燃料电池电动汽车改进深度强化学习能量管理
付主木1
龚慧贤2
宋书中1
陶发展1
孙昊琛2
1.河南科技大学 信息工程学院,河南 洛阳 471023;河南科技大学 河南省机器人与智能系统重点实验室,河南 洛阳 4710232.河南科技大学 信息工程学院,河南 洛阳 471023
摘要：针对配置有燃料电池、锂电池和超级电容3能量源的混合动力汽车,提出一种基于改进深度确定性策略梯度(DDPG)算法的分层能量管理策略,以降低氢耗、提高燃料电池工作效率及维持锂电池荷电状态(SoC).首先,采用基于模糊规则的自适应低通滤波器对功率进行分层处理,由超级电容承担峰值功率.其次,设计基于DDPG的能量管理框架,利用等效消耗最小策略的计算思想构建优化函数,并加入与燃料电池效率和锂电池SoC偏差有关的惩罚因子,优化燃料电池和锂电池的功率分配.此外,为避免噪声探索导致极端动作值的频繁出现,利用动态规划最优解辅助策略训练,提升优化效果.最后,在不同工况下进行仿真,并搭建试验平台进行验证.结果表明:与基于传统DDPG策略相比,所提策略可以有效减少锂电池SoC消耗,更好确保燃料电池工作在高效率区间,并且显著降低氢消耗,在燃料经济性方面平均可提升19％.
关键词：燃料电池混合动力汽车功率分层DDPG动态规划
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(62201200)河南省高校科技创新人才资助计划(23HASTIT021)河南省高等学校重点科研项目(22A413002)河南省重点研发与推广专项(222102210056)河南省重点研发与推广专项(222102240009)河南省博士后科研项目(202003077)河南省科技研发计划(222103810036)
论文发表日期：2023-08-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 41-48 )