一种基于多目标强化学习的燃料电池汽车能量管理方法

本发明涉及一种基于多目标强化学习的燃料电池汽车能量管理方法，包括：收集标准工况速度数据，通过训练LSTM，构建得到车速预测模型；构建车辆的整车动力系统模型；将车辆当前速度输入车速预测模型，输出得到预测速度，将预测速度输入整车动力系统模型，得到对应的需求功率；基于需求功率，采用综合考虑燃料电池耐久性和经济性的深度强化学习架构，确定出能量管理策略；根据能量管理策略，由车辆混合动力系统控制器执行完成能量分配。与现有技术相比，本发明综合考虑燃料电池汽车的经济性、燃料电池蓄电池的耐久性，能实现对能量管理策略的多目标寻优，同时结合车速预测模型和整车模型，并采用深度强化学习算法，能够提高策略的实时性和自适应性。