← 返回
基于混合注意力深度强化学习的纯电动汽车健康感知集成热管理策略
Health-Conscious Integrated Thermal Management Strategy Using Hybrid Attention Deep Reinforcement Learning for Battery Electric Vehicles
| 作者 | Changcheng Wu · Jiankun Peng · Dawei Pi · Xin Guo · Hailong Zhang · Zexing Wang · Yunpeng Li |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年10月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 充电桩 电池管理系统BMS 强化学习 深度学习 |
| 相关度评分 | ★★★★ 4.0 / 5.0 |
| 关键词 | 集成热管理系统 纯电动汽车 深度强化学习 混合注意力机制 电池健康 热舒适性 |
语言:
中文摘要
本文针对纯电动汽车（BEV），提出了一种考虑电池健康状态的集成热管理策略（ITMS）。通过引入混合注意力深度强化学习算法，在保证座舱舒适度的同时，有效延长了续航里程并优化了电池寿命，为电动汽车热管理系统的智能化控制提供了新方案。
English Abstract
Effective thermal management strategies (TMSs) can extend the driving range of battery electric vehicles (BEVs) and enhance cabin thermal comfort in high-temperature environments. Considering the development trend toward integrated thermal management systems (ITMSs) and the critical role of the power battery in BEVs, this article establishes an ITMS model embedded with battery health-conscious. To...
S
SunView 深度解读
该研究采用的深度强化学习与注意力机制，对阳光电源的充电桩业务及储能系统（如PowerStack/PowerTitan）具有重要借鉴意义。在充电桩产品中，集成热管理策略可优化充电过程中的温控效率，提升用户充电体验；在储能系统领域，该算法可用于BMS的精细化热管理，通过预测性控制延长电池组循环寿命，降低运维成本。建议研发团队关注该类AI算法在iSolarCloud平台中的集成，实现对储能电站电池健康状态的实时评估与主动式热管理优化。