Juhuan Qin · Haozhong Huang · Hualin Lu · Zhaojun Li · Energy Conversion and Management · 2025年1月 · Vol.332

摘要 深度强化学习已成为实现混合动力汽车在线优化能量管理的有力候选方法。然而，以往的研究尚未考虑混合电驱动系统中关键部件整体热特性对系统性能的影响。本文针对插电式混合动力汽车，提出一种基于深度确定性策略梯度算法并考虑电驱动系统热特性的能量管理策略，旨在将电池和电机的温度控制在安全范围内，同时提升车辆的整体性能。首先，构建了电池与电机的温度模型，并将其引入能量管理策略框架中；其次，采用基于深度确定性策略梯度的智能算法调节权重系数，以实现多目标之间的协调优化。基于多种典型循环工况开展了仿真实验，结果...

解读: 该深度强化学习热管理策略对阳光电源电动汽车驱动系统及储能产品具有重要价值。在电机驱动器方面,可借鉴其温度预测模型优化功率器件(SiC/IGBT)热管理,降低损耗并延长寿命;在储能PCS(ST系列)中,可应用DDPG算法实现电池热状态动态调控,提升PowerTitan等系统循环寿命;在充电桩OBC产品...