一种考虑工况预测的燃料电池汽车强化学习能量管理方法

本发明提供了一种考虑工况预测的燃料电池汽车强化学习能量管理方法，所述方法包括：采用四种不同类型的经典行驶工况构建综合行驶工况数据，对综合行驶工况数据进行片段划分，通过提取工况的特征参数进行主成分分析，通过K‑means聚类方法对驾驶循环片段聚类；得到三种不同类型的驾驶循环片段集合后，对基于Bi‑LSTM的工况识别模块以及基于马尔可夫的车速预测模块进行离线训练，其中车速预测模块中选择代表三种不同道路特征的数据集分别训练三种不同的马尔可夫矩阵；提取车速预测序列的工况特征参数，转化为等效因子调节系数，并将作为一种状态输入到DDPG能量管理算法，燃料电池功率Pfc作为动作，设置合适的奖励函数，以达到综合考虑实现多目标优化。