CN119481174A 一种基于强化学习的燃料电池容错控制方法及装置 （江苏徐工工程机械研究院有限公司）

一种基于强化学习的燃料电池容错控制方本发明公开了燃料电池领域的一种基于强以及奖励函数对容错控制策略模型进行训练和行燃料电池容错控制。本发明通过引入DDPG算2构建基于DDPG算法的容错控制策略模型，通过所通过训练和验证后的所述容错控制策略模型进行燃料电池容错气中压压力以及燃料电池阳极侧压力降AP；;;;式中，cacrion(t),craut:(t),cmocen(t)为时刻的动作开销、故障代价以及平滑控制;3;和平均值对应的故障代价，Er(t)为燃料电池电堆温度和氢气入堆温度对应的故障代价，;t,t-1时刻的动作。所述通过所述状态空间、所述动作空间以及所述奖励函数对所述容错初始化Actor网络的参数、Critic网络的参数、目标Actor网络的参数从经验回放缓冲区中随机抽取小批次经验样本作为;4;;基于参数和更新目标Actor网络n"的参数和目标Crit状态空间构建模块，被配置为获取燃料电池运行状态下的监测参数动作空间构建模块，被配置为获取燃料电池运行状态下策略模型构建模块，被配置为以控制成本最小化为目标，构建基于D模型训练验证模块，被配置为通过所述状态空间、所述动作空间以及模型部署应用模块，被配置为通过训练和验证后的所所述处理器用于根据所述指令进行操作以执行根据权利要求1_6任一项所述方法的步处理器执行时实现权利要求1_6中任一项所述方5所述奖励函数对所述容错控制策略模型进行训练通过训练和验证后的所述容错控制策略模型进行燃料电池容错燃料电池单体电压的最小值vmn、燃料电池单体电压的平均值Lug、燃料电池6;;式中，cacrion(t),craut:(t),cmocen(t)为时刻的动作开销、故障代价以及平滑;;小值和平均值对应的故障代价，Er(t)为燃料电池电堆温度和氢气入堆温度对应的故障代;t,t-1时刻的动作。7从经验回放缓冲区中随机抽取小批次经验样本作为基于训练样本，通过最小化基于时序差分误差的损;;;基于参数和更新目标Actor网络n"的参数和目标Critic网络的参数:8所述处理器用于根据所述指令进行操作以执行根据上述方[0016]图1是本发明实施例提供的基于强化学习的燃料电池容错控制方法的流程示意[0019]如图2所示，具体在本实施方式中，监测参数包括：燃料电池单体电压的最小值气入堆压力ps9[0020]燃料电池单体电压的最小值vn能够反映电池组的均衡性。燃料电池单体电压;式中，cacrion(t),craut:(t),cmocen(t)为时刻的动作开销、故障代价以及平滑;;小值和平均值对应的故障代价，Er(t)为燃料电池电堆温度和氢气入堆温度对应的故障代;t,t-1时刻的动作。杂系统中非常有用，同时使用目标网络和软更新技术，增加了策略训练的稳定性。此外，DDPG算法使用经验回放来计算目标Q值，能够有效利用以前的经验，减少样本之间的相关通过状态空间、动作空间以及奖励函数对容错控制策略模型进行训练和验证包st>T;;;[0040]基于实施例一提出的燃料电池容错控制方法，本发明实施例提供了一种电子设处理器用于根据指令进行操作以执行根据上述方[0047]这些计算机程序指令也可存储在能引导计