改进SAC生态驾驶算法

氢耗逼近最优解

在跟车场景中，该算法将速度规划与能量管理统一优化，在保证安全与舒适的同时使氢耗接近动态规划基准。

付主木 · Zhaohui, Jiang · 高颂 · Tao, Fazhan · 司鹏举 · 王志凯

Journal of Power Sources 2025

参数信息

相对氢耗降低

2.14 %

等效氢耗占DP比例

94.48 %

技术优势

氢耗更低

相比SAC策略，氢耗降低2.14%，在保证安全和舒适的前提下提升经济性。

接近全局最优

100 km等效氢耗达到动态规划（DP）最优解的94.48%，逼近理论极限。

多目标兼顾

目标函数同时考虑电池老化、驾驶安全、舒适性和经济性，实现综合优化。

适应多种工况

验证工况下的仿真结果显示其具有出色的适应性，可应对不同场景。

应用场景

• 燃料电池汽车能量管理：统一速度规划与能量管理，降低氢耗，延长电池寿命。
• 智能驾驶策略：利用改进SAC在跟车场景中优化驾驶决策，兼顾安全舒适。
• 氢能交通应用：降低氢耗使氢能车辆续航更接近理论最优，推动实用化。
• 可再生能源交通系统：通过高效能量管理提高可再生能源制氢的利用效率。