摘要：船舶电站发电系统主要由发电机、主配电板以及各类辅助设备组成，船舶电站是船舶安全可靠航运的关键系统，如果在船舶航运中出现系统故障，将严重影响船舶航运整体安全。进行负荷分配自动转移时，由于故障诊断精度较低，存在转移效率与性能较差的问题，对此，研究了船舶电站负荷分配自动转移故障分析及解决办法。首先，利用GA-BP神经网络的模型，通过训练学习船舶电站的故障数据，实现故障的自动识别和诊断。其次，建立了多目标优化模型，并通过NSGA-II算法实现自动转移路径的优化设计。实验结果表明，所提方法最高检测精度达到98%,自动转移路径时间最长为4 min,技术水平和应用价值较高。通过这些措施，可以有效地解决船舶电站负荷分配自动转移故障，保障船舶电力系统的稳定运行。

　　关键词：船舶电站；故障诊断；负荷分配自动转移；NSGA-II算法

　　0引言

　　船舶电站负荷分配自动转移技术是船舶电力系统的核心组成部分，其主要功能是在船舶电力系统出现故障时，能够自动将负荷从一个电源转移到另一个电源，以保证电力系统的稳定运行。然而，实际运行中的故障往往复杂多样，包括电源故障、传感器故障、执行器故障等。船舶电站是船舶电力系统的重要组成部分，其运行状况直接关系到船舶的安全和稳定。在实际的船舶电站运行中，当一个电动机或发电机发生故障时，通过自动控制系统实现负荷分配自动转移，确保船舶的电力供应连续可靠。这项技术可以提高船舶电站的可靠性和稳定性，避免因单点故障而导致的电力中断。在故障分析中，首先需要识别故障发生的具体位置和原因。一旦发现故障，在自动控制系统的作用下，可以根据预先设定的优先级和策略，将故障设备的负荷自动转移到其他可用设备上。此过程需要进行相应的切换操作，包括根据负荷情况的动态调整、配电系统的连接、断开和保护等措施。通过这些操作，船舶电站可以实现对故障设备的快速隔离，从而保证船舶的关键电力需求继续得到满足。为此，诸多学者对该方面进行研究。孙云通过选取电站数据进行电站网络故障诊断。陈冠宇通过随机森林算法进行电站故障诊断。韩厚彬对负荷分配措施进行研究，通过提取用电行为特征，基于电力需求侧划分电力负荷时段，转移峰期负荷的计算。梁宁采用改进灰狼算法进行负荷优化分配，采用随机分配调整和概率扰动策略改进灰狼优化算法并对目标函数进行求解。但是上述方法进行故障诊断的精度较低，且负荷分配自动转移效率较差。为此，本文研究了船舶电站负荷分配自动转移故障分析及解决办法，经过实验证明：本文提出的故障分析和解决办法以及优化方案的有效性和可行性，对保障船舶电力系统的稳定运行具有重要意义。

　　1.基于G A-BP神经网络的船舶电站故障诊断

　　遗传算法（Genetic Algorithm，GA）是将实际问题处理成一个搜索空间，每个可能的解集为一个个体，在设定条件的搜索空间中每个个体由特定的编码方式表示以获得最优解。GA数学模型表达式为：

　　GA=f（N1，E，P′，M，φ，Γ，ψ，O）（1）

　　式中：N1为个体编码方式；E为个体适应度函数；P′为初始种群；M为种群大小；φ为选择算子；Γ为交叉算子；ψ为变异算子；O为遗传运算终止条件。

　　则具体故障诊断流程如下。

　　（1）编码

　　在算法流程开始时需要对初始种群个体进行编码，即是为了构建一个能被算法识别运算的数据处理环境（搜索空间）。本文选择的是实数编码方式，便于大规模全局搜索最优值。

　　（2）适应度函数

　　当算法适应度越大时，代表着算法收敛性能越好。根据个体适应度值的大小进行优胜劣汰，同时也决定了繁衍的规模。因为在神经网络中误差函数象征着一个神经网络模型的有效程度，本文的神经网络模型误差公式如下：

　　e（x）=d（x）-Y（x）（2）

　　式中：d（x）为网络输出；Y（x）为期望输出。误差e（x）越小说明网络输出和期望输出越接近，所建立的模型预测效果越精确。故本文设计适应度函数为BP神经网络模型总体误差：

　　finess（x）=e（x）（3）

　　（3）选择算子：选择算子是遗传算法的关键，选择轮盘赌方法，其中P（i）为被选择的概率，表达式为：

　　（4）交叉算子

　　交叉算子运用的是自然界信息交换的原理，两个染色体按照规定的交叉算子方法进行基因的交换和复制，最终形成新个体。表达式为：

　　p=x·p+（1-x）·q q=x·q+（1-x）·p

　　式中：x为（0，1）范围内的组合系数。

　　（5）变异算子

　　采用非一致变异算子，可以随着进化过程进行调整。具体实现方式为：对个体p=（p 1，p2，…，pk，…，pn）进行变异操作，产生p′=（p′1，p′2，…，p′k，…，p′n）可以用下式得到：

　　式中：Uk和Lk分别为pk变量范围的上限和下限，t为进化代数。

　　设y=Uk-p k或y=p k-Lk，则：

　　Δ（t，y）=y·［1-random（1）

　　式中：T为最大进化代数；λ为控制非均匀变异的参数。这样Δ（t，y）的范围为［0~y］，随着t的增加逐步趋向于0。

　　结合BP神经网络结构，利用遗传算法迭代搜寻出符合终止条件的最佳染色体，该染色体中的基因即为包含了网络最优权值和阈值，最终赋值到BP神经网络模型中，从而使模型的自适应能力提高，与此同时使收敛时间缩短。具体运算过程如下：（1）确定BP神经网络结构和训练参数设置，设置遗传算法参数；（2）样本集作为输入，将这些样本进行实数编码，并评估每个个体的适应度；（3）对样本集进行迭代轮盘赌选择，数值交叉算子和进行非均匀变异，直至产生最优个体；（4）判断是否达到模型设定精度目标，否则返回步骤（2）；（5）将解码后的结果作为网络的权重和阈值输入，进行误差计算，得出结果。

　　2船舶电站负荷分配自动转移的故障分析

　　高压油泵的油量调节机构出现问题。如果调节杆卡紧、动作迟缓、反应慢、不灵敏，则会造成加减油量不及时，导致负载分配不均。调速器出现问题。例如滑油已脏污变质、反馈指针在最大位置，初部断定是引起负荷自动转移的主要原因。解决办法：检查高压油泵的油量调节机构，对调节杆进行维修和保养，保证其正常工作。对调速器进行检查和维修，对滑油、静速差旋纽、反馈指针和补偿针阀等进行重点检查，确保其正常工作。

　　电源故障：电源故障是导致船舶电站负荷分配自动转移失败的常见原因之一。当电源出现故障时，自动转移装置可能无法正常工作，导致负荷无法顺利转移。

　　传感器故障：传感器是监测电源状态的重要设备，当传感器出现故障时，自动转移装置可能无法准确判断电源的状态，从而无法做出正确的负荷转移决策。

　　执行器故障：执行器是负责执行负荷转移的设备，

　　当执行器出现故障时，自动转移装置可能无法成功地将负荷转移到另一个电源。

　　3基于多目标优化的负荷分配自动转移路径设计

　　基于上述故障检测分析得出船舶电站是否存在故障情况，若船舶电站出现故障时，可能会导致部分电源单元失效或电力供应不稳定。通过自动转移负荷，可以及时将负载从受故障影响的电源单元转移到正常工作的电源单元上，确保船舶持续获得稳定的电力供应，从而避免影响船舶的正常运行。负荷分配自动转移路径流程如下所示。

　　3.1多目标优化模型构建

　　在建立多目标优化模型时，需要在保障电力网络运行安全的前提下，尽量节约成本并使方案合理化。这意味着要平衡安全性、经济性和合理性3个方面的要求，

　　并在此基础上进行决策，以实现一个既安全可靠又具有经济效益和合理性的负荷转移路径方案。

　　(1)尽可能多地恢复停电负荷f1、f2:

　　max f1=max(8)

　　max f2=max(9)

　　(2)尽量减少开关操作次数f3:

　　min f3=min(10)

　　分段开关i在恢复中保持闭合状态分段开关i在恢复中由闭合变为打开联络开关j在恢复中由打开变为闭合联络开关j在恢复中保持打开状态

　　式中：m为船舶电站中分段开关的数量；n为联络开关的数量。

　　(3)尽量降低系统网损f4:

　　min f4=min∑R i(11)

　　式中：Rj、Pj、Qj、Uj分别表示船舶电站中的电阻、有功功率、无功功率和母线电压。

　　(4)尽量减少电压偏移

　　min f5=×100%(12)

　　式中：UN为系统额定电压；Ure为网络某一节点的实际电压。

　　3.2约束条件

　　(1)必须满足潮流公式，用公式表述为:

　　Yij Uj=0(13)

　　式中：∀i∈N,∀j∈N,N为系统中所有节点集合

　　(2)支路电流、节点电压不能越限。

　　i≤Uimax(14)

　　式中：Iimax为支路电流的上限。

　　(3)保持地区电网的辐射状供电结构。

　　gk∈Gk(15 k为已恢复供电的区域；Gk为保证网络辐射状拓扑

　　3.3基于N SGA-II算法的负荷分配自动转移路径设计NSGA-II算法的基本步骤为：
       (1)初始化，随机生成规模为N的父代种群P0;(2)对P0应用选择、交叉、变异，生成规模为N的子代种群Q0;(3)令Pt=P0、Q t=Q0、Pt、Q t分别是第t代的父代种群和子代种群；(4)生成临时种群Rt=Pt∪Q t,R t的数目为2N;(5)对Rt进行非支配排序；(6)采用精英策略生成Pt+1（第t+1代的父代种群）；(7)对Pt+1应用遗传操作，生成Qt+1;

　　(8)收敛检验，若t+1→t,Pt+1→Pt,Q t+1→Q t。否则跳转到(4)。

　　负荷转移流程如图1所示。

　　4实验分析

　　在解决现有故障的基础上，本文提出一种优化方案，

　　即在船舶电站负荷分配自动转移装置中引入智能决策模块。该模块能够根据电源状态、传感器反馈和执行器状态等信息进行综合分析，从而做出更加准确和及时的负荷转移决策。同时，通过实验验证该优化方案的有效性和可行性。实验结果表明，引入智能决策模块后，船舶电站负荷分配自动转移装置的性能得到了显著提升，能够更好地保障船舶电力系统的稳定运行。

　　4.1实验环境

　　本文中的船舶电站数据采集是在对研究电站的基础上，通过电站监控系统，获取相应的船舶电站数据，并将获取到的数据存储于服务端数据库中。进行进一步的实验论证。采用MATLAB仿真软件进行实验仿真测试，所使用的主控计算机为Windows 10操作系统的台式电脑，其参数配置如表1所示。

　　4.2实验指标

　　故障检测精度是衡量故障检测系统在所有故障中正确识别和报告故障的能力。它反映了检测效果的性能，高精度的故障检测意味着系统能够准确地识别和报告故障，减少误报和漏报的情况。这对于保障船舶电站的安全、稳定运行至关重要。表达式为：

　　J=×100%(16)

　　式中：P′为正确检测的故障数量；P为总故障数量。

　　4.3实验结果

　　为验证本文故障检测方法的实用性。本文以故障检测精度为实验指标，采用本文方法、文献[1]方法、文献方法进行测试，结果如表2所示。由表可知，本文方法的最高检测精度可以达到98%;对比方法最高检测精度分别为90%、84%,明显低于本文方法。由此可见，本文方法对船舶电站的故障检查性能较高。

　　为了进一步验证本文方法的实效性，以自动转移路径时间为测试指标进行对比测试结果如表3所示。可以看出，本文方法的自动转移路径时间最长为4min,文献[3]方法的自动转移路径时间最长为13 min,文献[4]方法的自动转移路径时间最长为16 min。由此可见，本文方法自动转移路径效率明显高于对比方法。证明本文所提方法的技术水平和应用价值较高。

　　5结束语

　　综上所述，为促进船舶的高效运行，降低故障的发生概率，减少经济损失，必须加强对船舶电力系统的安全保护，及时应对好故障问题，以实现船舶自动化的高效性与科学性。在船舶电站运行中，当一个电动机或发电机发生故障时，通过自动控制系统实现负荷分配自动转移，确保船舶的电力供应连续可靠。这项技术可以提高船舶电站的可靠性和稳定性，避免因单点故障而导致的电力中断。为此，本文研究船舶电站负荷分配自动转移故障分析及解决办法。实验结果表明：本文方法最高检测精度达到98%,自动转移路径时间最长为4min,证明本文所提方法的技术水平和应用价值较高，具有有效性和稳定性，对保障船舶电力系统的稳定运行有重要的意义。

　  参考文献：

　　[1]孙云，王沭恒，陈冠宇．基于LSTM神经网络算法的船舶电站故障诊断[J].机电设备，2022,39(3):54-57.

　　[2]陈冠宇，杨鹏，陈宁．基于随机森林算法的船舶电站故障诊断[J].船舶工程，2023,45(1):116-119.

　　[3]韩厚彬，盛俊英，汪志宁．错峰用电管理中的负荷分配措施分析[J].电子技术（上海），2023,52(1):346-347.

　　[4]梁宁，张霖．基于改进灰狼算法在多锅炉负荷优化分配中的应用[J].自动化与仪器仪表，2023(5):13-17.

　　[5]夏海洵.S7-200PLC控制器在船舶电站管理系统的应用[J].舰船科学技术，2023,45(4):109-112.

　　[6]吴晓阳．基于FEMA的船舶电站保障性分析研究[J].船舶物资与市场，2023,31(8):93-95.

　　[7]粟世玮，吉雅鑫，邹宇，等．考虑负荷精细化的虚拟电厂优化调度[J].计算机仿真，2022,39(2):56-61.

　　[8]张楠，顾立群，彭道刚，等．基于负荷转移的钢铁企业自备电厂发用电联合优化模型[J].广东电力，2017,30(5):40-47.

　　[9]汪猛，胡以怀，曾存，等．基于SVM的船用柴油机增压换气系统的故障诊断[J].机电工程技术，2022,51(3):67-73.

　　[10]操定友．浅谈DP2海工船舶电站管理系统[J].电脑知识与技术，2021,17(16):215-216.

　　[11]叶帅，胡光跃．螺旋卸船机垂直臂螺旋更换方法及维修工艺研究[J].机电工程技术，2022,51(12):274-276.

　　[12]胡凯歌．船舶电站故障分析及处理分析[J].中文科技期刊数据库（全文版）工程技术，2021(11):2.

　　[13]李国诚，xxx．某型舰艇七氟丙烷固定式灭火系统的设计[J].机电工程技术，2023,52(6):71-74.

　　[14]陈晓宁，王永珊，樊斌，等．电力推进船舶电站管理系统(PMS)的设计研究与应用[J].广东造船，2021,40(4):53-57.

　　[15]赵熙临，李品，付波．基于多目标优化的风储协同一次调频控制策略[J].南方电网技术，2022,16(10):68-76.

　　[16]徐文韬，黄亚继，曹歌瀚，等．基于BP-改进NSGA-Ⅱ锅炉燃烧多目标优化[J].东南大学学报（自然科学版），2022,52(5):943-952.

　　[17]谭宇航，肖天伦，杨保亮．风电负荷分布式系统无聚类随机优化调度[J].控制工程，2022,29(11):2066-2074.

　　[18]杨嘉静，程若发，许立斌．计及新能源接入的主动配电网多目标优化仿真[J].计算机仿真，2022,39(9):108-113.

　　[19]邵一凡，禹春霞，禹嘉诚．基于改进NSGA-Ⅱ算法的云制造服务组合优化研究[J].运筹与管理，2022,31(11):30-36.

　　[20]刘石川，慕腾，郭裕，等．基于直流潮流模型的电网结构优化方法研究与应用[J].内蒙古电力技术，2022,40(2):45-49.

　　[21]谭银朝，姜嘉欣，韩康等．船舶电站虚拟现实仿真系统设计[J].中国水运，2021(8):64-66.