一种基于双Q学习与实时速度预测的氢-电混动系统能量管理方法、系统、设备及存储介质技术方案

本发明专利技术属于燃料电池混合系统能量管理技术领域，具体涉及一种基于双Q学习与实时速度预测的氢‑电混动系统能量管理方法、系统、设备及存储介质，方法包括获取目标车辆的分类后的驾驶模式；利用马尔可夫链对目标车辆进行速度预测；将预测速度输入目标车辆的混合动力系统模型中，根据模型输出对Q学习结构进行优化设计，基于设定的双Q学习策略更新Q学习结构中Q函数，根据更新后的Q函数实现混合动力系统中输出功率的实时分配。本发明专利技术提出综合考虑系统安全性、经济性和燃料电池耐久性的奖励价值函数，能够使混合动力系统多目标指标综合最优，应用双Q学习策略来更新Q值函数，能够避免Q学习算法选取动作时带来的最大偏差。

【技术实现步骤摘要】

本专利技术属于燃料电池混合系统能量管理，具体涉及一种基于双q学习与实时速度预测的氢-电混动系统能量管理方法、系统、设备及存储介质。

技术介绍

1、燃料电池汽车由于动态响应慢，纯燃料电池车辆无法快速跟踪负载变化，难以满足日常驾驶需求。目前，混合动力系统中“燃料电池+电池”是当前研发和应用的主要配置，而混合动力系统问题的核心是能量管理策略。

2、氢-电混合动力系统的能量管理策略有三种：基于规则的方法、基于优化的方法和基于学习的方法。基于规则的方法根据操作知识和专业经验设计功率分配规则表，使燃料电池尽可能工作在高效区间。基于优化的能量管理策略可以综合考虑功率元件老化和负载条件等各种约束，可分为全局优化方法和瞬时优化方法。全局优化方法可以保证系统的最佳经济性，但这些方法需要提前获取路况，计算量大且实时性不强。瞬时优化方法具有计算量少、实时性高等优点，但经济性和耐用性较低。

3、针对这一问题，本专利技术利用强化学习实现能量管理，并对强化学习的关键参数进行了研究，以降低算法复杂度并提高实时性。

技术实现思路<本文档来自技高网...

【技术保护点】

1.一种基于双重强化学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于双Q学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于：所述步骤S1包括：

3.根据权利要求1所述的一种基于双Q学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于：所述步骤S103中，求和层根据Parzen方法对各种驾驶模式的概率进行求和估计，包括：

4.根据权利要求3所述的一种基于双Q学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于：所述步骤S2包括：

5.根据权利要求4所述的一...

【技术特征摘要】

1.一种基于双重强化学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于双q学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于：所述步骤s1包括：

3.根据权利要求1所述的一种基于双q学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于：所述步骤s103中，求和层根据parzen方法对各种驾驶模式的概率进行求和估计，包括：

4.根据权利要求3所述的一种基于双q学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于：所述步骤s2包括：

5.根据权利要求4所述的一种基于双q学习与实时速度预测的氢-电混动系统能量管理方法，其特征在于：所述步骤s3中，根据所述输出对q学习结构进行优化设计前，还包括：

6.根据权利要求5所述的一种基于双q学习与实时速度预测的氢-电混...

【专利技术属性】
技术研发人员：杨朵，王思雨，闫福慧，廖粤峰，董诗雨，周鹏斌，
申请(专利权)人：郑州大学，
类型：发明
国别省市：