Arash Khalatbarisoltani · Jie Han · Muhammad Saee · Cong-zhi Liu 等5人 · Applied Energy · 2025年1月 · Vol.385

摘要 深度强化学习（DRL）算法在针对预定义驾驶循环下开发单个混合动力电动汽车（HEV）最优能量管理策略（EMS）方面已展现出优异的性能。然而，在该研究领域中，热负荷及热管理（TM）的影响常被忽视。此外，HEV可能面临未见过的驾驶模式，从而影响EMS的整体性能。连接型HEV（C-HEV）提供了有前景的解决方案，但仍存在隐私、安全和通信负载等问题。本文提出一种基于联邦强化学习（FRL）的新型集成热能与能量管理（ITEM）方法，旨在实现多个C-HEV之间的通用化策略。该框架能够在拓展多环境学习能力的...

解读: 该联邦强化学习架构对阳光电源充电桩及储能系统具有重要价值。其隐私保护的分布式学习机制可应用于iSolarCloud平台,实现多站点充电桩协同优化而无需上传敏感数据。热管理与能量管理集成策略可迁移至ST系列PCS的温控优化,通过多储能站点联合学习提升功率变换效率和电池热管理性能。云端-边缘协同架构与阳...