基于强化学习与MPC的燃料电池车安全自适应能量管理方法

本发明提供了基于强化学习与MPC的燃料电池车安全自适应能量管理方法，设计了一种SAC与MPC协同的分层策略架构，用以解决能量管理中全局最优性与在线安全性的矛盾。其核心在于：上层SAC策略通过离线训练生成近优功率分配序列，作为下层MPC在线优化求解的热启动初始解；MPC则以此为起点，在严格满足车辆物理约束的条件下进行滚动优化，输出最终安全可行的控制指令。本发明还结合了参数级联辨识与工况预测技术，能够为控制策略提供精确先验信息。该方法有效融合了SAC的全局寻优能力与MPC的约束处理优势，显著提升了能量管理的效率、安全性与自适应性，并降低了在线计算负荷。