激励学习能量管理策略

陌生工况成本降38.8%

通过激励奖励与速度转移概率预训练，让智能体在陌生驾驶循环下快速学到接近离线动态规划的最优功率分配策略。

Fei, Li · Yang, Gao · Wu, Yue · Xia, Yaoxin · Wang, Chenglong · Jiajian, Hu · 黄志武

Energy Conversion and Management 2023

参数信息

成本降低幅度（预训练驾驶循环）

5.8-13.8 %

成本降低幅度（测试驾驶循环）

11.7-38.8 %

技术优势

陌生工况也最优

通过随机采样构建速度转移概率面进行预训练，策略在未见过驾驶循环中仍保持近优性能。

学得快，省成本

结合广义优势估计与层归一化，学习收敛性显著提升，使策略迅速逼近最优。

高负载下更省

激励奖励函数基于超级电容荷电状态与车辆加速度设计，在负载功率高时刺激智能体学习到更优的功率分配。

应用场景

• 电动汽车混合储能：优化电池-超级电容功率分配，降低容量衰减与损耗，延长系统寿命。
• 车辆智能能量管理：策略可直接嵌入车辆能量管理控制器，无需离线最优算法即可在线优化。
• 储能系统控制：为混合储能系统提供实时功率分配决策，提升控制策略适应性与经济性。
• 自主系统决策：作为自主决策模块，根据实时状态动态调整功率输出，实现智能运行。