[发明专利]一种混合动力汽车复合储能系统能量管理系统及方法

权利要求书

1.一种混合动力汽车复合储能系统能量管理系统，其特征在于，包括：

获取模块，用于获取交通态势数据；

预测模块，用于根据所述交通态势数据利用神经网络进行车速预测得到预测车速信息；

车辆需求功率模块，用于根据所述预测车速信息确定车辆需求功率；

分配模块，用于根据所述车辆需求功率利用DDRG强化学习算法对动力电池功率、超级电容功率和燃料电池功率进行分配，得到功率分配结果；

控制模块，用于根据所述功率分配结果对混合动力汽车复合储能系统进行控制。

2.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统，其特征在于，还包括：

存储模块，用于对所述交通人态势数据进行存储。

3.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统，其特征在于，还包括神经网络训练模块，所述神经网络训练模块具体包括：

神经网络训练单元，用于以训练集的交通态势数据为输入，以所述训练集的车速信息为输出，以实际输出值与理论输出值之间的误差和所述训练集的个数为损失函数，以Sigmoid函数作为激活函数对反向传播神经网络进行训练，得到训练好的神经网络。

4.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统，其特征在于，所述车辆需求功率模块，具体包括：

车辆信息获取单元，用于获取车辆信息；所述车辆信息包括车辆质量、车辆迎风面积和机械传动效率；

环境信息获取单元，用于获取环境信息；所述环境信息为道路的坡度角；

车辆需求功率确定单元，用于根据所述车辆信息、所述环境信息和所述预测车速信息确定车辆需求功率。

5.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统，其特征在于，所述分配模块，具体包括：

DDRG强化学习算法训练单元，用于以锂电池SOC、超级电容SOC、燃料电池电流、所述预测车速信息和所述车辆需求功率为所述DDRG强化学习算法的状态参量，以锂电池输出功率因子和超级电容输出功率因子为动态参数，以根据所述锂电池SOC和所述超级电容SOC确定的函数为奖励函数，对DDRG网络进行训练，得到训练好的DDRG强化学习算法；

分配单元，用于根据所述车辆需求功率利用所述训练好的DDRG强化学习算法对动力电池功率、超级电容功率和燃料电池功率进行分配，得到功率分配结果。

6.一种混合动力汽车复合储能系统能量管理方法，其特征在于，包括：

获取交通态势数据；

根据所述交通态势数据利用神经网络进行车速预测得到预测车速信息；

根据所述预测车速信息确定车辆需求功率；

根据所述车辆需求功率利用DDRG强化学习算法对动力电池功率、超级电容功率和燃料电池功率进行分配，得到功率分配结果；

根据所述功率分配结果对混合动力汽车复合储能系统进行控制。

7.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法，其特征在于，在所述获取交通态势数据之后，还包括：

对所述交通人态势数据进行存储。

8.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法，其特征在于，所述神经网络的训练过程，具体包括：

以训练集的交通态势数据为输入，以所述训练集的车速信息为输出，以实际输出值与理论输出值之间的误差和所述训练集的个数为损失函数，以Sigmoid函数作为激活函数对反向传播神经网络进行训练，得到训练好的神经网络。

9.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法，其特征在于，所述根据所述预测车速信息确定车辆需求功率，具体包括：

获取车辆信息；所述车辆信息包括车辆质量、车辆迎风面积和机械传动效率；

获取环境信息；所述环境信息为道路的坡度角；

根据所述车辆信息、所述环境信息和所述预测车速信息确定车辆需求功率。

10.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法，其特征在于，所述根据所述车辆需求功率利用DDRG强化学习算法对动力电池功率、超级电容功率和燃料电池功率进行分配，得到功率分配结果，具体包括：

以锂电池SOC、超级电容SOC、燃料电池电流、所述预测车速信息和所述车辆需求功率为所述DDRG强化学习算法的状态参量，以锂电池输出功率因子和超级电容输出功率因子为动态参数，以根据所述锂电池SOC和所述超级电容SOC确定的函数为奖励函数，对DDRG网络进行训练，得到训练好的DDRG强化学习算法；

根据所述车辆需求功率利用所述训练好的DDRG强化学习算法对动力电池功率、超级电容功率和燃料电池功率进行分配，得到功率分配结果。