Detta examensuppdrag undersöker utvecklingen av ett automatiserat kraftdistributionssystem för spaningsflygplanet GlobalEye. Den nuvarande kraftsystemarkitekturen tillåter ingen realtidsövervakning av effektflödet mellan generatorer och laster, vilket leder till ineffektiv energianvändning och begränsar möjligheten att installera flera laster ombord.

Arbetet har syftat till att formulera metoder för förbättrad effektallokering och laststyrning som grundar sig på de fyra stödbenen: datakommunikation, säkerhetsmarginal, reglerstyrning och prioriteringsalgoritmer. Utöver de fyra stödbenen övervägs implementering av artificiell intelligens som stöd för optimering.

Rapporten presenterar två olika alternativa arkitekturer för Kraftdistributionssystemet, var och en med olika nivåer av AI- stöd. Alternativ 1 föreslås som ett statiskt och förhållandevis lättimplementerat system, där AI används främst som ett verktyg föroptimering. Alternativ 2 rekommenderas i stället som ett mer dynamiskt system med omfattande realtidsstöd från AI för att framtidssäkra både Kraftdistributionssystemet och GlobalEye.

Slutligen diskuteras hur tillgång till utökade resurser och verkliga mätdata hade kunnat fördjupa analysen och stärka tillämpbarheten av rapportens resultat.

This thesis project investigates the development of an automated power distribution systemfor the surveillance aircraft GlobalEye.

The current power system architecture does not allow real- time monitoring of power flow between generators and loads, leading to inefficient energy usage and limiting the possibility of installing additional onboard systems.

The aim of the work has been to formulate methods for improved power allocation and load management based on four key pillars: data communication, safety margins, control strategies and prioritization algorithms.

In addition to the four pillars, the implementation of artificial intelligence was consideredas a tool for optimization.

The report presents two alternative architectures for the Power Allocation System, each with a different level of AI support. Alternative 1 is proposed as a static and relatively easy– to – implement system, where AI is primarily used as an optimization tool. Alternative 2 is instead recommended as a more dynamic system with comprehensive real- time AI support to future proof both the Power Allocation System and the GlobalEye platform.

Finally, the report discusses how access to expanded resources and real measurement data could have improved the analysis and strengthened the applicability of the results.