自适应安全强化学习-enabled 电池快充方案优化
系统与控制
2024-06-19 v1 系统与控制
摘要
优化充电方案对于缩短电池充电时间和减缓电池退化至电动汽车等应用至关重要。最近，采取了强化学习（RL）方法。然而，基于 RL 的方法可能无法确保系统（安全）约束，这会导致电池不可逆损坏并降低寿命。为此，本工作提出了一个自适应和安全的 RL 框架，用于在遵守高概率安全约束的同时优化快充策略。在我们的方法中，RL 代理决定的任何不安全动作都将通过求解受约束优化问题投射到安全区域。安全区域由自适应高斯过程（GP）模型构建，包括静态 GP 和动态 GP，从在线经验中学习以自适应地考虑电池动力学的任何变化。仿真结果表明，该方法在不同运行条件下能够在满足约束的同时快速充电电池。
引用
@article{arxiv.2406.12309,
title = {Adaptive Safe Reinforcement Learning-Enabled Optimization of Battery Fast-Charging Protocols},
author = {Myisha A. Chowdhury and Saif S. S. Al-Wahaibi and Qiugang Lu},
journal= {arXiv preprint arXiv:2406.12309},
year = {2024}
}