DGRAF: Observation-Quality-Aware Reinforcement Learning for Dynamic Reconfigurable Batteries
发布时间:2026-09-25
点击次数:
- 发表刊物:
- The Fortieth Annual Conference on Neural Information Processing Systems. NeurIPS 2026. (CCF-A)
- 关键字:
- 可重构电池网络
- 摘要:
- 动态可重构电池系统通过动态调整电池单元之间的拓扑连接,为提升电池均衡效率、能量利用率和运行安全性提供了新的技术途径。针对传感器故障引发的潜在状态观测不完整问题,以及现有方法难以兼顾状态估计可靠性与风险自适应控制的局限,本文提出了面向观测质量的安全控制框架 DGRAF。该框架融合基于扩散模型的时空状态重建与观测质量量化机制,以及基于分布式强化学习和条件风险价值的风险自适应决策方法,实现了不确定观测条件下的状态感知与安全控制协同优化。仿真与真实硬件实验验证了该方法在不同程度传感器故障下的有效性,为复杂故障环境中可重构电池系统的可靠运行与高效能量管理提供了新的技术方案。
- 第一作者:
- 胡靖伟
- 通讯作者:
- 张志宏(通讯作者)
- 合写作者:
- 陈佳松
- 是否译文:
- 否



