リチウムイオンバッテリーの高速充電のための深層強化学習フレームワーク

リチウムイオンバッテリーコミュニティが直面する最も重要な課題の1つは、セルを損傷することなく最小充電時間を見つけることです。この目標は、正確な電気化学モデルに依存する大規模な制約付き最適制御問題を解決することで達成できます。しかし、これらのモデルは高い計算コストや同定性・可観測性の問題によって制限されています。代替手段として、単純な出力フィードバックアルゴリズムを使用することができますが、それらの性能は厳密に試行錯誤による調整に依存します。さらに、安全制約を扱うために特定の技術を採用する必要があります。これらの制限を克服することを目指して、我々は深層強化学習に基づく最適充電手順を提案します。特に、連続状態およびアクションのセットに対応するためにポリシーグラデイエント法に焦点を当てます。まず、Doyle–Fuller–Newman (DFN)モデルからの完全な状態測定を仮定し、主成分分析を介して低次元の特徴空間に投影します。その後、この仮定は削除され、出力測定のみがエージェントの観測として考慮されます。最後に、提案したポリシーが環境のパラメータの変化に適応することを示します。その結果は、参考ガバナーや比例–積分–微分アプローチなど、文献に示される他の方法論と比較されます。