公开(公告)号：CN115534764B

公开(公告)日：2024-11-15

申请号：CN202211036708.3

申请日：2022-08-29

Applicant: 华东理工大学

Inventor： 栾伟玲 ,  李松阳 ,  王畅 ,  庄子贤

IPC: B60L58/30 ,  G06F30/20 ,  G06F119/06 ,  G06F119/08

Abstract: 本发明涉及一种基于深度强化学习的车载燃料电池系统控制方法及系统，具体涉及氢燃料电池技术领域。所述方法包括构建燃料电池模型，所述燃料电池模型包括：热管理系统模型和输出功率系统模型；以车载燃料电池系统的需求功率、膜两侧氢氧压差和前后时刻电池内部温差为状态，以氢气、空气入口压力和冷却水温度为动作，以功率之差构建奖励函数，采用DDQN对各动作的Q网络进行训练；根据各动作训练后的Q网络对所述燃料电池系统进行控制。本发明可以提高燃料电池的耐久性。

公开(公告)号：CN115534764A

公开(公告)日：2022-12-30

申请号：CN202211036708.3

申请日：2022-08-29

Applicant: 华东理工大学

Inventor： 栾伟玲 ,  李松阳 ,  王畅 ,  庄子贤

IPC: B60L58/30 ,  G06F30/20 ,  G06F119/06 ,  G06F119/08

Abstract: 本发明涉及一种基于深度强化学习的车载燃料电池系统控制方法及系统，具体涉及氢燃料电池技术领域。所述方法包括构建燃料电池模型，所述燃料电池模型包括：热管理系统模型和输出功率系统模型；以车载燃料电池系统的需求功率、膜两侧氢氧压差和前后时刻电池内部温差为状态，以氢气、空气入口压力和冷却水温度为动作，以功率之差构建奖励函数，采用DDQN对各动作的Q网络进行训练；根据各动作训练后的Q网络对所述燃料电池系统进行控制。本发明可以提高燃料电池的耐久性。