基于飞机配电优化负荷管理系统研究（Matlab代码实现）

欢迎来到本博客❤️❤️博主优势博客内容尽量做到思维缜密逻辑清晰为了方便读者。⛳️座右铭行百里者半于九十。⛳️赠与读者‍做科研涉及到一个深在的思想系统需要科研者逻辑缜密踏实认真但是不能只是努力很多时候借力比努力更重要然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览免得骤然跌入幽暗的迷宫找不到来时的路它不足为你揭示全部问题的答案但若能解答你胸中升起的一朵朵疑云也未尝不会酿成晚霞斑斓的别一番景致万一它给你带来了一场精神世界的苦雨那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。或许雨过云收神驰的天地更清朗.......1 概述飞机电力系统 (EPS) 是安全关键系统可为起落架或飞行控制执行器等重要负载提供电力。随着一些液压、气动和机械部件被电气部件取代现代飞机 EPS 变得越来越复杂因为硬件子系统数量更多以及它们与嵌入式控制软件的交互 [1]。电力系统的电气化允许实施智能控制技术通过对电力资源的优化管理来实现更高的性能和整体效率。然而今天的 EPS 设计主要遵循顺序衍生设计过程其估计早期设计决策对最终实施的影响的能力有限最初由德国 DoD1 为国防应用开发的 V 图的变体。为了降低开发过程中的风险新开发的设计通常是旧飞机 EPS 的转世由于当今的飞机需要大量新功能这种做法注定很快就会停止我们的方法建立在许多结果的基础上这些结果为更正式的 EPS 设计方法开辟了道路。在 [4] 中作者提出了一个通过仿真对飞机子系统进行建模和架构探索的平台。类似地在 [5] 中作者利用飞机的飞行动力学模型与驱动系统模型耦合来利用仿真。虽然已经报道了几种用于电力电子、开关和转换器的优化技术但优化整个配电系统的问题在文献中很少受到关注。在 [6] 中确定了网络各个点的最佳电压和功率水平以最小化总重量、安装成本和燃料消耗。在 [7] 中提出了一种遵循 PBD 范式的面向优化的 EPS 设计方法。然而[6] 和 [7] 的主要关注点是发电机的选择和拓扑的设计即不同 EPS 组件之间的互连而不是 EPS 接触器开关逻辑的优化设计和负载管理。在 [8] 中讨论了 EPS 控制协议的正确构造设计的自动化程序。系统规范首先使用线性时序逻辑 [9] 进行转换然后通过利用形式化方法自动合成以保证安全约束。然而虽然最终解决方案的正确性得到保证但它在许多性能指标方面的最优性例如使用的发电机数量和卸载负载并没有得到解决。不同组件之间的连接由单线图 (SLD) 指定这是一种表示三相电力系统的简化符号 [1]。交流和直流发电机为许多交流和直流负载或电力转换设备例如变压器和整流器单元供电。除了连接到飞机发动机的发电机外发电元件还包括辅助动力装置APU和电池。电力通过一条或多条总线分配发电机与负载的连接通过一系列机电开关称为接触器进行布线。一部分负载很关键无法卸载而其他负载可以在紧急情况下脱机。最后电流、电压和接触器传感器用于监控系统状态并识别可能的故障。本文结构如下。在第 II 节对示例 EPS 系统及其要求进行了简要描述后第 III 节说明了我们的分层优化负载管理方法包括问题的优化而第 IV 节总结了Matlab模拟结果。最后在第五节中得出结论。数学模型详细数学模型及解释见第四部分。结论本文讲解了一种用于飞机配电的分层优化负载管理系统。在我们的方法中高级负载管理系统 (HL-LMS) 通过在后退水平方法中求解有效的混合整数线性程序来协调减载、源分配和电池利用率。最佳控制问题的结果作为建议提供给可以直接驱动 EPS 接触器的低级负载管理系统 (LL-LMS)。每次发生故障时来自 HL-LMS 的结果可以忽略LL-LMS 应用预定义的最坏情况控制策略直到使用实际系统状态更新高级优化问题公式以适应故障。除了保证系统安全外我们的分层架构在卸载负载百分比和使用源数量方面显示出相对于仅基于 LL-LMS 的传统架构的显着性能改进。最后仿真结果表明最优控制问题在所选应用的范围内可以合理地扩展。2 运行结果部分代码function [configs] HLLMS(sensors, constants) %only using sensors for generator statusN constants.N; % number of timesteps (use all timesteps -- no interpolation or kron)Nt constants.Nt; % prediction horizonNl constants.Nl; % number of loads connected to each busNs constants.Ns; % number of power sourcesNb constants.Nb; % number of HVAC buses%% load the loads[Ls1 Lns1 Ls2 Lns2] sliceWorkloads(sensors, constants); %get relevant slice of historicalWorkloads%% Max. Power supply by Engines and APUU1constants.generatorOutput(1); Peng1U1*ones(1,Nt);U2constants.generatorOutput(2); Peng2U2*ones(1,Nt);U3constants.generatorOutput(3); PapuU3*ones(1,Nt);U[U1*ones(1,Nt); U2*ones(1,Nt); U3*ones(1,Nt)];P[Peng1 Peng2 Papu];startBatteryCharge1sensors.batteryCharge1; startBatteryCharge2sensors.batteryCharge2;%% Optimization problem set-uptic;%Coefficients (one set for Bus 1, one set for Bus 2):Lambda1[0 1 2]; Lambda2[1 0 2]; %generator priority table (GR, GL, APU)%Lambda1[0 2 0]; Lambda2[1 2 0]; %pri table: prefer APU over other sides generatorGamma11000*ones(1,Nl); Gamma2500*ones(1,Nl); %load shedding priority table (one value for each load at each timestep)M3; %mu -- weight for alpha (see eq.9 in OLMS paper)%M1;% Decision variables (one set for Bus 1, one set for Bus 2)C1binvar(Nl,Nt,full); C2binvar(Nl,Nt,full); %C1(l,t) shed load l at time t?:Del1binvar(Ns,Nt,full); Del2binvar(Ns,Nt,full); %Del1(g,t) is bus 1 powered by generator g at time t?Beta1sdpvar(1,Nt,full); Beta2sdpvar(1,Nt,full); %Beta1(1,t) amount of pwr used for battery 1 at time tY1sdpvar(Ns,Nt,full); Y2sdpvar(Ns,Nt,full); %what is this?alphabinvar(Nt,Ns,full); %alpha(t,g) is anything drawing pwr from generator g at time t?Pito1sdpvar(Nt,Ns,full); Pito2sdpvar(Nt,Ns,full); %Pito1(t,g) amount of pwr delivered by generator g to bus 1 at time tBETA1 sdpvar(1,Nt,full); BETA2 sdpvar(1,Nt,full); %cumulative battery charge. (lowercase Beta is per-timestep change in charge)nSwitch1 sdpvar(1,Nt,full); nSwitch2 sdpvar(1,Nt,full); nSwitch3 sdpvar(1,Nt,full); nSwitch4 sdpvar(1,Nt,full); nSwitch5 sdpvar(1,Nt,full); nSwitch6 sdpvar(1,Nt,full);% Constraintscons[];%cons[cons, 0 BETA1, 0 BETA2];cons[cons, 0 BETA1 constants.maxBatteryLevel, 0 BETA2 constants.maxBatteryLevel]; %battery charge level cant be negativefor i1:Nl-1cons[cons, C1(i,:) C1(i1,:), C2(i,:) C2(i1,:)];endcons[ cons, sum(Del1,1) ones(1,Nt)]; % \delta_11(t) \delta12(t) \delta_13(t)1 \forall t0cons[ cons, sum(Del2,1) ones(1,Nt)];for i1:Ns %hard code generator broken where necessaryif (sensors.genStatus(i) 0)cons[cons, alpha(:,i)0]; %require that generator i is offcons[cons, Del1(i,:)0, Del2(i,:)0]; %require that nobody draws power from gen iendendx1:1:N;xi0:N/(Nt-1):N; xi(1)1; % 0:10:100% the following five lead to MILP.cons[cons, sum(C1.*interp1(x,Ls1,xi),1) sum(interp1(x,Lns1,xi),2) sum(Y1,1) - Beta1]; %\sum cji(t)*lji(t) \sum \deta_ji *P_source_i - Betajcons[cons, sum(C2.*interp1(x,Ls2,xi),1) sum(interp1(x,Lns2,xi),2) sum(Y2,1) - Beta2];cons[cons, Y1 Y2 alpha.*P]; % The three constraints of the form \delta_{11}*P_{1to1} \delta_{2to1}*P_{2to2}P_{eng1}cons[cons, 0 Y1 Pito1, 0 Y2 Pito2];cons[cons, Pito1 - U.*(1-Del1) Y1 U.*Del1, Pito2 - U.*(1-Del2) Y2 U.*Del2];if(sensors.time constants.tMinBatteryLevel)cons[cons, constants.minBatteryLevel BETA1, constants.minBatteryLevel BETA2];display(sprintf(using minBatteryLevel starting at time %d, sensors.time))elseif((constants.tMinBatteryLevel - sensors.time) 0) %TODO: check correctnessdisplay(not using minBatteryLevel constraint)my_tMinBatteryLevel constants.tMinBatteryLevel - sensors.time;cons[cons, maxBatteryLevel BETA1(my_tMinBatteryLevel:Nt) minBatteryLevel, BETA2(my_tMinBatteryLevel:Nt) minBatteryLevel]; %enforce lower bound on battery charge level after the tMinBatteryLevel-th timestepend%everything is shifted to start at 2 (see configs below), so Beta1(1),Beta2(1) is (ignored?)BETA1(1) startBatteryCharge1; BETA2(1) startBatteryCharge2;for i2:Ntcons[cons, BETA1(i) BETA1(i-1) Beta1(i), BETA2(i) BETA2(i-1) Beta2(i)];endnSwitch10; nSwitch20; nSwitch30; nSwitch40; nSwitch50; nSwitch60;for i1:Nt-1nSwitch1nSwitch1 abs( Del1(1,i)-Del1(1,i1) );nSwitch2nSwitch2 abs( Del1(2,i)-Del1(2,i1) );nSwitch3nSwitch3 abs( Del1(3,i)-Del1(3,i1) );nSwitch4nSwitch4 abs( Del2(1,i)-Del2(1,i1) );nSwitch5nSwitch5 abs( Del2(2,i)-Del2(2,i1) );nSwitch6nSwitch6 abs( Del2(3,i)-Del2(3,i1) );endNOAS3; % Number Of Allowed Switchingscons[cons, nSwitch1NOAS, nSwitch2NOAS, nSwitch3NOAS];cons[cons, nSwitch4NOAS, nSwitch5NOAS, nSwitch6NOAS];% Objectiveobj0;obj obj sum(Gamma1 * (1-C1)) sum (Gamma2 * (1-C2));obj obj sum(Lambda1 * Del1) sum(Lambda2 * Del2);obj obj M * sum(sum(alpha));optionssdpsettings(solver,Cplex); %windows needs Cplex and mac is ok with cplex or Cplexsolvesdp(cons,obj,options);toc;Shedding1 double(C1(:,:));Shedding2 double(C2(:,:));batteryUpdate1 double(Beta1(:,:));batteryUpdate2 double(Beta2(:,:));Del1_double double(Del1(:,:));Del2_double double(Del2(:,:));GeneratorOnOff double(alpha(:,:)); % unlike the other variables, alphas time index comes firstconfigs []; %array of config data structuresfor i1:(Nt-1) %1 to horizonBusGen [0 0];[myMax BusGen(1)] max(Del1_double(:,i1)); %BusGen(1) is argmax here[myMax BusGen(2)] max(Del2_double(:,i1));config struct(Shedding1, Shedding1(:,i1), Shedding2, Shedding2(:,i1), BusGen, BusGen, batteryUpdate1, batteryUpdate1(:,i1), batteryUpdate2, batteryUpdate2(:,i1), GeneratorOnOff, GeneratorOnOff(i,:), HLadviceUsed, true);configs [configs config];endendfunction [Ls1 Lns1 Ls2 Lns2] sliceWorkloads(sensors, constants)nTimestepsOuterLoop max(size(constants.historicalWorkloads.Ls1(1,:)));lo sensors.time;hi min((sensors.time constants.N)-1, nTimestepsOuterLoop); %out-of-bounds checkLs1 constants.historicalWorkloads.Ls1(:, lo:hi);Lns1 constants.historicalWorkloads.Lns1(:, lo:hi);Ls2 constants.historicalWorkloads.Ls2(:, lo:hi);Lns2 constants.historicalWorkloads.Lns2(:, lo:hi);end3参考文献文章中一些内容引自网络会注明出处或引用为参考文献难免有未尽之处如有不妥请随时联系删除。(文章内容仅供参考具体效果以运行结果为准)4Matlab代码、文章下载资料获取更多粉丝福利MATLAB|Simulink|Python资源获取