燃料电池混合动力汽车深度强化学习能量管理优化

• Published in: 控制理论与应用 Vol. 41; no. 10; pp. 1831 - 1841
• Main Authors: 王浩聪, 王栎阳, 付主木, 陈启宏, 陶发展
• Format: Journal Article
• Language: Chinese
• Published: 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 01.10.2024; 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
• Subjects: date driven; 数据驱动; 能量源退化; 能量管理策略; 燃料电池混合动力汽车; 深度强化学习; energy management strategy; 等效消耗最小; energy sources degradation; equivalent consumption minimization; deep reinforcement learning; fuel cell hybrid electric vehicle
• ISSN: 1000-8152
• DOI: 10.7641/CTA.2023.20468

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.