控制理论与应用

作者：王浩聪,王栎阳,付主木,陈启宏,陶发展

单位：河南科技大学,河南科技大学,河南科技大学,武汉理工大学,河南科技大学

关键词：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

基金：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(21210221 0153, 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.

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.

来源：2024年第10期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第10期