【技术实现步骤摘要】
基于深度强化学习算法的混合动力汽车分层能量管理方法
[0001]本专利技术涉及混合动力汽车能量管理
，具体为基于深度强化学习算法的混合动力汽车分层能量管理方法。
技术介绍
[0002]针对传统汽油和柴油汽车造成的大气污染和石油资源耗竭等问题，汽车的电气化已经成为了当下有前途的替代方案。燃料电池混合动力汽车以其无污染、零排放、续航长的优势脱颖而出。此类新能源混合动力汽车的能量管理研究技术尚未成熟，且大多数以结构简单、工况固定、控制条件简单的能量管理系统为主，不能更全面，综合的将能源进行优化分配，提高混合动力汽车的能源利用率。现有技术中，混合动力汽车的能量来源一般有燃料电池、锂电池和超级电容，在车辆面临复杂、随机的驾驶环境下，由于能量管理系统较为简单，不能将功率很好地分配给每个能量来源，因此，峰值功率会对燃料电池和锂电池造成很大影响，缩短燃料电池和锂电池的使用寿命，同时车辆的功率性能也会降低。
技术实现思路
[0003]为了解决现有技术中的不足，本专利技术提供基于深度强化学习算法的混合动力汽车分层能量管理方...
【技术保护点】
【技术特征摘要】
1.基于深度强化学习算法的混合动力汽车分层能量管理方法，其特征在于：分层能量管理方法包括以下步骤：S1、建立包括氢燃料电池模型、锂电池模型和超级电容模型的混合动力汽车的分层能量管理模型；S2、根据分层能量管理模型构造一种以等效氢消耗最小为优化目标的分层能量管理方法；S3、根据分层能量管理方法，采用改进深度强化学习算法对混合动力汽车进行实时能量管理。2.如权利要求1所述的基于深度强化学习算法的混合动力汽车分层能量管理方法，其特征在于：S1的具体步骤为：S101、建立氢燃料电池模型：S101、建立氢燃料电池模型：式中，为氢的质量消耗，为氢的化学能密度，η
FC
为氢燃料电池的效率，为氢燃料电池中氢流量消耗相关的理论功率，P
FC
是氢燃料电池的功率；S102、建立锂电池模型：V
BAT
＝V(SOC
BAT
)
BAT.oc
‑
βi
BAT
r(SOC
BAT
)；)；式中，V(SOC
BAT
)
BAT.oc
和r(SOC
BAT
)分别是当锂电池SOC为SOC
BAT
时锂电池的开路电压和内阻，P
BAT
是锂电池的电功率，SOC
BAT.ini
是锂电池初始SOC，i
BAT
是锂电池电流，β＝
±
1是锂电池充放电状态选择系数，充电时β为负，放电时β为正，C
nom
是锂电池额定容量；S103、建立超级电容模型：V
UC.oc
＝SOC
UC
·
(V
UC.max
‑
V
UC.min
)+V
UC.min
；式中，V
UC.max
和V
UC.min
分别是超级电容的最大和最小输出电压，R
UC
和i
UC
是超级电容的等效内阻和电流，SOC
UC
是超级电容的荷电状态；S104、建立混合动力汽车分层能量管理模型：P
demand
＝η
FC
P
FC
+η
BAT
P
BAT
+η
UC
P
UC
；式中，P
demand
是负载需求功率，η
FC
、η
BAT
和η
UC
分别是氢燃料电池、锂电池和超级电容提供功率的效率，P
FC
、P
BAT
和P
UC
分别是氢燃料电池、锂电池和超级电容的功率，当锂电池和超级
电容放电时，P
BAT
和P
UC
为正，当锂电池和超级电容充电时，P
BAT
和P
UC
为负。3.如权利要求2所述的基于深度强化学习算法的混合动力汽车分层能量管理方法，其特征在于：分层能量管理方法包括上层能量管理方法和下层能量管理方法，S2的具体步骤为：S201、构造上层能量管理方法；S202、根据上层能量管理方法构造下层能量管理方法。4.如权利要求3所述的基于深度强化学习算法的混合动力汽车分层能量管理方法，其特征在于：S201的具体步骤为：S201.1、根据车辆加速踏板的变化幅值得到驱动电机负载的需求功率P
demand
；S201.2、采用积分法计算超级电容SOC和锂电池SOC，由超级电容SOC和锂电池SOC得到储能系统的加权SOC；S201.3、将需求功率P
demand
和储能系统的加权SOC作为输入变量输入模糊推理系统，得到调节频率f
s
；S201.4、将调节频率f
s
和需求功率P
demand
输入至自适应低通滤波器中，对需求功率P
demand
...
【专利技术属性】
技术研发人员：付主木，龚慧贤，陶发展，高颂，冀保峰，董永生，范鹏宇，吴阳，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。