电堆衰减降低45%
上层深度强化学习自适应决策，下层由大语言模型自动生成的规则执行，在保证实时安全解释性的同时兼顾能效与寿命。
王永 · Ruoyan, Han · Jiahui, Xu · Li, Yuecheng · 何洪文 · Sun, Chen
eTransportation 2026
与端到端DRL方法相比，燃料电池衰减降低超过45%，大幅延长电堆使用寿命。
下层执行由大语言模型自动生成的可解释规则，避免端到端黑盒在实时运行中的不稳定行为。
利用大语言模型离线生成能量管理规则，突破人工设计规则的瓶颈，大幅降低开发成本。
上层DRL根据实时工况自适应选择最优模式，下层独立执行功率分配，兼顾灵活性与稳定性。