本研讨致力于解决优化柴油发电机（DG）与电池储能体系（BESS）协同运转的应战，以完成混合动力体系中总燃料本钱的最小化拖船使用鲸鱼优化算法（Whale Optimization Algorithm, WOA）这一元启发式优化算法。经过构建特定燃油耗费率（Specific Fuel Consumption, SFC）曲线与最优操控算法，以进步混合动力体系功能拖船多种多样事例研讨考察不同拖轮形式继续时刻对柴油发电机（DG）与蓄电池储能体系（BESS）优化运转的影响。经过与其他优化算法的对比验证了鲸鱼优化算法（WOA）的有用性。根据所开发的SFC曲线与最优操控算法，确认了进步燃油功率的最佳DG运转工况。成果标明，选用WOA建议的DG与BESS协同优化运转计划，混合动力拖轮的总燃油本钱较传统拖轮下降了9.23%。比较其他算法，WOA在完成DG与BESS最优运转方面体现尤为杰出，不只达到了最高燃油本钱节约率，一起使BESS运转容量需求最小化。研讨发现，为最大限度下降总燃油本钱，柴油发电机应优先布置在继续时刻最长且负荷需求较高的运转形式下。
引言
近年来，跟着环保法规的日趋严格，混合动力体系在船只范畴的使用继续遍及[1]。典型的混合动力体系由内燃机、发电机、电动机、储能体系及能量办理体系构成[2]。该体系兼具燃油经济性进步、环境影响下降和运转灵活性增强等优势，使其可以满足法规合规性要求。将
电池储能体系（BESS）集成到船只中可使其在抱负工况下运转，与传统推进体系的船只比较能明显下降燃油耗费[3]。正如文献[[4], [5], [6], [7], [8]]所述，储能体系在船只工业以外的范畴也有广泛使用，例如先进多层复合材料和生物聚合物储能范畴。这些多元化使用凸显了混合船只动力体系中BESS能量办理与长时刻稳定性的重要性。因而，操控算法经过和谐柴油发电机（DG）与BESS的运转状态，对优化体系功能与功率具有决定性作用。若缺少此类算法，能量分配将失衡，导致功率下降与燃油本钱添加[9,10]。
多项研讨致力于进步混合动力体系的可靠性以下降分布式发电燃料本钱。例如，Alfieri等人[11]提出了一种带
电池储能体系(BESS)的船只电力体系高效办理战略以下降燃油耗费。根据实在数据的模仿研讨标明，该战略在满足必要约束条件的一起优化了BESS充放电进程。此外，文献[12]的研讨人员选用非线性规划确认BESS最佳容量以完成燃料和运转本钱最小化，并运用混合整数线性规划达到BESS最优运转。这些办法成功完成了数据同享与成果互通。文献[13]开发了联合优化办法，用于确认BESS适宜容量并办理其电力资源，从而最小化船只全生命周期运营本钱。[12]选用非线性规划办法确认BESS的抱负规模以最小化燃料和运维本钱，并使用混合整数线性规划完成BESS的最优运转。这些办法均展现了成功的数据同享与成果互通。文献[13]中提出的联合优化办法，经过协同优化BESS容量装备与电力资源办理，有用下降了船只全寿数周期内的运营本钱。研讨人员选用混合整数二次规划办法进行
电池储能体系容量装备以下降燃料耗费；然而，该办法的通用性规划约束了其在更杂乱体系中的适用性。
传统操控办法在这些研讨中存在局限性，特别是在办理混合动力体系杂乱非线性特性时，难以应对多变工况，常导致功能欠佳。为此，近期研讨聚集于人工智能和元启发式办法，这些办法无需杂乱数学模型即可完成快捷布置。元启发式算法尤其擅长大局查找，一起明显下降计算耗时[14]。虽然元启发式办法未必总能找到绝对最优解，但精心规划的算法可获得挨近最优的成果[15]。文献[16]选用遗传算法(GA)优化柴油-
电池配对运转本钱，在不考虑排放政策约束时完成了3.50%的运转本钱降幅。类似地，Wang等[17]使用非支配排序遗传算法-II（NSGA-II）以下降燃油耗费与全生命周期本钱，一起最大化蓄
电池储能体系（BESS）使用率，比较传统柴油体系，该计划使纯电动形式年运转时刻进步38%，而全生命周期本钱仅添加8%。此外，[18]选用NSGA-II算法确认了柴油-电力混合动力船只在不同运转形式与多样化工况下BESS与超级电容的最优装备规模，该研讨还提醒了初始出资本钱与BESS使用寿数间的关联关系。文献[19]相同选用NSGA-II算法对混合动力海上援助船进行优化剖析，研讨包含直流与交流两种装备计划。该作业经过最小化包含制作费用与运营费用的总本钱，完成了体系全体经济性优化。
除遗传算法外，粒子群优化算法（PSO）已广泛使用于船只场景中蓄
电池储能体系的最优容量装备研讨。文献[20]选用PSO对配备柴油发电机与光伏组件的油轮铅酸
电池、锂离子
电池和超级电容器进行容量优化，证明其经济效益优于传统办法。文献[21]提出根据PSO的多目标优化蓄
电池容量装备计划，与传统办法比较完成了3.40%的燃油使用率进步。%% 文献[22]将量子粒子群算法与量子人工蜂群算法（ABC）相结合，有用下降了燃油本钱并进步体系可靠性。但需指出的是，遗传算法、粒子群算法及人工蜂群算法等元启发式办法存在部分最优陷阱和收敛速度慢等固有缺陷[23,24]，这些因素或许影响混合动力体系的全体效能。
因而，研讨人员转而选用鲸鱼优化算法（WOA）进行能源办理，以平衡读档与无性向，一起完本钱钱最小化[25]。本研讨标明，WOA在收敛速度和解质量方面均优于粒子群算法（PSO）和遗传算法（GA）。其他研讨则将WOA使用于混合动力拖船的分布式发电（DG）与
电池储能体系（BESS）运转优化，以进步燃料功率[26]。
虽然混合动力体系取得了进展，但仍存在若干不足。
- 1.
现在缺少全面的燃油耗费率（SFC）数据，这关于制定精确的操控战略至关重要[27]。制造商一般仅供给特定负载水平下的SFC数据，约束了操控算法精确预测和优化燃料耗费的才能。
- 2.
现在鲜有研讨能开宣布一起完成燃料功率最大化、本钱最小化且适应多变工况的操控算法。基础操控算法常因缺少适应性与多目标优化才能而无法满足这些要求。
- 3.
大多数研讨集中于优化速度、航线规划与船队布置等技术层面，却未深化探究影响燃料本钱下降的因素，特别是触及DG与BESS运转的相关问题[28,29]。解决这一问题将有助于制定更具本钱效益的优化战略。
- 4.
虽然WOA的可靠性已在多种使用场景中得到验证，但其在混合动力拖轮中优化DG与BESS运转的有用性尚未被探究。包含WOA在内的元启发式算法因其随机特性，一般只能获得近似最优解而非实在的最优解[30]。
因而，本文经过开发一种考虑混合配对运转特性的最优操控算法来添补这些研讨空白，使用WOA进步混合动力体系的功能。详细而言，本研讨以混合动力拖轮为对象，优化柴油发电机（DG）与
电池储能体系（BESS）的运转战略，要点完成总燃料本钱的最小化。拖轮常在低负荷工况下运转，这为经过混合动力体系功率完成燃料节约供给了抱负的研讨事例[31]。本文的首要立异点如下。
- 1.
经过回归估计对不同发动机类型的比油耗（SFC）方程进行平均处理，开宣布包含所有读档水平下分布式发电（DG）运转的综合性SFC曲线，从而供给实在的比油耗表征。
- 2.
根据鲸鱼优化算法（WOA）建立了高效的最优操控算法，称为混合动力最优操控算法（HPCA）。该算法专为适应拖轮作业中的多变工况而规划，无需杂乱公式即可有用下降总燃油本钱。
- 3.
识别影响分布式发电(DG)和电池储能体系(BESS)运转以完成总燃料本钱最小化的关键因素，要点剖析了在较高读档需求的最长运转形式时段内DG的最优运转战略。
- 4.
经过将鲸鱼优化算法(WOA)混合预测操控架构(HPCA)与哈里斯鹰优化(HHO)和灰狼优化器(GWO)进行对比验证，证明WOA在获取最优解方面具有更优越的功能体现。
图1所示流程图阐明了本研讨的根本结构：首要构建新的特定燃料耗费(SFC)曲线，该曲线是优化DG功能的基础；随后建立根据WOA的最优操控算法阶段，使用WOA开发操控算法以完成DG与BESS的高效运转办理；最终步骤为WOA功能验证，要点评价WOA在优化DG和BESS运转以下降燃料本钱、进步体系稳定性方面的有用性。
