公开(公告)号：CN117096984A

公开(公告)日：2023-11-21

申请号：CN202311113458.3

申请日：2023-08-31

Applicant: 南京大学

Inventor： 魏婧雯 ,  杨易昆 ,  贺嘉瑞 ,  陈春林 ,  王志

IPC: H02J7/00 ,  H01M10/42 ,  H01M10/44 ,  G06F30/27 ,  G06F111/06

Abstract: 本发明涉及电力系统技术领域，尤其涉及一种基于强化学习的电池组均衡感知快充控制方法和系统，所述方法包括：建立电池单体模型和电池组的能量均衡拓扑模型，并将两者转化为电池组的均衡感知快充数学模型；根据均衡感知快充数学模型建立电池组均衡感知快充优化问题，并根据优化问题设定任务环境；其中，所述优化问题以充电时间和不一致性最小为目标；设置强化学习算法的超参数，并通过均衡感知快充数学模型与强化学习算法交互，收集训练数据，完成对强化学习算法的训练；将训练好的强化学习算法迁移到真实电池组当中，对电池组进行均衡感知快充控制。本发明实现自适应的充电均衡策略，保证充电结束后电池组具有更多的能量。

公开(公告)号：CN119601805A

公开(公告)日：2025-03-11

申请号：CN202411286186.1

申请日：2024-09-13

Applicant: 南京大学

Inventor： 魏婧雯 ,  贺嘉瑞 ,  陈春林 ,  杨天奕 ,  谢凌

IPC: H01M10/44 ,  G06F30/367 ,  G06N20/00 ,  G06N3/006 ,  H01M10/48 ,  H01M10/42

Abstract: 基于实验数据驱动的锂离子电池强化学习快充控制方法，使用真实实验数据和ε‑greedy策略对智能体进行训练，研究不同ε值对优化结果的影响，得到电池快充控制的优化策略。本发明还提出将仿真数据替换部分真实数据，评估对训练结果的影响，用替换的数据对智能体进行训练，以避免为了获取训练数据集在真实实验过程的部分危险步骤。结果表明，本发明提出的基于实验数据的锂离子电池强化学习快充控制方法在充电时间、充电安全和延缓电池老化等方面具有优势。