氢燃料重卡燃料电池热管理强化学习控制研究

摘要

针对氢燃料重卡汽车燃料电池热管理问题，提出了一种基于深度强化学习的优化控制策略。将燃料电池出口冷却液、入口冷却液温度偏差量化为系统控制代价，并综合冷却水泵与风扇的运行能耗，设计了多目标组合权重奖励函数，采取TD3算法训练出冷却水泵与风扇的联合控制策略。搭建Simulink仿真平台，在上层等效氢耗最小化能量管理策略下，对不同控制策略进行了对比验证。与PID策略相比，TD3策略出口温度超80℃的累计值降低了88.5%。进一步考虑能耗优化的TD3-E策略，与TD3策略相比温控性能接近，但热管理系统能耗为2 314 kJ,明显低于TD3策略。尽管能耗略高于PID策略，但整体上实现了温控性能与经济性的有效平衡，提升了燃料电池热管理系统的综合性能。

关键词

氢燃料重卡 / 燃料电池热管理 / 深度强化学习 / 多目标优化控制

基金资助

国家自然科学基金青年科学基金项目(52402476); 江苏省自然科学基金项目(BK20240677)