基于强化学习的延长锂离子蓄电池寿命的有效最优充电方法

提出一种基于强化学习的锂离子蓄电池最优充电策略，以延长电池寿命并确保终端用户便利性。与大多数未能良好反映真实场景的既往研究不同，本工作中终端用户可根据自身情况灵活设定充电时间，而非尽可能缩短充电时间；这通过采用软 actor-critic（SAC）——一种最先进的强化学习算法——得以实现。如此，电池更有可能在不打扰终端用户的情况下延长寿命。老化量基于精确的电化学电池模型定量计算，并在 SAC 优化过程中被直接最小化。SAC 一旦完成离线学习，不仅能处理灵活的充电时间，还能处理由老化引起的电池模型参数变化，而既往研究则不然；在既往研究中，必须针对每组参数值的特定电池模型实施耗时的优化。验证结果表明，所提方法既能有效延长电池寿命，又能确保终端用户便利性。