融媒中心讯/近日，福州大学机械工程及自动化学院车辆工程新能源与智能控制团队在混合储能燃料电池混合动力汽车能量管理领域取得突破，相关成果在工业电子领域的权威期刊《IEEE Transactions on Industrial Electronics》发表了题为<Battery Degradation Oriented Active Control Strategy by Using a Reinforcement Learning Algorithm in Hybrid Energy Storage System>（《基于强化学习算法的混合储能系统电池退化导向主动控制策略》）的研究论文。

燃料电池混合动力汽车（Fuel cell hybrid electric vehicle,FCHEV）作为碳中和目标下的关键技术载体，其储能系统通过结合锂离子电池与超级电容的优势，显著提升了车辆性能。在传统策略中，超级电容仅作为辅助能源被动工作，导致电池因频繁应对高负荷任务而加速老化。基于能量单元动态响应与寿命衰减特性的显著差异性，需构建协同优化的主动调控框架实现动力系统寿命最大化。

自学习马尔可夫转移矩阵自更新机制

该研究提出了一种既能够实现快速储能释能、具备较高能量转换效率，同时实现动力系统寿命衰退抑制的能量管理策略，实现了超级电容从“被动缓冲”到“主动调控”，分析了超级电容器状态、车辆实时状态与电池功率特性之间的影响机理，系统性揭示了超级电容器在混合储能构型中最优主动状态规划作用机制，以降低动力电池工作强度，提升车辆行驶经济性。验证结果表明，基于深度强化学习的混合储能系统能够显著降低动力电池寿命衰减，实现车辆全局行驶成本最优。

基于深度强化学习的超级电容主动状态控制策略

机械工程及自动化学院的林歆悠教授为该篇论文的第一作者及通讯作者，2023级硕士研究生黄浩为第二作者，福州大学机械工程及自动化学院为第一单位。该研究获得国家自然科学基金（52272389）的资助。

论文链接：https://doi.org/10.1109/TIE.2024.3481880