基于深度强化学习的城轨多列车储能系统充放电电压阈值调整方法

本发明针对城市轨道交通多列车储能系统电路模型大功率，高能量引起的牵引网电压安全稳定的问题，采用多列车超级电容储能系统，公开了一种基于深度强化学习动态多区间调整充放电电压阈值方法，依据充放电电压阈值超级电容双级联控制部分，采用深度强化学习(Soft Actor‑Critic SAC)算法，对多列车超级电容储能系统(Supercapacitor Energy Storage Systems,SC‑ESSs)的充放电电压阈值进行实时动态按区间化调整，并进一步设计了在线策略更新与序贯决策执行，通过结合智能体(Agent)“试错”和“反馈”机制进行策略在线学习与优化，提高了智能体的训练效率与寻优正确率，有效地提升了牵引网节能稳压特性，且能平稳控制地面超级电容的充放电电流，防止过充、过放现象，从而延长超级电容储能元件使用寿命。