學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890
Browse
1 results
Search Results
Item 基於強化式學習之複合電力電動機車能量管理系統(2022) 羅祥瑜; Lo, Hsiang-Yu本論文針對鋰電池搭配超級電容發展一複合式能量管理系統，利用基本規則庫控制策略、強化式學習控制策略、Q學習全域搜索法控制策略以及全域搜索法控制策略，在不同需求功率和超級電容殘電量的情況下，計算出最佳功率分配比以達到最小化能量消耗。強化式學習之特點為可於系統運作過程中，不斷學習以找到最佳解，相較於一般演算法更具有靈活性，而在學習方法上本論文採用Q-Learning和Deep Q Network (DQN)兩種策略，其中DQN引用深度學習類神經網路的概念，以解決傳統Q學習在狀態維度上之缺點。此外本論文也將Q學習與全域搜索法結合，利用Q學習調整濾波參數以抑制全域搜索法之鋰電池輸出電流，達到保護電池之目的。實驗平台以電源端、數位訊號處理器、雙向直流-直流轉換器和電子負載組成，其中負載端選用新歐洲地區行車型態 (NEDC) 與全球機車測試型態 (WMTC) 作為測試依據，另外為了增加系統之輸出功率，直流轉換器以三台並聯並搭配均流技術，可確保轉換器模組間輸出電流一致，提高系統穩定度。同時為了使負載端更貼近真實情況，本論文也使用一直流無刷馬達，透過馬達和磁粉剎車搭配驅動器進行控制，於負載端模擬車輛之行駛狀態。結果比較中以基本規則庫控制策略為基準，分別探討於不同控制策略下之能耗改善幅度，由實驗結果可知，全域搜索法為最佳解，而所提出之強化式學習控制策略亦能有效的改善能耗。