电动巴士Discover蓄电池的智能信息物理框架：结合DQN智能充电与LSTM数字孪生

1. 引言

2. 相关工作

3. 方法论与系统架构

图1。智能交通的信息物理系统——一个全年龄概念。

图2。DQN和LSTM交互区块图（），以及智能降额和充电概念（), and smart derating and charging concept (b).

2.

输入门（）：决定哪些新信息将被存储在细胞状态中，同时生成候选状态向量：t): Decides which new information will be stored in the cell state, while concurrently generating a candidate state vector:

3.

输出门（）：决定下一个隐藏状态 ht，该状态代表网络在当前时间步的输出信号：t, which represents the network’s output signal at the current time step:

4. 实验结果

4.2. 实验数据

为了验证LSTM数字孪生和DQN控制器动作，使用了与电池电压相关的真实车辆数据（见图3）。车辆运行期间与车速(v)、电流(I)和电池温度(T)相关的典型数据如图4所示。此外，基于电流(I)变化计算了产热Qgen(W)；参见图5为了解决结构性时间步错位问题并防止序列LSTM架构中的训练不稳定，在模型配置之前执行了数据对齐流程。遥测数据流被降采样至统一的1 Hz框架。图3展示了6号车辆典型的一天内电池电压变化情况。图3描绘了一个包含约1.9 × 10的高分辨率数据集5仅为期一天的连续遥测样本，反映了以连续加速和剧烈再生制动循环为特征的重度瞬态过境应力。图4和图5中显示的数据被限制在指定的时间范围内，以提供可见的实验结果，从而理解车辆速度、电流变化、实测电池温度和计算生成热量之间的复杂关联。

图3。每日测量的电池电压变化——示例。

图4。车辆运行指定时间段（425分钟）内的测量车速（km/h）、电流（A）和电池温度（°C）。

图5。Qgen——计算的电池发热量与电流（I；图4——中间面板）在6号车运行指定时间段（425分钟）内的变化。

5. LSTM模型开发与验证

图6。数字孪生模型预测值与实测电压值的验证——6号车，第16天。

图7。数字孪生模型预测值与实测电压值的验证——5号车，第15天。

表1。评估矩阵。

6. 剩余使用寿命预测

图8。数字孪生SOH估计与RUL，一种指示性的宏观趋势预测——6号车。

7. DQN智能体控制操作

7.1. 预测性热应力

为了提供闭环信息物理框架的主动缓解能力，并考虑车辆动力学与电池温度梯度之间的相互依赖性，引入电池热应力作为DQN控制策略的基础。在严苛的公交停走循环和电池充电过程中产生的累积热应力被公式化为预测性热应力指数（I(t))。该指数评估瞬时产热率与车辆速度v(t)乘积的移动窗口积分，在离散操作域中表示为：stress

$$I_{\mathit{stress}}\left(t\right)={\displaystyle \frac{1}{N}}{\displaystyle {\sum }_{k=t-N}^t}({\displaystyle \frac{I_{\mathit{raw}}{\left(k\right)}^2·R_{\mathit{in}}}{Q_{\mathit{max}}}}· \Phi (k))$$

(13)

其中N = 500表示用于边缘级计算的移动平均窗口大小。变量Qmax = 3500 W代表最大内部发热率，该值经过校准以匹配在充电站超快充电期间所经历的峰值电流，而v= 70 km/h表示公交车的最大允许运行速度。缩放因子Φ (k)是一个状态相关的运动学算子，用于根据车辆的运行状态动态解耦速度的影响。max

$\mathsf{\Phi }\left(k\right)={\displaystyle \frac{v\left(k\right)}{v_{\mathit{max}}}}$，若v(k) > 0（动态驾驶工况），或为1，若v(k) = 0（静态驾驶工况）。

通过使用该公式，该指数能够同时捕捉动态和静态车辆条件下的多物理热应力。在标准行驶和再生制动期间，内部焦耳热和外部对流气流变化（由车辆速度引起）都会在0到1之间进行非线性缩放。相反，当巴士在充电站静止时，速度降至零；在这种特定的运行状态下，电池组从动态动能-热应力状态切换为纯静态热力学载荷状态。为了确保电池热管理系统（BTMS）得到全面保护，控制逻辑会自动强制执行 Φ() = 1，覆盖动能分量，并将热指数仅评估为局部核心热量累积比率Q/Qgen/Qmax.

图9显示了热指数变化（下部面板——对数刻度）与测量输入量之间的关系：车辆速度（上部面板——蓝色实线）、行驶、制动和充电期间的电流（I）（上部面板——红色虚线）。电池温度也被测量并显示（中部面板），以说明这些重要输入参数之间的相互依赖关系。显而易见，在充电站充电期间（例如I = 467 A），热指数达到接近1的最高值——对于电池热应力指数而言，这极高（图9). 当车速为vmax= 30 km/h 且 Qgen = 1500 W 时，热指数约为0.18。热应力指数被用作DQN降额控制的基础，随后用于电池冷却控制。

图9。电池热应力计算（下部图表）与实测车辆（6号）速度和电流（Iraw）变化（上部图表). 中间面板显示了电池温度的真实值。

DQN控制器系统地缓解了电极阵列与电池外壳之间的严重内部热梯度。这种限制防止了局部热点结晶，并保证了长期电化学容量的保持。该热应力指数的实际效用体现在DQN智能体协调的两个并行智能控制动作中：

(1)

智能电流限制（智能降额）——应力指数表明累积热压力正接近临界边界；DQN智能体更新其策略，对高电流动作施加重罚。在随后的激进再生制动阶段，智能体立即限制负电流包络。它从源头减少该项，防止电池电极内部出现局部热点，同时仍能回收最大允许的回收能量。再生制动效果的任何变化都将要求改变摩擦制动策略。因此，引入智能混合制动应依赖于基于电池热应力的电池管理系统。所提出的方法为引入各种智能混合制动控制策略提供了广泛的可能性，特别是在平衡再生制动效果与电池组热足迹的背景下。引入此类智能制动机制的重要性在[中已得到广泛强调。33,34].

(2)

预测性冷却动作——DQN智能体不再等待电池组突破典型的出厂阈值，而是读取应力指数的上升沿。它在整体温度升高之前，预先启动液-乙二醇循环泵并提升主动HVAC冷水机组的功率。这种主动冷却在液体回路中创造了热缓冲，将热管理从反应式滞后状态转变为预见性优化范式。

7.2. DQN奖励函数

众所周知，传统系统仅关注静态温度，这会受到严重的温度滞后影响；当物理传感器读到温度峰值时，内部微观结构的退化已经发生 [11]。车辆在城市中的速度剖面特征是随机的起停公共交通模式，伴随着频繁的快速加速阶段和剧烈的减速循环。在传统的反应式电池管理下，这些突然的加速和减速事件会通过不受控的再生制动注入极端的、未缓解的动能。这种严重的瞬态负载会导致电池温度上升。为了应对这一现象，热应力指数成为了DQN智能体的核心控制基础。

DQN智能体的动作由综合奖励函数定义。DQN智能体不仅在随后的激进再生制动阶段，而且在充电期间也会对高电流动作进行惩罚。为了确定强化学习智能体如何内化热和电化学安全约束，评估了数学奖励架构与最终控制动作之间的相关性。图9显示了边界约束DQN奖励函数的几何形状。迫使智能体在激进的制动/充电循环中优先考虑热安全性的核心机制（奖励函数R）是一个非线性的边界约束奖励函数。为了评估在状态A中 所采取的动作（状态S中），奖励R是基于t+1步的系统响应计算得出的：ttt+1

$${\mathrm{R}}_{\mathrm{t}+1}=-\mathsf{\alpha }{\left({\mathrm{I}}_{\mathrm{limit}}\left(\mathrm{t}+1\right)\right)}^2-\mathsf{\beta }\left(\left|{\mathrm{I}}_{\mathrm{raw}}(\mathrm{t}+1)\right|-100\right)\forall ·\left|{\mathrm{I}}_{\mathrm{raw}}(\mathrm{t}+1)\right|>100 \mathrm{A}$$

(14)

其中∀是一个指示函数，如果结果电流幅值超过100 A的安全阈值，则等于1，否则为0。参数α（0.015）直接对应电池的内阻R，从而惩罚瞬时焦耳热。参数β = 3.2代表一个严格的固定惩罚斜率，它会激进地抑制超过100 A安全运行边界的电流，以保护电池健康。in

图10展示了一种通用的DQN智能体策略，用于防止电池产生高内部热应力。该曲线描绘了一种非线性的双阶段惩罚机制：

图10。DQN奖励函数。

• The Optimization Zone (0 A to −100 A): Between 0 A and −100 A, the reward function exhibits a smooth, progressive quadratic slope governed by the α parameter. In this region, the agent faces a minor penalty for standard current flow, which corresponds directly to the battery’s internal resistance Rin = 0.015 Ω and the resulting Joule heating losses. This smooth gradient prevents the agent from aggressively throttling the current unnecessarily, ensuring the vehicle harvests sufficient regenerative braking energy to maintain the transit schedule.
• The Boundary-Enforcing Penalty Zone (Amperage > −100 A): The critical operational contribution is the severe, sharp mathematical drop (inflection point) that occurs precisely at the −100 A safety threshold. Once the current magnitude crosses this boundary, the reward immediately drops from approximately −125 points down to −190 points. Beyond this inflection point, the function transitions into an aggressive, steep penalty curve driven by the β = 3.2 constraint, plunging down to −340 points at a peak current of −150 A. This steep barrier forces the Q-network to heavily dismiss actions that violate the 100 A boundary.

控制DQN智能体的状态空间向量由四个连续变量组成，这些变量持续从物理层和网络层传输：SoH、SoC、Tamb（环境温度）以及动态计算的热应力预测指数（Istres）。底层深度Q网络设计有九个输出神经元，每个神经元直接映射到一个离散的运行电流降额动作状态。动作空间A定义为：

A = {a1,a2, a3, a4, a5, a6, a7, a8, a9} = {40, 50, 60, 70, 80, 90, 100, 110, 120} A

 

这些离散电流决定了控制层强制执行的最大允许电流限制，分为三个运行区域：

强降额动作a1–a6（40–90 A）——该子集对应热安全α区域。智能体激进地将原始电池输入电流限制在（40–90 A）窗口内。虽然优先考虑电化学安全，但即时奖励仍然较小，因为受限的电流限制阻止了车辆充分发挥其动能再生制动能力。

拐点——动作a7（100 A）——该状态代表边界极限。它允许在进入高风险、数学惩罚的β区域（见图10).

高能量捕获率动作a8和a9（110 A；≥120 A）——智能体解除电流限制，以允许最大充电吞吐量或强力再生制动捕获。如果在电池热应力升高的情况下执行，该区域将面临严厉的数学惩罚阈值。

DQN架构被定义为具有四个输入、两个隐藏层（分别为60和30个神经元）和九个输出的多层感知器。该模型使用64的批大小、1000个周期的目标网络更新以及Adam优化器进行训练。收敛标准被限制在50个连续回合（范围从-5到-340点）的平均动作价值变化ΔQ< 0.01。经验回放缓冲区容量为1 × 10，探索策略为ϵ-贪婪，总训练时长：2000个回合。动作价值近似值通过标准贝尔曼最优方程计算：mean5

$$Q\left(s,a\right)=R_t+\gamma \underset{a^{\prime }}{\max } \mathit{Q}(s^{\prime },a^{\prime })$$

(15)

其中γ= 0.95 代表时间折扣因子。策略网络评估该非线性动作价值函数，以选择特定的当前裁剪动作，从而使活跃状态空间向量的预期累积奖励最大化。

为了确保车队在大陆气候极端条件下的韧性，网络物理框架必须适应零下冬季环境（<0 °C）和超高温夏季环境（>40 °C）。在这些环境下运行若不进行控制适配，可能导致结构性能退化，例如夏季暖通空调（HVAC）过早达到热饱和，或冬季电化学降解加速。为防止这种情况，集成层采用了动态参数调节策略。

零下冬季适应策略（锂析出缓解）——在零下温度条件下，电池内阻（Rin）呈非线性增加，锂离子向石墨负极的固态扩散速度剧减。在此状态下执行高倍率再生制动，会迫使负极电位降至0 V（相对于Li/Li）以下+，导致严重的锂析出和灾难性的容量衰减。为了降低这一风险，DQN奖励函数不能将拐点静态维持在100 A。相反，该框架为拐点（ξswitch）引入了一个与温度相关的缩放算子。当环境温度降至0 °C以下时，控制逻辑会自动将硬惩罚拐点阈值下调至50 A。这种动态调整会更早地触发严重的惩罚β区域，迫使策略网络执行激进的预先电流削减。至关重要的是，这种阈值修改与连续的电池状态相互依赖；如果LSTM数字孪生预测内部焦耳热（Qgen）已成功将核心温度（Tcore）提升回安全运行窗口（>15 °C），DQN会动态地将拐点边界重新缩放至100 A，从而实时无缝扩展再生能量回收能力。

在夏季超高温环境下，主要挑战转变为冷却装置的热饱和问题，因为冷水机组压缩机的性能系数（COP）会显著下降。为了补偿液冷回路散热能力的减弱，DQN奖励函数会动态增大β惩罚参数的数值（例如从β = 3.2增加到β = 5.5）。通过在数学上放大产热（Qgen）的成本，智能体对热量积累变得高度敏感，从而在电池达到临界降解阈值之前，就能执行主动的电流降额操作。

7.3. DQN控制策略验证——结果与讨论

训练好的DQN策略被部署用于动态优化电池电流约束，涵盖两种极端工况：（1）高倍率瞬态再生制动序列，以及（2）终端站的静态超快充电事件。

在高度瞬态的加速和减速（制动）工况下的基准动态响应如图所示图11. 图11追踪车辆的经验速度波动（上图），相应的电池端电流变化（中图，负值表示加速读档，正值表示再生制动能量捕获），以及由此产生的预测热应力指数（下图）。在标准驾驶阶段，DQN智能体保持非活动状态，允许工厂牵引系统不受阻碍地运行。然而，在制动间隔期间，DQN会根据实时状态空间输入主动干预，以保护电池包。

图11。测量车辆速度（上部图表）、行驶期间测量电流（I—中间面板）和制动期间测量电流（正值—绿线）之间的相关性，以及计算出的电池热指数应力（下部图表，驱动应力——灰色线；制动应力——黑色线）。

图12显示了相对于这些瞬态输入的响应式DQN动作轨迹。为了在触发β区域（定义于图10中）的严厉数学惩罚之前建立基准安全缓冲），标称电流阈值被设定在+100 A，由上部面板中的水平红色边界线表示图12。中图追踪实时执行的离散DQN动作选择，而下图显示分配给控制回路的相应瞬时奖励。

图12。DQN控制动作和奖励（点数）与输入值的关系图11（车速、电流I和Istress）在35 °C的环境温度下。

DQN智能体并非对每一个超过+100 A的瞬态峰值强制执行刚性的、确定性的电流限制，而是动态评估电池阵列更广泛的热力学状态。例如，在大约t = 241分钟时（图12），再生制动输入电流激增至+200 A以上。DQN智能体并未激进地削减这股能量流，而是选择了动作状态9，成功允许这一高倍率能量收集阶段继续进行。这种智能策略选择完全合理，因为底层的热应力预测指数始终严格低于0.33的安全运行上限（图11，下方的面板），得益于94.6%的稳健SOH、75.5%的SOC以及35°C的标称环境温度。因此，这一动作获得了优化函数的积极奖励，因为它在不违反电化学安全边界的前提下实现了再生效率的最大化。这一特定事件表明，强化学习策略成功避免了过于保守的电流限制，验证了其在保持严格非线性热控制的同时提升车辆净能量效率的能力。

为了给图中展示的动态剖面提供明确的时间背景，参考了图11和图12中的完整运行时间线。除了在高度动态的再生制动条件下评估DQN智能体（图9上图所示。具体而言，提取了225分钟至255分钟的30分钟区间，以隔离并评估DQN控制策略的跟踪性能。热应力指数的安全阈值上限设定为0.33（由图11下图中的水平虚线表示），必须在更广泛的多物理背景下进行解读。这一动态边界取决于电池单体瞬时核心温度，而该温度受内部产热率Q驱动gen——电流输入（I）的函数——以及在此特定窗口之前和期间投入的累计冷水机冷却能力。控制这种预测性冷水机调制的精确调度机制将在后续章节中详细阐述。

）之外，该策略的有效性还通过终端站静态快速充电期间记录的经验基准数据进行了验证（图11和图12图9和图13）。如图13，基准工厂充电协议（实橙线）注入了超过+467 A的激进连续电流曲线。因此，预测热应力指数剧烈飙升，触及1.0的绝对退化上限，并在104.35分钟时强制触发突发性、早期的安全关断。与之形成鲜明对比的是，经过训练的DQN智能体（实绿线）策略性地利用了充电站提供的整个12分钟停机窗口。通过执行优化的多阶段电流调度策略，智能体在102.2分钟时将初始高电流注入平稳降至离散动作状态7（+100 A）（图13，下部图）。这种主动的政策转变使得受控的热应力轨迹（实黑线）在对数尺度上下降超过一个数量级，在约0.08处建立了一个高度稳定的热安全平台（图13，中部图）。, middle panel).

图13.充电站充电期间的DQN控制动作——预测。

当电流随后在106.5分钟时提升至220 A（图13在动作状态8（中间面板）中，产生的热应力精确追踪电流转换，建立了一个动态边界略低于0.33临界安全上限的次级运行平台。这种闭环执行确认了DQN框架内化了非线性电化学和热负荷约束，在消除局部热点应力点同时，确保总所需能量容量安全传输至电动巴士电池组。在充电情况下，DQN智能体允许最大电流输入和热指数应力，但充电时间限制在几分钟内；之后DQN将电流(I)降至热指数应力可接受的水平，优化充电时间与热应力之间的平衡。

8. 预测性冷水机冷却系统

8.1. 电池冷却系统控制

为了实现最佳热边界，必须将DQN驱动的控制动作和来自LSTM数字孪生的多步提前预测动态集成到车辆的冷凝器冷却系统回路中。这种集成旨在通过强制执行最大允许热应力阈值，防止微观结构退化并优化辅助冷却循环。通过直接调节热应力预测指数，而非被动响应延迟的温度读数，所提出的信息物理框架使冷却系统能够在热力学最优状态下预先介入。这种方法成功地平抑了核心电化学内部的温度峰值，并确保了稳健的热安全边界。

如实证数据集所示图4（下部面板）和图9（中间面板），核心发热与车辆标准温度传感器记录的表面温度之间存在显著的热滞后。当外部传感器检测到明显的温度激增时，巨大的热浪已在电池核心电化学内部积聚，导致局部微观结构退化并加速容量衰减。因此，传统的基于滞后和PID驱动的冷却回路在结构上被迫采取反应式运行模式。它们无法抑制初始内部热浪，导致严重的热滞后，同时通过延迟的高容量补偿周期浪费了宝贵的车辆辅助能源。

为了评估冷却系统调节对电池健康状态、温度轨迹和累积热应力的直接影响，对图14进行了深入分析。图14展示了6号车主动冷却系统在相同运行时间内的经验工作循环和实时控制轨迹（冷水机组介入百分比），该时间段与图4和图5该车队的基准BMS依赖传统的PID控制回路进行电池热管理。对内部产热率（Qgen）在图4中与基准冷却策略的对比评估图14表明工厂冷水机组的运行特性与瞬时热负荷严重不匹配（这一点已通过图5进一步验证）。这种热力学解耦在图15中得到了更清晰的展示和图16. 图15中得到了更清晰的展示突出了由未受控（Qgen）曲线驱动的计算电池核心温度激增，同时图16映射了由车辆反应式冷却控制引起的动态热滞后，如图所示图14.

图14。车辆电池冷却系统在观测期间的实际PID控制随时间变化曲线。

图15。电池核心温度变化ΔT是由于产生的热量（图4）和电池的冷却控制（图14).

图16。电池因发热产生热滞后（图4）以及实际电池的冷却控制（图14).

电池核心温度变化ΔT（图15中得到了更清晰的展示）是基于Qgen和电池模组热容（Cth_mod): ${\displaystyle \frac{\mathit{dT}}{\mathit{dt}}}={\displaystyle \frac{\mathit{Qgen}}{C_{\mathit{th}\_\mathit{mod}}}}$（Cth_mod= 63,360 J/K；对于24个电芯，比热容为1100 J/kgK，电芯质量=2.4 kg）计算得出的。根据图5，Qgen的典型值为1500 W，这会导致1.42 °C/min的ΔT。这是一个较高的电池核心温度梯度；参见图15中得到了更清晰的展示。该温度值对应于采用的热应力指数值为0.33。这就是为什么它被用作DQN降额控制中的热应力指数阈值。

电池的热滞后（τ），如图16所示，计算公式为：

$$\tau ={\displaystyle \frac{C_{\mathit{sur}{f}_{\mathit{pack}}·}\Delta T}{Q_{\mathit{flux}\_\mathit{total}}}}$$

 

其中是电池包的热容（328,320 J/K）。$C_{\mathit{sur}{f}_{\mathit{pack}}}$

$$Q_{\mathit{flux}\_\mathit{total}}=\left|Q_{\mathit{gen}}-Q_{\mathit{coolin}{g}_{\mathit{fluid}}}-Q_{\mathit{ambient}\_\mathit{loss}}\right|$$

 

Δ是核心电池的温度变化。 is the core battery’s temperature variation.

图16表明在车辆运行的前218分钟内，电池的热滞后非常高，在很长一段时间内最大值约为35分钟。其原因是PID电池冷却策略，如图14所示。当冷却曲线改变时，热滞后及其高动态变化也随之降低；参见图14和图16.

8.3. SHAP分析的Qgen剖面）上进行了测试

xAI是一套流程和方法论，旨在让用户能够理解、信任并追踪机器学习模型所做出的决策或预测。它直接应对了深度学习传统的“黑盒”特性，即内部算法推理过程完全被遮蔽。系统运行的可解释性对于引入基于人工智能的主动系统控制功能至关重要。在电池热应力控制和热问题缓解的背景下，虚拟传感机制的物理可解释性和透明度十分重要。通过SHAP方法实现的xAI具有三个关键作用：(1) 特征归因：它能精确量化每个输入对输出的影响程度；(2) 物理一致性验证：它确保实际的车辆动力学被纳入考量；(3) 诊断/控制可信度：通过理解模型输出特定比例制冷机参与度的原因，控制工程师可以实施安全覆盖或故障检测逻辑。

为了量化输入对预测冷却功率的影响，应用了基于树的回归模型进行SHAP分析。随机森林（RF）模型被用作SHAP分析的基础，因为它能够表示输入与目标变量之间的非线性及非单调关系，而无需预先指定其函数关系。所实现的RF模型包含300棵决策树，采用平方误差分裂准则、自助采样、无限制树深，以及标准最小分裂数为2和叶节点样本数为1。使用固定随机种子42以确保模型的可复现性。由于底层模型是基于树的，因此采用了SHAP TreeExplainer，将每个预测分解为特征贡献。

SHAP摘要图图17展示了电动巴士电池组内部产生的热量（Qgen）与模型目标变量（压缩机激活百分比——冷却系统需求）之间高度显著的非线性关系。在图表最右侧孤立着一簇紧密聚集的亮红点，其SHAP值约为+46。这表明当电池承受严重的读档负荷时——通常发生在持续高电流放电、快速充电或再生制动期间——会对模型的输出产生巨大的正向影响。这一行为表明模型成功捕捉到了关键的安全阈值。当内部发热量剧烈激增时，模型会立即大幅提升压缩机的激活程度，直至其最大容量，以降低热失控的风险。在SHAP值0附近分布的密集点簇（主要为蓝色和紫色）延伸至+7，代表了发热量的中间基准值。当Qgen保持在标准运行参数范围内时，其对模型预测的净影响接近中性。在此区域，冷却系统以微调或稳态模式运行。压缩机的启动被温和地调节，以将电池维持在其最佳热窗口内，而不是做出剧烈的调整反应。蓝色点的大部分集中在SHAP值为-5和-7之间，在最左侧-30和-33处出现了明显的、孤立的蓝色离群值。蓝色代表低发热量。当电池处于闲置状态、轻载运行或受益于低环境温度时，产生的SHAP值为负。这表明低发热量会主动降低或抑制冷却需求。极端的负离群值（-30至-33）代表数据集中的特定边界条件，在这些条件下，微不足道的发热量（可能结合电池已处于低温状态）促使模型完全限制或停用压缩机，以节省车辆能量。

图17。SHAP分析——对模型量级输出（电池冷却系统激活）的全局影响。

8.4. 冷却系统预测控制

为了将该xAI模型（将特征映射为最佳压缩机激活百分比）部署到实时控制回路中，必须将其集成到MPC框架内。该系统不再是被动响应当前表面温度，而是利用计算出的热滞后、内部产热和环境温度。热滞后是指电池核心内部产生热量与表面传感器记录到相应温度升高之间的时间延迟。仅依赖表面传感器会导致冷却系统反应过迟。该系统并非向xAI模型输入瞬时或历史热数据，而是输入未来时间戳Qgen(τ+t)的预测产热量。核心的瞬时产热量是根据电池电流(I)和内阻(R)通过焦耳定律实时计算得出的。由于电流会随节气门位置或地形剖面瞬时变化，系统能精确掌握刚刚进入核心的热能量，从而使xAI模型在热量到达外表面之前就能预测冷却需求。环境温度作为动态边界条件，对自然散热和暖通空调效率均有显著影响。在低环境温度下（如冬季条件），电池壳体受益于高被动对流冷却。xAI模型能自然捕捉到这一效应（如负值/低SHAP值簇所示），从而降低所需的压缩机吞吐量。在高环境温度下（如夏季条件），制冷循环的热效率会下降。该模型利用Tamb数据识别出，压缩机必须扩大其工作循环（向高正SHAP值偏移），才能达到相同的净制冷功率。

这种方法提供了预先冷却执行。当电动巴士遇到剧烈事件（例如陡坡或快速充电）时，电流会激增，立即在核心区域产生热量。系统判断剧烈热浪将在几分钟内传导至表面。xAI驱动的控制器不会等待，而是立即触发压缩机提前冷却冷却液。当核心热浪最终到达表面时，预冷流体的热质量会吸收它，从而平抑温度峰值。将xAI模型集成到车辆的热管理回路中，控制策略被视为一个NMPC问题。通过利用SHAP推导出的行为关系，系统从反应式控制回路转变为主动预测框架，能够缓解电池的内部热滞后。优化程序的主要目标是将电池核心温度调节在其最佳热力学窗口（T= 25 °C−30 °C)，同时尽量减少冷却压缩机的累计能耗。该优化问题在数学上表述为：opt

$$\underset{u}{\min }J={\displaystyle \sum _{j=1}^{\mathit{Hp}}}\left[{\omega }_1{\left(T_{\mathit{core}}\right(k+j\left|k)-T_{\mathit{opt}})\right.}^2+{\omega }_2·{\left(u\right(k+j-1\left|k\left)\right)\right.}^2+{\omega }_3·(∆u{(k+j-1\left|k)\right.}^2\right]$$

 

其中

J 是在每个控制步中最小化的标量代价函数；

)) 是在时间步 k 评估的第 k + j 步预测电池核心温度；core(k + j|k)) is the predicted battery core temperature at step k + j evaluated at time step k;

u(k) 是代表压缩机激活百分比（0–100%）的控制输出向量；

Δu(k) = u(k) − u(k − 1) 是控制信号的变化率，用于防止高频执行器抖动和机械疲劳；

ω1, ω2, ω3是非负权重因子，用于平衡跟踪精度与能量消耗及执行器平滑度。

未来的核心温度状态受当前表面状态的边界条件与时间偏移的内部产热共同决定。控制器内的状态空间转移方程通过训练好的xAI模型映射这种相互作用：

τcore(k + τ|k) = Tsurf(k) + $ℱ$xAI(Qgen(k), Tamb(k), u(k)),

 

其中$ℱ$xAI代表了在SHAP解释过程中识别出的非线性、不可微响应面。它跨越了限制级时间间隔τ（热滞后），用于评估局部热量爆发将如何表现为从核心到表面的温度梯度。

目标函数在满足硬性和软性运行约束的情况下最小化，这些约束反映了物理系统的限制：热安全边界（Tmin ≤ Tcore(k) ≤ Tmax；执行器饱和：0% ≤ u(k) ≤ 100%；变化率限制：|Δ|) ≤ Δu(k|) ≤ Δumax).

为了验证该方法，6号车辆的实际PID控制结果显示在图14中，而相同时间框架下的新控制结果则显示在图18.

图18。冷水机组功率随时间（0–250分钟）变化的NMPC控制，以及通过PID控制（黄线）与NMPC控制（黑线）在300至425分钟期间的对比来验证NMPC。

通过对冷水机组功率进行NMPC控制，实现了稳定且显著降低的热滞后；参见图19。此外，通过比较车辆上测得的电池温度（PID控制）与新计算的电池温度（NMPC控制），验证了新的NMPC方法；参见图20.

图19。由于NMPC控制冷水机组功率（0–245分钟）导致的电池热滞后。

图20。通过比较电池温度验证NMPC控制；PID控制（蓝色虚线——测量值）与NMPC（黑色实线——计算值）。

结果与讨论

车辆级测试的实证结果表明，传统的反应式PID控制器与所提出的xAI驱动预测控制框架之间存在明显的性能差距。对比图验证了核心理论假设：整合内部产热（Qgen) 并对热滞后(τ)进行修正，可显著提升控制稳定性和执行器寿命。在由xAI框架主导的初始运行阶段（以黑色曲线表示），系统建立了与原始PID数据集截然不同的稳定模式。xAI控制器完全消除了基准PID曲线中观察到的极低效率(0%)功率死区。相反，它维持了约50%的高度一致基准读档。高频振荡和局部噪声（信号抖动）得到了显著抑制。由此产生的平滑控制输入，最大限度地减少了压缩机逆变阀和电动机绕组上的高周机械疲劳。在45分钟左右，xAI模型执行了一个短暂且高度受控的阶跃跳变，将功率提升至100%，以应对预期的内部热波。它无缝切换回稳态，不会产生二次振荡或调节延迟。在重叠时域分析（300–425分钟）中，最右侧的片段在图18提供了一个直接的时间重叠，其中预测性xAI信号（黑色曲线）主动平滑并补偿了传统PID回路（绿色曲线）的热力学滞后。

传统控制器不断寻找目标温度，导致在0%和100%、20%和40%或40%和60%之间剧烈摆动，产生持续振荡。由于PID对内部核心状况的运行是盲目的，它仅对延迟到达的表面传感器信号做出反应，从而引发持续的闭环寻优效应。xAI信号完美地穿过PID振荡包络线的中心，将容量维持在50%左右的平稳直线。通过SHAP行为规则解析实时热力学平衡标准，该预测模型可防止执行器对瞬态噪声产生过度反应。在约335分钟和390分钟的瞬态热冲击期间记录的行为特征，暴露了纯反应式控制回路的严重局限性。在PID响应的情况下，一旦内部热波突破电池表面，PID就会以激进的阶跃跳至100%来进行过度补偿。由于积分器累积，随后的冷却过程会导致严重的欠校正，使压缩机容量骤降至5%–15%。这形成了一个严重的循环热应力回路。xAI控制器通过匹配100%的峰值需求来验证其安全边界，从而确认了全局SHAP分析中映射的关键阈值。然而，其真正的优势在于恢复阶段：黑色曲线平稳下调并重新锁定在稳定的50%，完全忽略了导致PID回路不稳定的反复无常的欠校正循环。

图18, 图19和图20用于验证所引入的NMPC控制，关于新的热滞后曲线（图19）和电池温度（Tbat；测量值与计算值）是NMPC控制的结果。为了验证NMPC框架的准确性，通过将自适应热滞后参数（τ）与最终的电池温度（Tbat）进行对比来开展验证。基准对比依赖于在传统反应式PID控制器与新提出的预测式NMPC算法下收集的实验数据。图20显示了在NMPC前瞻窗口内计算出的热滞后值的实时演变。在整个驾驶循环的大部分时间内，计算出的滞后时间保持在约3.3分钟的高度稳定基准线上。这表明在标准、低至中等电流抽取的条件下，热波从核心传播到电池表面包络线需要略多于三分钟的时间。控制回路表现出三次明显的剧烈调整，其中(τ)动态扩展至17和25分钟（t = 103, 160和222分钟）。这些时间间隔与严重的内部散热峰值Q完美对应gen在高负荷读档期间观察到。NMPC算法并未保持固定的预测窗口，而是将其时界扩展至25分钟，识别出此时产生的巨大核心热能不会立即影响表面传感器，从而实现HVAC系统的提前预警调度。在大约45分钟时，(τ) 瞬间掉落至0分钟。这表明发生了一个瞬态相变，核心与表面之间的热梯度趋于平衡(ΔT ≈ 0)，验证了表面传感器与核心状态的比赛。

最终温度轨迹图将通过PID回路测得的实验表面温度（蓝色虚线）与受预测NMPC模型控制的重构状态轨迹（黑色实线）进行了对比。这一对比作为对所提方法的验证。实验PID曲线呈现出明显的阶梯状特征，记录的温度在22 °C−26 °C之间剧烈波动。这证实了反应式控制器在结构上对内部热传播保持盲目，仅在热边界被突破后才触发冷却调整。相反，NMPC曲线在整个420分钟的预测范围内表现出平滑、连续的轨迹，证明了前瞻算法成功平滑了传感器信号的延迟。在t = 400分钟左右观察到的行为突显了NMPC方法的物理准确性。在这一时间点，延迟的基准PID传感器记录到温度为25 °C，并开始降低压缩机吞吐量。然而，通过纳入实时热滞后更新（25分钟），NMPC精确预测出堆芯内的真实热能状态更高，计算出局部温度为25.4 °C。NMPC基于这一内部信息维持稳定的冷却剂流量，从而避免了随后导致PID曲线剧烈波动的延迟过冷循环。

8.5. 消融分析

为了验证所提框架卓越的热稳定性和效率是其算法组件协同作用的直接结果，我们进行了消融研究。在相同的重载瞬态运行工况下，对四种不同的架构配置进行了基准测试：

• 配置A——（完整框架）：集成LSTM孪生模型 + DQN奖励塑造 + 预测性NMPC。
• 配置B——（消融NMPC——仅反应式）：集成LSTM孪生模型 + DQN奖励塑造，但采用传统的反应式PID回路，基于表面传感器反馈进行冷水机组控制。
• 配置C——（消融DQN——刚性降额）：集成LSTM孪生模型 + 预测性NMPC，但将强化学习DQN策略替换为确定性的、基于规则的+100 A刚性电流限制。
• 配置D—（基准舰队系统）：标准工厂配置（无LSTM、无DQN、无NMPC），通过反应式工业降额和常规表面温度PID HVAC回路运行。

这些消融构型对最大核心温度梯度(dT/dt)、峰峰值热振荡ΔT和能量回收效率的定量影响在表2中系统地列出.

表2。消融构型的影响。

9. 边缘计算与数据延迟

• 车载边缘层确定性：在生产环境中，轻量级LSTM数字孪生和DQN策略采用量化技术（如INT8/FP16精度）进行编译，以实现本地化边缘部署。LSTM电压残差估计与DQN电流降额执行的联合推理时间被限制在3.5毫秒以内。鉴于标准车辆CAN总线遥测广播频率为100赫兹（10毫秒采样间隔），这种边缘级执行确保了超过65%的安全裕度，实现了确定性的亚毫秒级数据到执行响应，并完全绕过了50至150毫秒不稳定的云网络传播延迟。
• 云端带宽优化：持续流式传输高频遥测数据（100 Hz下的V、I、T、v）在10小时的运行班次中，每辆车会产生约1440万个数据点，相当于每辆巴士每天产生120 MB的原始数据。相比之下，所提出的边缘到云端权重共享协议仅通过安全的班次结束同步传输优化后的神经网络权重和偏置参数（编译为3.2 MB的紧凑有效载荷）。这种分布式方法可减少97.3%的无线网络带宽和云端摄取存储成本，证明了该框架在车队管理规模上的可扩展加密和运行可行性。

10. 结论