【ZiDongHua之“自動化學(xué)院派”收錄關(guān)鍵詞：農(nóng)機裝備 智慧農(nóng)業(yè) 儲能系統(tǒng)】
 
　　團隊成果|中國農(nóng)業(yè)大學(xué)余強教授團隊在農(nóng)機裝備電氣化節(jié)能控制優(yōu)化領(lǐng)域發(fā)表重要成果
 
 
　　01
 
　　成果展示
 
　　近期，中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院余強教授團隊在國際電氣能源領(lǐng)域頂級期刊《Energy》（IF9.0）上發(fā)表了題為《融合運行信息識別與深度強化學(xué)習(xí)的電動拖拉機雙層自適應(yīng)節(jié)能控制策略》（Dual-layer adaptive power management strategy for E-tractor incorporating operating information and deep reinforcement learning）的研究。該研究針對電動拖拉機續(xù)航性能和經(jīng)濟效益提升面臨的瓶頸問題，提出了一種新穎的自適應(yīng)節(jié)能優(yōu)化方法，為電動拖拉機節(jié)能優(yōu)化控制及動力系統(tǒng)的優(yōu)化研究提供了新思路。
 
　　02
 
　　引言
 
　　隨著全球環(huán)境保護和可持續(xù)發(fā)展意識的提升，智慧農(nóng)業(yè)和精準(zhǔn)農(nóng)業(yè)已成為農(nóng)業(yè)現(xiàn)代化的重要發(fā)展方向。作為農(nóng)業(yè)運輸關(guān)鍵設(shè)備，電動拖拉機憑借其低排放、高效率和環(huán)保優(yōu)勢，被廣泛認(rèn)為是傳統(tǒng)燃料拖拉機的理想替代方案。然而，電動拖拉機在動力系統(tǒng)設(shè)計上仍面臨多重挑戰(zhàn)，尤其是在農(nóng)田作業(yè)過程中如何快速響應(yīng)不斷變化的負(fù)載需求，同時保持高效的能源利用率。傳統(tǒng)的鋰電池系統(tǒng)雖然能量密度高，但其響應(yīng)速度較慢，且輸出功率無法滿足大功率需求，導(dǎo)致電池老化加速并增加使用成本。為此，混合儲能系統(tǒng)（HESS）通過功率削峰填谷的優(yōu)勢，能夠在提供長期能源的同時，滿足快速、高功率需求。盡管如此，實現(xiàn)自適應(yīng)功率分配并在經(jīng)濟性、功率平衡與能效之間進行多目標(biāo)優(yōu)化，依然是電動拖拉機系統(tǒng)設(shè)計中的一個重大挑戰(zhàn)。本文提出了一種基于運行工況識別與深度強化學(xué)習(xí)的雙層自適應(yīng)節(jié)能控制策略，與傳統(tǒng)的節(jié)能控制策略主要聚焦于單一目標(biāo)（如能效或電池壽命）不同，本研究構(gòu)建了一個多目標(biāo)優(yōu)化框架，綜合考慮了電動拖拉機在作業(yè)過程中的續(xù)航性能、經(jīng)濟效益和功率平衡等多個關(guān)鍵指標(biāo)。融合了深度強化學(xué)習(xí)和實時工況識別技術(shù)，不僅能夠優(yōu)化能源利用效率，還能夠突破現(xiàn)有動力系統(tǒng)設(shè)計的瓶頸，為電動拖拉機節(jié)能優(yōu)化策略的研究奠定了理論基礎(chǔ)。
 
　　03
 
　　圖文導(dǎo)讀
 
　　研究團隊基于犁地耕作作業(yè)條件，構(gòu)建了電動拖拉機的實際工況數(shù)據(jù)集，并通過K-means聚類算法和LVQNN（學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)）網(wǎng)絡(luò)，開發(fā)了高精度的實時工況識別系統(tǒng)。該識別方法的準(zhǔn)確率超過98%。這種基于工況數(shù)據(jù)的實時識別不僅為電動拖拉機的智能控制提供了重要支撐，還能夠?qū)崿F(xiàn)更加精確的節(jié)能調(diào)度。與傳統(tǒng)節(jié)能控制策略僅關(guān)注能效不同，本研究提出了融合續(xù)航性能與經(jīng)濟效益的多目標(biāo)優(yōu)化框架。與此同時，為進一步提高深度強化學(xué)習(xí)（SAC算法）在電動拖拉機節(jié)能控制中的訓(xùn)練效率，研究團隊采用了Z-score歸一化方法，對狀態(tài)、動作和獎勵信號進行優(yōu)化處理，進一步提升了SAC算法訓(xùn)練的收斂速度和穩(wěn)定性。
 
 
　　Fig.1田間耕作作業(yè)工況數(shù)據(jù)構(gòu)建方法.
 
　　Fig.2工況作業(yè)條件識別框架.
 
　　在此框架基礎(chǔ)上，研究團隊結(jié)合實時工況識別結(jié)果，基于馬爾科夫決策過程（MDP）理論，構(gòu)建了適用于農(nóng)業(yè)耕作環(huán)境的電動拖拉機雙層自適應(yīng)節(jié)能控制策略。研究成果表明，該策略相比傳統(tǒng)功率管理系統(tǒng)（PMS）在保障單次作業(yè)里程的同時，能夠使系統(tǒng)綜合運營成本降低13%，并有效減少電池峰值瞬態(tài)功率和峰值瞬態(tài)電流輸出，分別降低了11.61%和17.14%。此外，工況模式識別方法的應(yīng)用使得節(jié)能控制策略的優(yōu)化過程更加高效，減少了70%的SAC訓(xùn)練時間，極大提升了整體系統(tǒng)的實用性。
 
　　04
 
　　課題相關(guān)介紹
 
　　該論文由中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院與中國農(nóng)業(yè)大學(xué)工學(xué)院團隊合作完成。中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院余強教授為論文通訊作者，中國農(nóng)業(yè)大學(xué)信電學(xué)院2022級博士研究生何雄林為學(xué)生第一作者。論文受到國家電網(wǎng)公司科技項目（SGHL0000YXJS2310165）與中央高校專項資金的大力資助與支持。
 
　　文章信息
 
　　He X.,Yu Q.,Jiang Z.,et al.(2025).Dual-layer adaptive power management strategy for E-tractor incorporating operating information and deep reinforcement learning.Energy 319:134942.https://doi.org/10.1016/j.energy.2025.134942
 
　　團隊信息
 
　　余強，男，工學(xué)博士，電動農(nóng)機研究與應(yīng)用團隊負(fù)責(zé)人，現(xiàn)任中國農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院教授/博士生導(dǎo)師，研究生院院長助理、電氣工程系副主任，山東東營電力助農(nóng)科技小院院長，首席科學(xué)家，中國農(nóng)業(yè)大學(xué)杰出人才計劃獲得者、中國科學(xué)院青年創(chuàng)新促進人才計劃獲得者、中國可再生能源協(xié)會太陽能熱發(fā)電專委會委員，長期從事太陽能光伏/光熱發(fā)電技術(shù)、農(nóng)機電氣化與節(jié)能優(yōu)化、農(nóng)村配電網(wǎng)優(yōu)化控制等方向研究。先后主持和參加多項國家科技部（863、973、國重計劃）、國家自然科學(xué)基金、北京市自然科學(xué)基金、北京市科委、國網(wǎng)公司等科技項目。到目前為止，在國內(nèi)外發(fā)表學(xué)術(shù)論文60余篇，主持和參與編寫學(xué)術(shù)及科普專著6部。榮獲科技部“十一五”國家科技計劃執(zhí)行優(yōu)秀團隊獎、科技部“創(chuàng)新團隊獎”以及中國國家知識產(chǎn)權(quán)局頒發(fā)的“中-法團隊合作創(chuàng)新獎”等；（E-mail：yuqiang_21st sina.com）.