基于LSTM車速預(yù)測和深度確定性策略梯度的增程式電動(dòng)汽車能量管理

摘要： 為提高增程式電動(dòng)汽車的能量管理性能，首先利用長短時(shí)記憶（LSTM）神經(jīng)網(wǎng)絡(luò)進(jìn)行車速預(yù)測，然后計(jì)算出預(yù)測時(shí)域內(nèi)的需求功率，并將其與當(dāng)前時(shí)刻的需求功率共同輸入深度確定性策略梯度（DDPG）智能體，由智能體輸出控制量，最后通過硬件在環(huán)仿真驗(yàn)證了控制策略的實(shí)時(shí)性。結(jié)果表明，采用所提出的LSTM-DDPG能量管理策略相對于DDPG能量管理策略、深度Q網(wǎng)絡(luò)（DQN）能量管理策略、功率跟隨控...