李 卫 郑春花 许德州

1(中国科学院深圳先进技术研究院 深圳 518055)

2(中国科学院大学 北京 100049)

3(中国矿业大学 徐州 221116)

1 引 言

在环境污染和化石能源危机的大背景下，世界各国相继针对燃油车颁布了严苛的排放法规，与此同时也促进了新能源汽车产业的发展。其中，燃料电池混合动力汽车(Fuel Cell Hybrid Vehicles，FCHVs)以其高效率、零排放的优点，成为许多厂商和科研机构的重点研发对象[1-2]。由于燃料电池系统(Fuel Cell System，FCS)动态响应较慢，一般使用电池或超级电容作为辅助动力，以适应剧烈变化的工况。为了合理分配不同动力源的输出功率，提升整车的燃油经济性，设计合理的能量管理策略尤为重要[3]。

常见的能量管理策略主要分为基于规则和基于优化两类[4]。前者针对动力源工作特性和驾驶工况设计控制规则，简单实用，但是不具备最优性，控制效果依赖于专家经验[5]。后者以动态规划[6]为代表，在已知工况下遍历所有可行解，获得指定性能指标下的最优控制，由于要求工况全局已知，难以实时应用，一般作为燃油经济性的比较基准。其他基于优化的能量管理策略，如基于庞特里亚金极小值原理[7-8]、等效燃油消耗最小[9]等，工况适应性较差，限制了算法的应用。近年来，随着人工智能技术的发展，基于学习的策略成为新的研究热点。该方法主要分为 3 类：基于神经网络、基于强化学习(Reinforcement Learning，RL)和基于深度强化学习(Deep Reinforcement Learning，DRL)。基于神经网络的策略利用神经网络进行工况分类[10]、速度预测[11-12]、参数优化[13]等。而与把神经网络作为数据处理工具不同，强化学习利用试错机制，直接从历史状态中学习得到优化控制策略[14-18]。……