燃料电池电动汽车改进深度强化学习能量管理

• 全文链接
• 请求原文

作   者：

付主木;  龚慧贤;  宋书中;  陶发展;  孙昊琛; 

作者机构：

河南科技大学电子信息工程学院;  河南科技大学信息工程学院; 

关键词：

燃料电池混合动力汽车;  DDPG;  动态规划;  功率分层; 

期刊名称：

河南科技大学学报(自然科学版)

i s s n：

年卷期：

2023 年 004 期

页   码：

41-48,6

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%。