Shengnan Liu · Hangyu Cheng · Seunghun Jung · Young-Bae Kim · Energy Conversion and Management · 2025年1月 · Vol.341

摘要 本文提出了一种新型的能量管理策略（EMS），用于燃料电池/电池混合能源系统，该策略通过将模型预测控制（MPC）与深度强化学习（DRL）相结合实现。所提出的EMS充分利用了MPC与DRL各自的优势，有效缓解了由于模型不确定性导致的MPC性能下降问题，同时加速了DRL的收敛过程，并增强了其对未预见工况的适应能力。具体而言，本研究首先建立了包含各部件退化特性的燃料电池/电池混合能源系统的动态模型，在此基础上构建相应的MPC模型。MPC作为基础控制器，利用线性化模型确保系统的稳定性及约束条件的满足...

解读: 该MPC与深度强化学习融合的能源管理策略对阳光电源ST系列储能变流器及PowerTitan系统具有重要应用价值。通过MPC保障系统稳定性与约束遵循,DRL优化长期决策,可显著降低燃料电池衰减51.43%并减少系统运行成本4.45%。该混合控制架构可应用于阳光电源多能互补储能系统,特别是氢储能与电池储...