来源：期刊VIP网 时间：
作者：李民;周博宇;蒋雷雷;邱天;陈瑾;
单位：国网(山东)电动汽车服务有限公司;山东大学控制科学与工程学院;
摘要：锂离子电池作为电动汽车的核心动力源，具有高能量密度、长寿命循环和环保等优异性能，但由于电池单体间普遍存在的不一致性，使电池组整体性能下降、寿命缩短，甚至引发安全事故。为解决多阶段复杂充放电工况下电池组的一致性控制问题，提出一种基于多智能体强化学习（multi-agent reinforcement learning, MARL）的一致性充放电控制策略：构建电池二阶RC等效电路模型，模拟电池组荷电状态（state of charge, SOC）的变化，为智能体与环境的交互提供更真实的动态行为模型；对一致性控制问题进行强化学习建模，将智能体与电池单体对应，确定目标函数与奖励函数，构建电池组一致性控制多智能体强化学习MARL模型；采用近端策略优化算法（PPO）对MARL模型进行优化，得到最优的一致性充放电策略。仿真实验结果表明，在包含32个电池单体的6阶段充放电工况下，该策略能在35 min内将SOC一致性误差抑制在1%以内，实现了复杂工况下的精确、高效一致性控制。
关键词：锂离子电池;;一致性控制;;多智能体系统;;强化学习
基金资助：国家重点研发计划(2022YFB2403900);; 国家电网公司科技项目(1400024044)
