基于强化学习的锂离子电池健康感知快充控制

摘要：

　　锂离子电池已成为电动汽车动力源的主要选择。汽车充电策略会影响电池的充电时间、循环寿命及运行安全，研究并选取合适的充电策略可以有效改善用户的使用体验。使用大电流充电可以有效缩短电池的充电时间，但持续的高电流会使充电过程产热严重，降低能量的使用效率，且存在安全隐患，同时还会加速电池容量和功率的衰减。为了解决上述问题，本文基于强化学习，将Q-learning算法与锂电池充电模型相结合，设置合适的奖励机制及约束条件，在充电时间和容量损失之间做权衡，最终得到相应的充电电流序列。与传统的多级恒流恒压充电方式相比，保证了充电的时间，并有效地延缓了电池的老化。

关键词： 锂离子电池 优化充电策略 充电时间 电池老化 强化学习

作者: 贺嘉瑞 白辰昱 郑咏妮 陈瑄 魏婧雯 陈春林

作者单位: 南京大学控制与系统工程系,江苏南京,中国,210093 南京大学材料科学与工程系,江苏南京,中国,210046 南京大学计算机科学与技术系,江苏南京,中国,210046

会议类型: 国内会议

会议名称: 第22届中国系统仿真技术及其应用学术年会(CCSSTA2021)

会议地点: 合肥

会议语种:中文

页码: 305-309

在线出版日期: 2021-07-01（万方平台首次上网日期，不代表论文的发表时间）