河北科超电气设备有限公司

本发明提供一种基于深度强化学习的储能电柜热管理优化方法，属于基于强化学习的电池热管理领域技术领域；首先，进行电柜热状态数据采集与物理特征构建，输出标准化电柜热状分布预测；然后基于传热机理构建物理信息神经网络实现未来时刻电芯温度，最后，基于强化学习训练完成的物理感知图注意力策略网络输出当前状态下的动作，将动作经过安全范围裁剪后映射为储能电柜热管理控制指令。本发明提出基于强化学习的物理感知图注意力策略网络与双流物理约束价值网络的电柜级热管理策略优化方法，将深度强化学习输出的连续动作转换为满足电芯安全与执行机构约束的可执行指令，从而提升热管理策略在实际储能电柜中的落地可靠性。