面向动态轨道条件下CubeSat电力系统的自适应能量感知电源管理

《IEEE Aerospace and Electronic Systems Magazine》：Self-Adaptive Energy-Aware Power Management for CubeSat Electrical Power Systems Under Dynamic Orbital Conditions

　　

立方星（CubeSat）任务的操作寿命经常因有限能量收集、电池退化与热不稳定性之间的紧密耦合而受到损害。为解决这些相互冲突的约束，本研究提出了一种鲁棒的能量管理系统（EMS），该系统协同了模型预测控制（MPC）与一种仿生麻雀搜索算法（SSA）。与传统的静态调度器不同，所提出的SSA-MPC框架动态优化控制参数，以导航轨道功率流的非凸景观，并明确将非线性电池老化模型和辐射热动力学纳入决策过程。在真实低地球轨道（LEO）条件下的对比仿真表明，SSA-MPC策略显著优于基准架构。具体而言，所提出方法将关键负载可用性从90.5%提高到99.9%，同时几乎消除了甩负荷事件。此外，该策略通过减少17%的残余能量浪费、降低2°C的峰值内部温度以及提高任务末期电池健康状态（State-of-Health），增强了系统可持续性。经过广泛的蒙特卡洛鲁棒性分析验证，该框架为下一代纳卫星的自适应能量调节提供了一种有弹性的、计算高效的解决方案，即使在随机环境不确定性下也能确保可靠性能。

本文发表于《IEEE Aerospace and Electronic Systems Magazine》，针对立方星（CubeSat）电力系统（EPS）在有限能量收集、电池退化与热不稳定性紧密耦合下任务寿命受限的难题展开研究。传统规则逻辑与静态功率预算方法无法适应时变辐照度、负载需求和电热约束，而模型预测控制（MPC）虽具潜力，其性能高度依赖固定超参数，在非线性辐射热交换与温度依赖电池退化等非平稳条件下表现不佳。为此，研究人员提出一种融合MPC与麻雀搜索算法（SSA）的自适应能量管理框架（SSA-MPC）。该框架将非线性电池退化模型（含Arrhenius指数项）与辐射热动力学模型（四阶非线性T⁴）直接嵌入预测优化循环，并通过SSA在线调整MPC的预测时域（N）及权重系数（α、β、γ）。在3U CubeSat的500 km圆轨道低地球轨道（LEO）条件下，基于MATLAB/Simulink以120秒固定步长进行时域仿真与100次蒙特卡洛鲁棒性分析。结果表明，相比基线固定参数MPC，SSA-MPC将关键负载可用性从90.5%提升至99.9%，几乎消除甩负荷，残余光伏能量浪费减少17%，峰值内部温度降低2°C，任务末期电池健康状态（SOH）提高1.2%。该框架计算复杂度为O(G_max·N_pop·D)（G_max=50，N_pop=20），适用于星上资源受限环境，为下一代纳卫星自主能量调节提供了鲁棒高效的解决方案。

关键技术方法：本研究采用模型预测控制（MPC）作为核心优化器，基于离散时间模型预测电池荷电状态（SOC）、内部温度（T_int）及光伏（PV）发电量，在有限时域内最小化包含电池退化（ΔSOH）、残余功率（P_res²）和温度偏差（T_int-T_ref）²的加权代价函数。麻雀搜索算法（SSA）通过模拟生产者-乞讨者协同觅食行为，在参数空间[N∈[10,60], α∈[10,100], β∈[0.01,1], γ∈[0.1,5]]内迭代优化MPC超参数，适应轨道与负载变化。电池退化模型融合了深度放电（DoD）指数项、倍率应力项及Arrhenius热老化项；热动力学采用集总单节点模型，包含欧姆热生成与Stefan-Boltzmann辐射冷却（T⁴）。仿真基于LEO轨道模型（Kepler力学、日食时长估算），光伏模型考虑温度系数与姿态效应。所有计算在MATLAB/Simulink环境中完成，采用离散网格搜索（7级电池功率+二进制负载调度）简化MPC求解。

研究结果：
A. 仿真设置与数值配置：以3U CubeSat为对象，轨道高度500 km，步长120秒，MPC预测时域通过SSA动态调优，SSA种群20、迭代50次，蒙特卡洛分析包含100次随机种子。
B. 性能评估：
- 能量平衡（图4）：SSA-MPC在日照期将电池放电降为零，避免不必要的微循环与热应力；基线MPC则持续放电，表明SSA调优增强了能量预测能力。
- 内部温度（图5）：SSA-MPC将峰值内部温度降低约2°C，增大热余量，此改进源于更高效的功率协调，无需显式热控制回路。
- 残余功率（图6）：相比基线，SSA-MPC显著削减残余光伏功率的幅度与持续时间，提高太阳能利用率。
- 荷电状态（SOC）（图7）：SSA-MPC在日照初期维持稳定SOC，充电轨迹呈S形，实现更高的日食前SOC（约0.86），增大安全裕度。
- 负载调度（图8）：SSA-MPC动态将高能耗负载对齐太阳能充足时段，减少电池压力与功率缺失风险。
- 蒙特卡洛鲁棒性（图9）：SSA-MPC在所有随机实现中保持更高最低SOC、更低峰值温度、更少残余能量，且几乎消除甩负荷，表明强鲁棒性。
- 电池健康状态（SOH）（图10）：SSA-MPC产生更平缓的SOH退化轨迹，最终SOH比基线高1.2%，证明电池寿命延长。
C. 讨论与局限性：框架解决了传统规则与固定参数控制无法协调的电池老化、热辐射与负载优先级耦合问题。局限性包括：单节点热模型（子系统间温差2-4°C）、恒定转换效率（实际变化3-5%）、未建模通信延迟、以及特定电池化学参数的依赖性。框架可扩展至1U-12U CubeSat及其他轨道类型，蒙特卡洛分析确认了稳定性。
研究结论翻译：本文提出了一种基于麻雀搜索算法调优模型预测控制器的CubeSat电力系统能量感知控制框架。通过将电池老化、热动力学、负载优先级和光伏利用显式嵌入预测优化循环，所提出的SSA-MPC解决了传统CubeSat EPS操作（通常依赖启发式或非自适应策略）的关键局限性。全面的时域仿真与蒙特卡洛鲁棒性分析表明，SSA-MPC在安全指标与任务指标上均优于基线MPC。具体而言，所提出的策略在所有不确定性实现下均强制执行荷电状态约束，将峰值内部温度降低约2°C，并将最终电池健康状态提高1.2%。从任务性能角度看，负载可用性从90.5%增加到99.9%，甩负荷能量降至接近零水平。此外，未使用的光伏能量减少17%，表明更有效地利用了可用太阳能资源。与没有先进能量管理的传统EPS架构不同，所提出方法在不确定性、热参数分散和随机太阳能变化下表现出受控的性能退化。这些结果证实，基于SSA的调优增强了MPC的预测能力，在严格遵守操作约束和保持长期电池健康的同时实现了安全运行。未来工作重点是基于实验室规模CubeSat电力系统卡的实验验证，以量化仿真与实物之间的差异，支持SSA-MPC策略在下一代纳卫星任务中的实际部署。