大型船舶光伏系统的环境扰动机理与抑制方法研究

The marine photovoltaic system (MPVS) is probably disturbed by the marine environment when moving with the ship, e.g., the partial shading, dynamic illumination, high humidity, fast wind, salt particles accumulation and corrosive black-spots. These disturbances will lead to a significant change of photovoltaic (PV) cell’s characteristic, a frequent fluctuation of power output and even the “hot spot” effect, and constrain the introduction of large-scale PV system into the marine power grid (MPG) significantly. The mechanism of these environment-caused disturbances (ED) imposed on a large MPVS and the corresponding ED rejection methods are studied in this work. Firstly, the formation and transmission mechanisms of ED imposed on the MPVS are studied and described quantitatively by establishing its mathematical model. Secondly, the configuration of large-scale PV array and its dynamic model are studied, and the centralized offline maximum power point tracking algorithm based on swarm intelligence is studied as well, in order to create conditions for the real-time response of ED. Finally, the distributed rejection control of MPVS based on the model predictive control is studied, in order to ensure the transient process satisfies the requirement of MPG. This study is of great importance to the introduction of large-scale MPVS into MPG and its robustness improvement. Moreover, this study is also of necessity and novelty to the application and extension of new energy ship in the background of national marine power strategy.

船舶光伏系统在随船运动时所受到的局部遮阴、动态光照，以及海洋环境下高湿度、高风速、盐颗粒积聚、腐蚀性黑斑等问题，是造成系统工作特性变化、出力频繁波动甚至导致“热斑效应”的主要原因，也是制约光伏系统大规模接入船舶电网的技术瓶颈之一。本项目拟围绕大型船舶光伏系统的环境扰动机理与抑制方法展开研究：通过随船实验研究船舶与海洋环境下光伏系统各类扰动的形成与传播机理，并建立数学模型实现其量化描述；研究大型船舶光伏阵列拓扑结构及动态模型，并研究基于群集智能的集中式离线最大功率点跟踪算法，为实时响应环境扰动创造条件；基于模型预测控制，研究船舶光伏系统分布式抗扰控制方法，保证扰动响应过程符合船舶电网消纳能力。本项目的研究工作对光伏系统大规模接入船舶电网及其鲁棒性提升具有重要意义，也对于海洋强国战略背景下的新能源船舶应用与推广具有一定的必要性和前瞻性。

绿色船舶技术是近年来船舶领域的重要研究方向，基于新能源利用的船舶节能减排技术也是航运业未来发展的重大课题。本项目针对船舶光伏系统在随船运动时所受到的局部遮阴、动态光照，以及海洋环境下高湿度、高风速、盐颗粒积聚、腐蚀性黑斑等问题，研究了大型船舶光伏系统环境扰动的形成机理，并基于集群智能、机器学习等人工智能理论研究了船舶光伏系统直流侧的控制模型与算法，实现了大型船舶光伏系统对长/短期环境扰动的有效抑制。本课题研究工作形成的重要结果包括：第一，针对特定结构的船舶光伏系统，研究并建立了其海洋环境下以大规模全局优化（Large Scale Global Optimization, LSGO）为描述形式的工作特性模型，为实现基于集群智能的集中式离线最大功率点跟踪（Maximum Power Point Tracking, MPPT）奠定了理论基础；第二，分析并实验验证了串并联、蜂窝式、桥式等常见拓扑结构对于船舶光伏阵列的应用效果，提出了基于分布式全交叉连接（Total-cross-tied, TCT）的大型船舶光伏阵列拓扑结构；第三，研究并分别形成了基于集群智能优化理论、基于时间窗机器学习模型的船舶光伏系统集中式离线MPPT控制算法。对于集群智能的MPPT控制，提出了AMCC-PSO、AMCC-DE、DCDE等一系列高效率的智能优化算法，所能够实现的离线MPPT优化维度至多可达到1000维，快速性及精度良好。此外，对基于机器学习的MPPT控制，通过相关实验量化了在所模拟的实验条件下，机器学习MPPT模型的最优时间窗长度应为3个月至1年；第四，研究并建立了实现船舶光伏系统环境抗扰控制的模型预测控制（Model Predictive Control, MPC）电路及其控制模型，通过与上述离线MPPT控制算法的对接，实现了船舶光伏系统在复杂多变环境条件下鲁棒性、抗扰性的有效提升。本项目的研究工作探索了光伏系统在船舶与海洋这一特殊应用背景下环境扰动的产生机理与特性，提出了基于人工智能理论的控制模型与算法以实现环境抗扰控制，所形成的技术成果对于实现光伏系统大规模接入船舶电网及其鲁棒性提升具有重要意义，也对于实现人工智能理论与绿色船舶的深度融合具有一定的必要性和前瞻性。