[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

说明书

本发明公开一种混合动力公交车能量管理的方法和、设备和存储介质，其中方法包括：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所述能量管理的参数和观测量，基于实际行驶中影响能量管理的参数，以及训练后的深度强化学习代理，进行混合动力公交车固定路线工况下的能量管理。采用本发明的技术方案，可实现对混合动力公交车能量管理更有效的控制，减少能源消耗。

技术领域

本申请属于混合动力汽车技术领域，特别涉及一种混合动力公交车能量管理的方法、设备和存储介质。

背景技术

混合动力汽车的能量管理大多是基于规则的策略，通过制定一定的能量管理阈值，最常见的插电式混合动力的规则是先进行电池能量的消耗，然后进行电池电量的保持，进行规则上的能量控制。

基于优化的策略具有代表基准的是DP(Dynamic Programming，动态规划)。在全局工况信息已知的情况下离线得到的混合动力公交车相对最优能量管理，它利用速度工况已知，对混合动力公交车发动机和电池进行相应最优的能量需求分配，来得到最优能量管理。

在现有技术中，利用工程师经验制定规则进行规则上能量管理或者基于优化的在速度已知或者预测的基础上选择的模型预测控制进行能量管理，进而调节混合动力公交车的等效燃油消耗的大小。

在实现本申请的过程中，发明人发现相关技术至少存在以下问题：

通过上述方法可知，基于规则的常常能量管理效果不够显著，且针对工况单一，基于优化的DP需要全局工况已知，因计算时间过长不能进行实时在线运用，存在的模型预测可以做到优化和实时进行，但预测控制步长不能选择过大，与DP的优化结果相比仍具有较大的差距。

发明内容

为了解决相关技术中存在的技术问题，本申请实施例提供了一种混合动力公交车能量管理的方法和设备。所述公交车能量管理的方法和设备的技术方案如下：

第一方面，本申请提供了一种混合动力公交车能量管理的方法，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，利用深度确定性策略梯度训练模型，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。

优选的，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。

优选的，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。

优选的，所述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(Deep Deterministic Policy Gradient，深度确定性策略梯度)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；