基于遗传算法与动态规划的船舶混合储能系统拓扑结构与功率分配协同优化研究

为解决船舶电力系统非线性负载波动问题，研究人员开展混合储能系统(HESS)集成优化研究，结合遗传算法(GA)的容量配置与动态规划(DP)的负载分配策略，实现电池-飞轮协同优化。结果显示系统重量降低64%、能量损耗减少19%，为提升船舶能源效率与系统稳定性提供创新方法论。

　　

全球航运业正面临严峻的碳减排挑战，船舶二氧化碳排放占全球总量的3%，国际海事组织(IMO)已设定2050年碳中和目标。传统机械推进系统存在燃料效率低、污染严重等问题，而纯电推进又受限于电池技术。混合电力推进系统虽能兼顾效率与环保，但船舶特有的非线性负载（包括推进负载和酒店负载）导致单一电池储能系统(ESS)难以满足动态需求。如何设计高效可靠的混合储能系统(HESS)，成为实现绿色航运的关键技术瓶颈。

韩国国立研究基金会资助的研究团队在《Ocean Engineering》发表突破性成果。该研究创新性地将遗传算法(GA)与动态规划(DP)相结合，建立两阶段优化框架：首先通过GA确定电池-飞轮HESS的最优容量配置，再利用DP优化实时功率分配策略。研究采用准静态建模技术对系统进行性能分析，并对比传统电池ESS验证优化效果。

能量存储系统
研究指出飞轮储能凭借高功率密度（可达5kW/kg）和超10万次循环寿命，能有效弥补锂离子电池(能量密度200Wh/kg但功率密度仅0.5kW/kg)的响应速度缺陷。通过建立包含效率模型、损耗模型和寿命预测模型的多目标优化体系，量化评估不同拓扑结构的性能差异。

HESS建模
提出基于船舶典型工况的负载特征建模方法，整合推进电机、轴系和辅助设备的功率需求曲线。飞轮转子动力学模型考虑转速限制（6000-16000rpm），电池模型则包含SOC（荷电状态）约束和温度影响因子，确保仿真贴近实际运行条件。

HESS拓扑优化
GA优化阶段以系统重量、能量损耗和寿命为多目标函数，采用非支配排序遗传算法(NSGA-II)获得Pareto最优解集。DP控制阶段建立状态转移方程，以分钟级时间步长求解最优功率分配策略。结果显示飞轮可承担87%的峰值负载，使电池工作点稳定在高效区间。

HESS性能评估
优化后的电池-飞轮HESS相较单一电池系统实现：总重量从8.2吨降至2.9吨；能量损耗减少19%（主要来自电池内耗降低）；飞轮转速波动控制在±12%以内。特别在突加负载工况下，电压波动幅度从7.2%改善至2.1%。

结论
该研究首次实现船舶HESS从设计到控制的端到端优化，证实飞轮储能在船舶场景的工程适用性。提出的方法论可扩展至其他移动载具的储能系统设计，为IMO 2050碳中和目标提供关键技术支撑。后续研究将探索燃料电池与HESS的协同优化，进一步推动零排放船舶发展。