来源：期刊VIP网 时间：
作者：唐香蕉;赵奕凡;
单位：上汽通用五菱汽车股份有限公司;
摘要：由于混合动力客车具有长行驶里程、高负荷承载等运行特点，设计合理的能量管理策略以降低系统的整体能量损失对整车的节能运营具有重要意义。这里基于一种深度强化学习方法（即深度确定性策略梯度算法），设计了面向动力电池-超级电容的混合动力客车最优能量管理策略，较传统的强化学习控制策略相比，所提出的策略通过引入神经网络，避免了求解过程中对连续状态和动作变量的离散化，提高了控制精度。另外，通过利用动态规划算法预先求解最优控制策略，并将策略经验纳入经验池，使后续网络参数训练时能根据最优经验较快获得最佳网络参数，加速了网络的收敛速度，提高了控制策略的最优性。结果表明，所提出的控制策略较传统的Q-learning算法，可实现系统整体能耗下降10.3%；与基于动态规划的最优控制策略相比，能耗仅增加2.05%，证明了所提出控制策略的最优性。
关键词：混合动力汽车;;超级电容;;动力电池;;能量管理;;强化学习
基金资助：柳州市科技计划项目—增程式混合动力技术在后驱多功能车领域的研究和示范应用（2020GAAA0401）
