液流电池具有充放电循环次数大、容量高及寿命长等优点,是长时大规模储能的理想选择,但是其复杂的结构对电池控制系统的要求较高,传统开发方式难以满足其多样的控制需求,因此提出精准度更高、实时性更好的基于事件驱动技术的液流电池控...液流电池具有充放电循环次数大、容量高及寿命长等优点,是长时大规模储能的理想选择,但是其复杂的结构对电池控制系统的要求较高,传统开发方式难以满足其多样的控制需求,因此提出精准度更高、实时性更好的基于事件驱动技术的液流电池控制系统开发方法。首先针对液流电池稳定性需求高、内部损耗大等问题,提出了主/辅助电堆协同架构,并对该架构系统进行建模分析;然后基于事件驱动技术对控制系统进行模块化设计,包括柔性充放电控制、辅助电堆参与的黑启动控制、基于卡尔曼滤波的电池荷电状态(state of charge,SOC)估计等;最后搭建半实物仿真平台,对所提架构和策略进行验证,证明了该架构和策略能提高系统的能量转换效率和稳定性。展开更多
为实现混合动力系统在电池荷电状态(state of charge,SOC)平衡以及动力性约束下的经济性提升,提出了基于偏好强化学习的混合动力能量管理策略,该策略将能量管理问题建模为马尔科夫决策过程,采用深度神经网络建立输入状态值到最优动作控...为实现混合动力系统在电池荷电状态(state of charge,SOC)平衡以及动力性约束下的经济性提升,提出了基于偏好强化学习的混合动力能量管理策略,该策略将能量管理问题建模为马尔科夫决策过程,采用深度神经网络建立输入状态值到最优动作控制输出的函数映射关系。与传统的强化学习控制算法相比,偏好强化学习算法无需设定回报函数,只需对多动作进行偏好判断即可实现网络训练收敛,克服了传统强化学习方法中回报函数加权归一化设计难题。通过仿真试验和硬件在环验证了所提出能量管理策略的有效性和可行性。结果表明,与传统强化学习能量管理策略相比,该策略能够在满足混合动力车辆SOC平衡和动力性约束下,提升经济性4.6%~10.6%。展开更多
文摘液流电池具有充放电循环次数大、容量高及寿命长等优点,是长时大规模储能的理想选择,但是其复杂的结构对电池控制系统的要求较高,传统开发方式难以满足其多样的控制需求,因此提出精准度更高、实时性更好的基于事件驱动技术的液流电池控制系统开发方法。首先针对液流电池稳定性需求高、内部损耗大等问题,提出了主/辅助电堆协同架构,并对该架构系统进行建模分析;然后基于事件驱动技术对控制系统进行模块化设计,包括柔性充放电控制、辅助电堆参与的黑启动控制、基于卡尔曼滤波的电池荷电状态(state of charge,SOC)估计等;最后搭建半实物仿真平台,对所提架构和策略进行验证,证明了该架构和策略能提高系统的能量转换效率和稳定性。
文摘为实现混合动力系统在电池荷电状态(state of charge,SOC)平衡以及动力性约束下的经济性提升,提出了基于偏好强化学习的混合动力能量管理策略,该策略将能量管理问题建模为马尔科夫决策过程,采用深度神经网络建立输入状态值到最优动作控制输出的函数映射关系。与传统的强化学习控制算法相比,偏好强化学习算法无需设定回报函数,只需对多动作进行偏好判断即可实现网络训练收敛,克服了传统强化学习方法中回报函数加权归一化设计难题。通过仿真试验和硬件在环验证了所提出能量管理策略的有效性和可行性。结果表明,与传统强化学习能量管理策略相比,该策略能够在满足混合动力车辆SOC平衡和动力性约束下,提升经济性4.6%~10.6%。
