[发明专利]一种基于TD3算法的燃料电池汽车能量管理方法

说明书

本发明涉及一种基于TD3算法的燃料电池汽车能量管理方法，属于新能源汽车领域。该方法包括：S1：获取燃料电池汽车的车辆状态信息、动力电池状态信息以及燃料电池状态信息；S2：建立燃料电池汽车能量管理系统模型，包括：整车纵向动力学模型、燃料电池氢耗模型、动力电池等效电路模型、燃料电池衰退模型、动力电池老化模型；S3：利用TD3算法构建燃料电池汽车能量管理策略，求解包含能耗经济性、燃料电池寿命以及动力电池寿命的多目标优化问题。本发明有效的提升了燃料电池汽车的经济性，同时保证了燃料电池以及动力电池的耐久性。

技术领域

本发明属于新能源汽车领域，涉及一种基于TD3算法的燃料电池汽车能量管理方法。

背景技术

目前，传统燃油汽车面临着石油资源有限以及尾气排放对环境的污染等难题，因此以清洁能源为燃料的新能源汽车成为汽车行业未来的发展趋势。作为一种理想的化石能源替代品，燃料电池具有效率高、无污染等优势，为此燃料电池混合动力汽车(FCHEV)得到了越来越多汽车厂商的重视。

作为FCHEV的关键技术，能量管理策略不但可以合理分配各动力源的需求功率，而且还能够有效提高车辆效率和燃油经济性。通常情况下，FCHEV的能量管理策略可分为：基于规则和基于优化。然而，现有的能量管理策略通常存在计算量大、优化性能不理想、适应性差等不足，限制着能量管理策略的实际应用。此外，燃料电池以及动力电池的寿命问题是制约燃料电池混合动力汽车发展的瓶颈技术。因此，亟需开展融合燃料电池以及动力电池寿命的能量管理策略的研究。

随着人工智能技术的不断发展，具有自学习以及实时性特点的深度强化学习算法在能量管理中的应用得到了广泛关注。同时，考虑到实际驾驶场景下驾驶员的动作是连续的。为此，综合考虑燃油经济性与系统寿命，提出一种基于连续动作的深度强化学习算法—TD3的能量管理方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于TD3算法的燃料电池汽车能量管理方法，利用具有连续动作的深度强化学习算法—TD3提升燃料电池汽车整体的经济性，同时保证燃料电池以及动力电池的耐久性。

为达到上述目的，本发明提供如下技术方案：

一种基于TD3算法的燃料电池汽车能量管理方法，包括以下步骤：

S1：获取燃料电池汽车的车辆状态信息、动力电池状态信息以及燃料电池状态信息；

S2：建立燃料电池汽车能量管理系统模型，包括：整车纵向动力学模型、燃料电池氢耗模型、动力电池等效电路模型、燃料电池衰退模型、动力电池老化模型；

S3：利用双延迟深度确定性策略梯度算法(Twin Delayed Deep Deterministicpolicy gradient algorithm，TD3)算法构建燃料电池汽车能量管理策略，求解包含能耗经济性、燃料电池寿命以及动力电池寿命的多目标优化问题。

进一步，步骤S1中，所述车辆状态信息包括：车辆的速度、电机转速、电机效率以及传动系统；所述动力电池状态信息包括：电池电流、电压、内阻以及SOC；所述燃料电池状态信息包括：燃料电池的功率、效率以及氢耗。

进一步，步骤S2中，建立的整车纵向动力学模型为：

其中，P_drive为驱动功率，P_m为需求功率，P_bat为电池功率，P_fc为燃料电池功率，m_v为车辆的重量，v为速度，a为加速度，F_aero为空气阻力，F_roll为滚动摩擦，F_grade为坡度阻力，η_motor为电机效率，η_DC/DC为DC/DC转换器的效率，η_DC/AC为DC/AC转换器的效率。