بهینه سازی مصرف سوخت و هزینه شارژ باتری خودرو هیبریدی مبتنی بر یادگیری تقویتی عمیق

آلودگی هوا، گرمایش جهانی و کاهش منابع فسیلی از چالش های بنیادین پیش روی صنعت خودروسازی به شمار می روند. این عوامل، توجه پژوهشگران و صنعت گران را به سمت توسعه خودروهای الکتریکی و هیبریدی معطوف ساخته اند. مطالعه حاضر یک استراتژی مدیریت انرژی مبتنی بر یادگیری تقویتی را برای خودروهای هیبریدی تقسیم قدرت بررسی می کند. وسایل نقلیه الکتریکی هیبریدی به دلیل پیچیدگی مدیریت انرژی، امکان استفاده از سیاست های مدیریت توان پیشرفته تری را فراهم می کنند. به منظور طراحی استراتژی مذکور، از الگوریتم یادگیری Q بهره گرفته شده است. در این راستا، یک تابع پاداش چندهدفه تعریف شده است که اهدافی نظیر بهینه سازی مصرف سوخت لحظه ای موتور احتراقی، کاهش هزینه شارژ باتری، و حفظ وضعیت شارژ باتری در محدوده ای مجاز را به طور هم زمان دنبال می کند. نتایج شبیه سازی نشان می دهد که در چرخه NEDC، مصرف سوخت روش پیشنهادی می تواند به ۸۸٪ مصرف سوخت برنامه ریزی پویا به عنوان مرجع دست یابد. نتایج حاصل از سایر چرخه های رانندگی نیز این بهبود را تایید می کنند. علاوه بر این، مشخص شده است که با تغییر چرخه رانندگی، روش مذکور عملکرد خود را حفظ کرده و نسبت به کنترل کننده مبتنی بر قوانین، عملکرد بهتری ارائه می دهد.

کلیدواژه ها:

خودرو هیبریدی ، مدیریت انرژی ، یادگیری تقویتی