燃料电池混合动力汽车深度强化学习能量管理优化OA北大核心CSTPCD
针对配备有锂电池与超级电容的燃料电池混合动力汽车,为降低车辆总体运行成本,延长能量源寿命,本文提出一种基于深度强化学习的能量管理策略.首先,依据超级电容高功率密度特性,建立基于模糊自适应滤波的功率分层结构,并依据燃料电池与锂电池的经验退化模型,建立能量源退化的成本函数,采用等效消耗最小策略平衡氢耗成本与能量源退化成本,以最小化总体运行成本为目标来优化能量源功率分配;然后,引入优先经验回放与软更新以提高深度强化学习的离线训练效率;最后,在多种工况下进行仿真,结果表明,与未考虑退化的策略相比,本文所提出策略在全球统一轻型车辆测试循环下可使氢耗量降低11.8%,并可有效减缓燃料电池与锂电池的退化速率,降低燃料电池混合动力汽车的总体运行成本.
王浩聪;王栎阳;付主木;陈启宏;陶发展;
河南科技大学信息工程学院,河南洛阳471023河南科技大学信息工程学院,河南洛阳471023 河南省机器人与智能系统重点实验室,河南洛阳471023武汉理工大学自动化学院,湖北武汉430070
交通运输
燃料电池混合动力汽车深度强化学习能量源退化等效消耗最小数据驱动能量管理策略
《控制理论与应用》 2024 (010)
P.1831-1841 / 11
国家自然科学基金项目(62201200);河南省高校科技创新人才计划项目(23HASTIT021);河南省重点研发与推广专项科技攻关项目(212102210153,222102240009);河南省博士后科研项目(202003077);河南省科技研发计划联合基金项目(222103810036);内蒙古机电控制重点实验室开放基金项目(IMMEC2022001,IMMEC2022002)资助.
评论