[发明专利]考虑动力电池衰退抑制的电动汽车能量管理方法及系统

说明书

本发明涉及一种考虑动力电池衰退抑制的电动汽车能量管理方法及系统。该方法包括确定动作空间；根据电动汽车的状态数据确定状态空间；根据动力电池荷电状态的实时误差和动力电池的衰退程度构建奖赏函数；根据所述动作空间和所述状态空间以及奖赏函数确定训练好的深度Q网络；所述训练好的深度Q网络包括：Actor动作网络和Critic评价网络；根据状态空间中的实时状态数据，采用训练好的深度Q网络确定实时动作变量值，进而根据所述实时动作变量值进行电动汽车的功率分配控制。本发明能够解决混合动作空间的同轴混联式混合动力车型的能量管理问题，综合提升电动汽车的等效经济性。

技术领域

本发明涉及电动汽车能量管理领域，特别是涉及一种考虑动力电池衰退抑制的电动汽车能量管理方法及系统。

背景技术

电动汽车以其多样的能量来源形式、长的续驶里程、高的燃油经济及较低的碳排放等特点，成为当前研究热点之一；然而，在行驶过程中，动力电池需要频繁地充、放电来满足车辆瞬时功率的需求，这将加剧动力电池的老化。基于当前三分之一的电动汽车的整体成本都来自于动力电池这一客观事实，电动汽车在电池成本方面面临巨大挑战，尤其在当前动力电池循环寿命和价格未取得突破性行业进展的前提下，动力电池的寿命衰退成本将极大地提高车辆的综合行驶成本。因此，如何抑制电动汽车的动力电池的衰退是电动汽车行业亟须解决的痛点问题之一。

随着机器学习领域各种算法跨类别的交叉、融合不断加深，以及硬件进步带来的计算机算力的提升，以深度强化学习为代表的学习类算法发展迅速，并在众多类型问题域中展现出良好的应用效果。并且在以动力电池-发动机为双能量供给源的混合动力为代表的电动汽车能量管理领域，根据不同的混合能量源的耦合形式设定深度强化学习的动作空间和选取具体种类的深度强化学习算法已取得一些成功的应用实例：①串联式混合动力电动汽车，其发动机工作状态与行驶工况完全解耦，驱动电机端的工作状态与路况完全耦合，发动机能量借助发电机完全转为电能，用于动力电池充电或为驱动电机提供电能。为提升燃油效率，此时发动机通常设定工作在最优燃油曲线上，给定发动机功率这一动作量即可唯一确定整车的工作状态。为简化网络结构，提升运算效率，动作空间被设为离散型，可借助深度Q网络DQN(DeepQ-Networks)算法解决。②并联式混合动力电动汽车，发动机在部分工况下将直接与驱动电机一起驱动整车。此时，发动机、启动/发电一体电机、驱动电机同轴运转，驱动轴转速直接耦合于路面行驶车速。将发动机的输出转矩、启动/发电一体电机的输出转矩等变量设为动作量，能够唯一确定整车的工作状态。对于此类连续动作空间问题，深度确定性策略梯度DDPG(DeepDeterministicPolicyGradient)算法已得到较好的应用。

然而，对于如图1所示的同轴混联式混合动力电动汽车的车型，其兼具了串联式和并联式两种车型的特点，即：当离合器闭合时，整车可视为并联式车型；离合器断开时，车辆工作在串联型工作模式。因此，针对该车型的基于学习的能量管理策略求解问题属于混合动作空间问题。直接应用深度网络DQN(DeepQ-Networks)算法和深度确定性策略梯度DDPG(DeepDeterministic PolicyGradient)算法求取最优控制策略时并不能得到理想的结果。

基于上述问题，亟需一种新的电动汽车能量管理方法或系统，以解决涉及混合动作空间的同轴混联式混合动力车型的能量管理问题。

发明内容

本发明的目的是提供一种考虑动力电池衰退抑制的电动汽车能量管理方法及系统，能够解决混合动作空间的同轴混联式混合动力车型的能量管理问题，综合提升电动汽车的等效经济性。

为实现上述目的，本发明提供了如下方案：

一种考虑动力电池衰退抑制的电动汽车能量管理方法，包括：

确定动作空间；所述动作空间包括：离合器状态和相应的动作变量值；所述动作变量值包括：发动机功率变化量、发动机输出转矩、启动/发电一体电机的输出转矩以及机械制动转矩占需求转矩的比例；所述离合器状态包括：离合器分离和离合器闭合；