燃料电池混动能量管理

四层框架整合物理拓扑、感知预测、决策算法与车路互联，为重型燃料电池混动系统提供兼顾最优性与实时性的能源管理路径。

Li, Mince · Tianyin, Pei · Jiang, Tiantian · Tian, Jiaqiang · Tianhong, Pan · 樊渊 · 杨朵 · Zhang, Xingchen · 张德祥

Applied Energy 2026

参数信息

最高节能率

29 %

技术优势

节能可达29%

综述指出，采用在线优化策略相比传统方法可实现最高29%的能耗降低，直接提升氢经济性。

实时与最优兼顾

深度强化学习算法（如深度Q网络和近端策略优化）能够在保证接近全局最优的同时满足实时控制需求，弥合最优性与执行速度之间的鸿沟。

控制视野可扩展

通过集成车联网（V2X）通信，能量管理的控制视野从单车优化扩展到多车协同生态驾驶，提升系统整体效率。

应用场景

• 燃料电池系统：用分层管理策略缓解燃料电池响应慢、易衰减的问题，提升系统耐久性。
• 混合动力汽车能量管理：用感知与决策算法协调多源功率分配，降低氢耗并提高整车效率。
• 车联网协同控制：通过车联网协同将能量管理从单车优化拓展到车队生态驾驶，提升整体能效。