详情

原文传递一种插电式混合动力车辆最优能耗的确定方法

专利名称：	一种插电式混合动力车辆最优能耗的确定方法
摘要：	本发明涉及一种插电式混合动力车辆最优能耗的确定方法，其特征在于，包括以下步骤：1)基于马尔科夫决策过程的五个要素，建立电动车能耗的状态‑行动值函数；2)基于马尔科夫决策过程的五个要素，在实际场景对电动车进行采样，生成电动车的若干周期；3)根据生成的周期，求解电动车能耗的状态‑行动值函数，得到电动车能耗的最优策略，本发明可以减少计算的时间复杂度和空间复杂度，可以广泛应用于智能电网管理领域中。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	宁波工程学院
发明人：	陈征
专利状态：	有效
申请日期：	2019-04-11T00:00:00+0800
发布日期：	2019-07-12T00:00:00+0800
申请号：	CN201910289101.8
公开号：	CN110001415A
代理机构：	北京纪凯知识产权代理有限公司
代理人：	孙楠
分类号：	B60L15/20(2006.01);B;B60;B60L;B60L15
申请人地址：	315211 浙江省宁波市江北区风华路201号
主权项：	1.一种插电式混合动力车辆最优能耗的确定方法，其特征在于，包括以下步骤： 1)基于马尔科夫决策过程的五个要素，建立电动车能耗的状态-行动值函数； 2)基于马尔科夫决策过程的五个要素，在实际场景对电动车进行采样，生成电动车的若干周期； 3)根据生成的周期，求解电动车能耗的状态-行动值函数，得到电动车能耗的最优策略。 2.如权利要求1所述的一种插电式混合动力车辆最优能耗的确定方法，其特征在于，所述马尔科夫决策过程的五个要素包括：状态集S，即t阶段起始时电动车的电量水平st；动作集A，即t阶段充电或放电at，其中，充电时为at＝-1，放电时at＝+1；回报函数R，即t阶段电动车的电耗价格其中，Ct表示t阶段电动车的电耗花费，C表示新电池组价格，N表示电池充放电的循环总次数，表示每次充电或放电时电池的损耗价值，pt表示电价格，ηt表示t阶段的充电量或放电量；转移概率P，即转移概率Pr{St＝s′,Rt＝r\|St-1＝s,At-1＝a}，其中，s′表示下一步的电量水平值，s表示当前的电量水平值，r表示电动车的电耗花费；折扣因子γ。 3.如权利要求2所述的一种插电式混合动力车辆最优能耗的确定方法，其特征在于，所述折扣因子γ＝0.9。 4.如权利要求2所述的一种插电式混合动力车辆最优能耗的确定方法，其特征在于，所述电动车能耗的状态-行动值函数为：其中，Eπ表示关于策略π的数学期望，k表示整个周期的第k步，Gt为一个标号，代指 5.如权利要求1所述的一种插电式混合动力车辆最优能耗的确定方法，其特征在于，所述步骤2)的具体过程为：在实际场景中采集运动的电动车的马尔科夫决策过程的五个要素值，得到一条周期，采集n次要素值即得到n条周期。 6.如权利要求2所述的一种插电式混合动力车辆最优能耗的确定方法，其特征在于，所述步骤3)的具体过程为： 3.1)设置步长α以及在选取行动时采用随机方法的百分比ε； 3.2)初始化电动车能耗的状态-行动值函数； 3.3)对于某条周期，初始化状态集S； 3.4)对于状态-行动值函数，采用ε-贪婪策略，在状态集S下选出某一动作集A，该动作集A对应一回报函数R和状态集S′； 3.5)将状态集S′作为更新后的状态集S，进入步骤3.4)，直至完成该周期所有步长下状态集S的更新，得到该周期对应的最优状态集S和动作集A，即得到： Q(S,A)＝Q(S,A)+α[R+γQ(S′,A′)-Q(S,A)] 其中，A′为在状态集S′下选出的某一动作集，状态集S′作为更新后的状态集S后，A′为更新后的动作集A； 3.6)重复步骤3.3)～3.5)，直至完成每一周期所有步长下状态集S更新，得到每一周期对应的最优状态集S和动作集A，进而得到电动车能耗的最优策略。 7.如权利要求6所述的一种插电式混合动力车辆最优能耗的确定方法，其特征在于，所述电动车能耗的最优策略包括每一周期对应的最优状态集S和动作集A，以及每一最优状态集S和动作集A对应的转移概率P、折扣因子γ和回报函数R。 8.如权利要求6所述的一种插电式混合动力车辆最优能耗的确定方法，其特征在于，所述步长α＝0.5，所述在选取行动时采用随机方法的百分比ε＝0.01。
所属类别：	发明专利