基于强化学习的网联混合动力汽车能量管理近期进展
系统与控制
2023-12-27 v2 机器学习
系统与控制
摘要
混合动力汽车（HEVs）的日益普及为变革交通能源系统提供了转型机遇。交通电气化转向旨在遏制与化石燃料消耗相关的环境问题。这需要高效的能量管理系统（EMS）以优化能效。从 HEVs 到网联混合动力汽车（CHEVs）的 EMS 演进代表了一个关键转变。对于 HEVs，EMS 如今面临 CHEVs 复杂的能量协同需求，需要先进算法进行路线优化、充电协调与负载分配。两个领域均存在持续挑战，包括 HEVs 的最优能量利用，以及 CHEVs 跨多种车型的协同生态驾驶控制（CED）。强化学习（RL）作为应对这些挑战的有力工具脱颖而出。具体而言，在 CHEVs 领域，多智能体强化学习（MARL）的应用成为有效解决 CED 控制复杂性的强大途径。尽管研究广泛，鲜有综述涵盖从单车到多车场景。本综述弥合了这一鸿沟，强调了基于 RL 的解决方案对未来可持续交通系统的挑战、进展与潜在贡献。
引用
@article{arxiv.2308.14602,
title = {Recent Progress in Energy Management of Connected Hybrid Electric Vehicles Using Reinforcement Learning},
author = {Min Hua and Bin Shuai and Quan Zhou and Jinhai Wang and Yinglong He and Hongming Xu},
journal= {arXiv preprint arXiv:2308.14602},
year = {2023}
}