(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111490603.0 (22)申请日 2021.12.08 (71)申请人 山东中科先进技术研究院有限公司 地址 250101 山东省济南市高新区未来创 业广场4号楼306房间 (72)发明人 李卫民　魏大钧　邵壮　王昌朋　 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06K 9/62(2022.01) B60L 58/30(2019.01) B60L 58/10(2019.01) B60L 50/70(2019.01) B60L 50/60(2019.01)B60L 50/40(2019.01) (54)发明名称 一种混合动力汽车复合储能系统能量管理 系统及方法 (57)摘要 本发明涉及一种混合动力汽车复合储能系 统能量管理系统及方法， 系统包括： 获取模块， 用 于获取交通态势数据； 预测模块， 用于根据所述 交通态势数据利用神经网络进行车速预测得到 预测车速信息； 车辆需求功率模块， 用于根据所 述预测车速信息确定车辆需求功率； 分配模块， 用于根据所述车辆需求功率利用DDRG强化学习 算法对动力电池功率、 超级电容功率和燃料电池 功率进行分配， 得到功率 分配结果； 控制模块， 用 于根据所述功率分配结果对混合动力汽车复合 储能系统进行控制。 本发明通过协调燃料电池、 动力电池以及超级电容之间的能量分配实现对 能量分配的优化。 权利要求书2页 说明书10页 附图4页 CN 114154729 A 2022.03.08 CN 114154729 A 1.一种混合动力汽车复合储能系统能量管理系统， 其特 征在于， 包括： 获取模块， 用于获取交通态 势数据； 预测模块， 用于根据所述交通态势数据利用神经网络进行车速预测得到预测车速信 息； 车辆需求功率模块， 用于根据所述预测车速信息确定车辆需求功率； 分配模块， 用于根据所述车辆需求功率利用DDRG强化学习算法对动力电池功率、 超级 电容功率和燃料电池功率进行分配， 得到功率分配结果； 控制模块， 用于根据所述功率分配结果对混合动力汽车复合储能系统进行控制。 2.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统， 其特征在于， 还包 括： 存储模块， 用于对所述交通人态 势数据进行存 储。 3.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统， 其特征在于， 还包 括神经网络训练模块， 所述神经网络训练模块具体包括： 神经网络训练单元， 用于以训练集的交通态势数据为输入， 以所述训练集的车速信息 为输出， 以实际输出值与理论输出值之间的误差和所述训练集的个数为损失函数， 以 Sigmoid函数作为激活函数对反向传播神经网络进行训练， 得到训练好的神经网络 。 4.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统， 其特征在于， 所述 车辆需求功率模块， 具体包括： 车辆信息获取单元， 用于获取车辆信 息； 所述车辆信息包括车辆质量、 车辆迎风面积和 机械传动效率； 环境信息获取 单元， 用于获取环境信息； 所述环境信息为道路的坡度角； 车辆需求功率确定单元， 用于根据所述车辆信息、 所述环境信息和所述预测车速信息 确定车辆需求功率。 5.根据权利要求1所述的混合动力汽车复合储能系统能量管理系统， 其特征在于， 所述 分配模块， 具体包括： DDRG强化学习算法训练单元， 用于以锂电池SOC、 超级电容SOC、 燃料电池电流、 所述预 测车速信息和所述车辆需求功 率为所述DDRG强化学习算法的状态 参量， 以锂电池输出功 率 因子和超级电容输出功 率因子为动态参数， 以根据所述锂电池SOC和所述超级电容SOC确定 的函数为奖励函数， 对D DRG网络进行训练， 得到训练好的D DRG强化学习算法； 分配单元， 用于根据所述车辆 需求功率利用所述训练好的DDRG强化学习算法对动力电 池功率、 超级电容功率和燃料电池功率进行分配， 得到功率分配结果。 6.一种混合动力汽车复合储能系统能量管理方法， 其特 征在于， 包括： 获取交通态 势数据； 根据所述交通态 势数据利用神经网络进行 车速预测得到预测车速信息； 根据所述预测车速信息确定车辆需求功率； 根据所述车辆需求功率利用DDRG强化学习算法对动力电池功率、 超级电容功率和燃料 电池功率进行分配， 得到功率分配结果； 根据所述功率分配结果对混合动力汽车复合储能系统进行控制。 7.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法， 其特征在于， 在所权　利　要　求　书 1/2 页 2 CN 114154729 A 2述获取交通态 势数据之后， 还 包括： 对所述交通人态 势数据进行存 储。 8.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法， 其特征在于， 所述 神经网络的训练过程， 具体包括： 以训练集的交通态势数据为输入， 以所述训练集的车速信息为输出， 以实 际输出值与 理论输出值之间的误差和所述训练集的个数为损失函数， 以Sigmoid函数作为激活函数对 反向传播神经网络进行训练， 得到训练好的神经网络 。 9.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法， 其特征在于， 所述 根据所述预测车速信息确定车辆需求功率， 具体包括： 获取车辆信息； 所述车辆信息包括车辆质量、 车辆 迎风面积和机 械传动效率； 获取环境信息； 所述环境信息为道路的坡度角； 根据所述车辆信息、 所述环境信息和所述预测车速信息确定车辆需求功率。 10.根据权利要求6所述的混合动力汽车复合储能系统能量管理方法， 其特征在于， 所 述根据所述车辆需求功 率利用DDRG强化学习算法对动力电池功 率、 超级电容功 率和燃料电 池功率进行分配， 得到功率分配结果， 具体包括： 以锂电池S OC、 超级电容SOC、 燃料电池电流、 所述预测车速信息和所述车辆需求功率为 所述DDRG强化学习算法的状态 参量， 以锂电池输出功 率因子和超级电容输出功 率因子为动 态参数， 以根据所述锂电池SOC和所述超级电容SOC确 定的函数为奖励函数， 对DDRG网络进 行训练， 得到训练好的D DRG强化学习算法； 根据所述车辆需求功率利用所述训练好的DDRG强化学习算法对动力电池功率、 超级电 容功率和燃料电池功率进行分配， 得到功率分配结果。权　利　要　求　书 2/2 页 3 CN 114154729 A 3