基于深度强化学习的卫星电源冗余电池均衡控制策略OACSCD
Balance Control Strategy of Redundant Battery in Satellite Power Supply Based on Deep Reinforcement Learning
为提高卫星蓄电池组的智能化管理能力水平,提出了一种基于深度强化学习的卫星冗余电池均衡控制策略.训练智能体根据蓄电池组当前的运行状态给出动作,改变单体电池的投入状态和数量,实现单体之间容量均衡,减小母线电压变化范围并减少开关调节次数.在MATLAB\Simulink和OpenAI的gym环境中分别搭建了电池组仿真环境对智能体进行了训练,通过算例检验了该策略的可行性并与基于阈值的控制方法进行了比较,证明了方法可以有效的实现电池间均衡并减小母线电压的变化范围.
叶泽雨;尹靖元;贾海鹏;师长立;韦统振;罗彦
中国科学院电工研究所,北京 100190||中国科学院大学电子电气与通信工程学院,北京 100049中国科学院电工研究所,北京 100190||中国科学院大学电子电气与通信工程学院,北京 100049中国空间技术研究院钱学森空间技术实验室,北京 100094中国科学院电工研究所,北京 100190||中国科学院大学电子电气与通信工程学院,北京 100049中国科学院电工研究所,北京 100190||中国科学院大学电子电气与通信工程学院,北京 100049中国科学院电工研究所,北京 100190
动力与电气工程
电池管理冗余均衡可重构电池组深度强化学习电池容量均衡母线电压
battery managementredundancy balancereconfigurable battery packdeep reinforcement learningbattery capacity balancebus voltage
《电子学报》 2023 (9)
2419-2427,9
国防基础科研计划资助(No.JCKY2019130C002) National Defense Basic Scientific Research Program of China(No.JCKY2019130C002)
评论