基于强化学习和路况信息的燃料电池汽车能量管理策略

作     者：宋震 闵德豪 陈会翠 潘越 章桐 SONG Zhen;MIN Dehao;CHEN Huicui;PAN Yue;ZHANG Tong

作者机构：同济大学汽车学院上海201804 上海捷氢科技有限公司动力系统部上海201804 

出 版 物：《同济大学学报（自然科学版）》 (Journal of Tongji University:Natural Science)

年 卷 期：2021年第49卷第S01期

页      面：211-216页

核心收录：

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金青年基金项目(21805210) 

主　　题：燃料电池汽车 能量管理策略 强化学习 路况信息 

摘      要：为提升整车经济性和耐久性,提出了一种基于强化学习和路况信息的燃料电池汽车能量管理策略。首先,根据关键部件参数搭建了动力系统模型,并根据城市道路工况特征在VISSIM软件中搭建交通模型并提取了车辆行驶数据及路况数据。其次,将路况数据作为输入,利用长短期记忆神经网络对车速进行预测。最后,基于强化学习算法,将预测车速、加速度以及动力电池荷电状态作为输入,燃料电池系统功率作为输出进行能量管理策略的设计。仿真结果表明,所提策略的百公里氢耗量与动态规划策略相比仅相差1.27%,且燃料电池系统的平均功率波动降低了5.01%,因此可有效提升整车的经济性和耐久性。