[发明专利]一种混合动力公交车能量管理方法、设备和存储介质

权利要求书

1.一种混合动力公交车能量管理方法，其特征在于，包括

获取实验车辆在公交固定路线工况下影响能量管理的参数；

基于所述影响能量管理的参数和观测量训练模型，获得训练后的深度强化学习代理；

获取公交车实际行驶中影响能量管理的参数和观测量，基于所述实际行驶中影响所述能量管理的参数和观测量，以及所述训练后的深度强化学习代理，进行所述混合动力公交车固定路线工况下的能量管理；

其中所述基于所述影响能量管理的参数和观测量训练模型，所用的训练方法是深度确定性策略梯度算法、DQN算法或Q-学习，利用深度确定性策略梯度训练模型包括以下5种，

以时间作为横坐标，不考虑路口情况，假定在路口处公交车遇到的都是绿灯，不进行速度约束，利用深度强化学习中的DDPG进行训练，得到收敛的代理，进行仿真，在所述实验车辆上采集到的等效燃油消耗与可能影响能量管理的其他参数；

以时间作为横坐标，考虑路口情况，假定在路口处公交车遇到的都是红灯，车辆速度在路口点处有一减速到0再加速的过程，利用深度强化学习中的DDPG进行训练，得到收敛的代理，进行仿真，在所述实验车辆上采集到的等效燃油消耗与可能影响能量管理的其他参数；

以位移作为横坐标，不考虑路口情况，假定在路口处公交车遇到的都是绿灯，不进行速度约束，利用深度强化学习中的DDPG进行训练，得到收敛的代理，进行仿真，在所述实验车辆上采集到的等效燃油消耗与可能影响能量管理的其他参数；

以位移作为横坐标，考虑路口情况，假定在路口处公交车遇到的都是红灯，其速度在路口点处有一减速到0再加速的过程，利用深度强化学习中的DDPG进行训练，得到收敛的代理，进行仿真，在所述实验车辆上采集到的等效燃油消耗与可能影响能量管理的其他参数；

以位移作为横坐标，考虑路口情况，考虑路口红绿灯变化信号，将位移和时间以及公交车速度进行结合，对汽车速度进行约束，利用深度强化学习中的DDPG进行训练，得到收敛的代理，进行仿真，在所述实验车辆上采集到的等效燃油消耗与可能影响能量管理的其他参数；

所述获得训练后的深度强化学习代理具体为：分别在不同的时间段选取乘客人数变化明显的若干时间点，然后用上述的5种方式进行训练，将训练后在实验车辆上采集到的等效燃油消耗和可能影响能量管理的其他参数与动态规划的结果进行对比，并与考虑路口信号时的动态规划基准进行比较，获得具有相应数量代表时段的深度强化学习代理。

2.根据权利要求1所述的混合动力公交车能量管理方法，其特征在于，所述影响能量管理的参数，包括混合动力公交车固定路线上的道路情况和所处时段，所述道路情况包括环境温度、天气状况、道路坡度以及路口的红绿灯情况、公交车在各站点乘客人数。

3.根据权利要求1所述的混合动力公交车能量管理方法，其特征在于，所述观测量，包括公交车的速度、加速度、发动机转速、发动机转矩、电机转速、电机转矩、电池荷电状态、当前时刻燃油消耗量、SOC与参考SOC之间的差值和公交车位移/时间。

4.根据权利要求1所述的混合动力公交车能量管理方法，其特征在于，在获取到实验车辆在不同时段同一路线工况下的等效燃料消耗和影响所述能量管理的参数之后，还包括：以预设的采样频率采集所述实验车辆在各时段同一路线工况下等效燃料消耗和可能影响所述能量管理的参数，并对采集到的参数进行平滑处理和归一化处理。

5.根据权利要求1～4任一项所述的混合动力公交车能量管理方法，其特征在于，所述基于影响所述能量管理的参数和所述等效燃油消耗，利用深度强化学习DDPG方法训练得到代理，具体为：

在每次训练中，将当前时刻的SOC、SOC与参考SOC之间的差值、汽车速度、汽车位移/汽车运行时间、汽车加速度和燃油消耗量作为DDPG代理的观测值输入数据，以及当前时刻的奖励值作为DDPG代理的奖励值输入数据，基于深度确定性策略梯度训练所述模型，获得训练后的深度强化学习代理。