三、团队创新成果

电动专用车辆系统技术、北京市科学技术一等奖；

动力电池建模与诊断技术、重庆市自然科学一等奖；

车载混合电源系统技术及其应用、河南省科技进步二等奖。

可再生能源为电动汽车（EV）充电提供了一种可持续的解决方案，它既能满足不断增长的充电需求，又能减缓碳排放。然而，可再生能源的发电具有波动性，可能无法始终满足电动汽车的充电需求。为克服这一限制，本研究提出了一种混合供能方法，将现场可再生能源与电网相结合，以确保工作场所电动汽车充电站更可靠的供电。为了在保持电能质量的同时优化电动汽车的充放电过程，我们引入了一种协调的能量管理策略，该策略同时涉及能源供应商与配电系统运营商。优化问题被建模为混合整数非线性规划（MINLP），而这一类问题用传统方法难以高效求解。因此，我们采用了深度强化学习方法，该方法能够在无需详细系统模型的情况下，高效处理高维与非线性问题。为了验证所提方法的适用性，研究使用了真实世界的数据集。结果表明，深度强化学习方法能够有效优化电动汽车的充放电模式，并在计算性能方面表现优越。