an improved thevenin model[J]. IEEE Transactions on Vehicular Technology, 2011, 60(4): 1461-1469. DOI:10.1109/TVT.2011.2132812
[30]
贺建军, 孙超. 质子交换膜燃料电池的建模与仿真分析[J]. 中南大学学报, 2010, 41(2): 566-571.
[31]
CHAVAN S L, TALANGE D B. Modeling and performance evaluation of PEM fuel cell by controlling its input parameters[J]. Energy, 2017, 138(1): 437-445.
[32]
HOU Y, YANG Z, WAN G. An improved dynamic voltage model of PEM fuel cell stack[J]. International Journal of Hydrogen Energy, 2010, 35(20): 11154-11160. DOI:10.1016/j.ijhydene.2010.07.036
[33]
CHAVAN S L, TALANGE D B. System identification black box approach for modelling performance of PEM fuel cell[J]. Journal of Energy Storage, 2018, 18: 327-332. DOI:10.1016/j.est.2018.05.014
[34]
PARVINI Y, SIEGEL J, STEFANOPOULOU A, et al. Supercapacitor electrical and thermal modeling, identification, and validation for a wide range of temperature and power applications[J]. IEEE Transactions on Industrial Electronics, 2016, 63(3): 1574-1585. DOI:10.1109/TIE.2015.2494868
[35]
孙家南, 赵洋, 韦莉, 等. 基于系统辨识的电化学超级电容器建模[J]. 高压电器, 2012, 48(9): 16-21.
[36]
WANG Y, LIU C, PAN R, et al. Modeling and state-of-charge prediction of lithium-ion battery and ultracapacitor hybrids with a co-estimator[J]. Energy, 2017, 121: 739-750. DOI:10.1016/j.energy.2017.01.044
[37]
WANG C, RUI X, HE H, et al. Efficiency analysis of a bidirectional DC/DC converter in a hybrid energy storage system for plug-in hybrid electric vehicles[J]. Applied Energy, 2016, 183: 612-622. DOI:10.1016/j.apenergy.2016.08.178
[38]
PAHLEVANINEZHAD M, DAS P, DROBNIK J, et al. A ZVS Interleaved Boost AC/DC Converter Used in Plug-in Electric Vehicles[J]. IEEE Transactions on Power Electronics, 2012, 27(8): 3513-3529. DOI:10.1109/TPEL.2012.2186320
[39]
王建华, 顾彬仕, 段青, 等. 单相DC/AC逆变器大信号快速建模仿真方法[J]. 电力系统自动化, 2017, 41(3): 110-116. DOI:10.7500/AEPS20160529005
[40]
宋波. 船舶能量管理系统设计研究[J]. 中国舰船研究, 2011, 6(2): 93-97. DOI:10.3969/j.issn.1673-3185.2011.02.020
[41]
WANG T, QI L, CHEN W, et al. Application of energy management strategy based on state machine in fuel cell hybrid power system[C]//Asia-pacific IEEE Transportation Electrification Conference & Expo. 2017.
[42]
LI Q, YANG H, HAN Y, et al. A state machine strategy based on droop control for an energy management system of PEMFC-battery-supercapacitor hybrid tramway[J]. International Journal of Hydrogen Energy, 2016, 16I48-16I59.
[43]
ZHU L, HAN J, PENG D, et al. Fuzzy logic based energy management strategy for a fuel cell/battery/ultra-capacitor hybrid ship[C]// International Conference on Green Energy. 2014.
[44]
陈龙, 李文瑶, 徐兴, 等. 基于在线ECMS的混合动力公交车能量管理策略优化与HIL仿真[J]. 汽车工程, 2016, 38(10): 1163-1168. DOI:10.3969/j.issn.1000-680X.2016.10.001
[45]
COUCH J, FIORENTINI L, CANOVA M. An ECMS-based approach for the energy management of a vehicle electrical system[J]. Ifac Proceedings Volumes, 2013, 46(21): 115-120. DOI:10.3182/20130904-4-JP-2042.00123
[46]
VU T V, GONSOULIN D, DIAZ F, et al. Predictive control for energy management in ship power systems under high-power ramp rate loads[J]. IEEE Transactions on Energy Conversion, 2017, 32(2): 788-797. DOI:10.1109/TEC.2017.2692058
[47]
HOU J, SUN J, HOFMANN H. Adaptive model predictive control with propulsion load estimation and prediction for all-electric ship energy management[J]. Energy, 2018, 150: 877-889. DOI:10.1016/j.energy.2018.03.019
[48]
BASSAM A M, PHILLIPS A B, TURNOCK S R, et al. Development of a multi-scheme energy management strategy for a hybrid fuel cell driven passenger ship[J]. International Journal of Hydrogen Energy, 2016.
[49]
GEERTSMA R D, NEGENBORN R R, VISSER K, et al. Design and control of hybrid power and propulsion systems for smart ships: A review of developments[J]. Applied Energy, 2017, 194.
[50]
ANONYMOUS. AAM to Build Li-Ion hybrid for red and white fleet[J]. Marine Log, 2017, 122(3).
[51]
YUAN Y, WANG J, YAN X, et al. A design and experimental investigation of a large-scale solar energy/diesel generator powered hybrid ship[J]. Energy, 2018, 165: 965-978. DOI:10.1016/j.energy.2018.09.085
[52]
ANONYMOUS. SANLORENZO presents SL106 Hybrid[EB/OL]. 2019-8-2/2019-8-23: http://theislander.net.