Optimize Battery Control: A Multi-Objective Evolutionary Ensemble Reinforcement Learning Approach
发布时间：2026-09-24
点击次数：
- 发表刊物：
- In Proceedings of the Thirty-Fourth International Joint Conference on Artificial Intelligence. IJCAI 2025. (CCF-A)
- 关键字：
- Energy Storage
- 摘要：
- 随着电池储能系统规模不断扩大，电池单元之间的性能差异与老化不一致逐渐成为制约电池组能量利用率和运行安全性的关键因素。然而，现有控制方法难以兼顾能量释放、电池均衡、开关操作成本与连接安全等多重目标，且传统强化学习容易陷入局部最优，难以适应复杂的大规模拓扑决策空间。为此，本文提出了一种多目标进化集成强化学习框架，通过将复杂控制任务分解为多个子目标，由独立智能体进行针对性学习，并结合帕累托非支配排序、进化更新与候选策略缓冲机制，协调不同目标之间的权衡，提升决策优化效率。仿真与真实硬件实验表明，该方法能够有效降低电池单元间的荷电状态差异，提升总放电能量，并将有效约束非法连接，为复杂电池储能系统实现高效、安全的智能控制提供了可行的技术方案。
- 第一作者：
- 胡靖伟
- 通讯作者：
- 张志宏（通讯作者）
- 是否译文：
- 否