近日，中国农业大学信息与电气工程学院余强教授团队在能源领域期刊Journal of Energy Storage上发表研究论文Energy management strategy for hybrid energy storage in port microgrids based on hybrid modeling and enhanced reinforcement learning。该研究针对港口微电网中可再生能源与码头起重机瞬态冲击负荷时空失配引发的功率波动剧烈、电池性能劣化及供电可靠性下降等问题，提出了一种融合混合建模与改进强化学习的混合储能系统自适应多目标能量管理策略，为平抑功率振荡、稳定直流母线电压、延长储能电池使用寿命并提升港口微电网运行可靠性提供了新方法。

在双碳与绿色转型背景下，岸桥集群新能源-储能纯电驱动正成为港口深度脱碳与智能化作业的关键载体，但岸桥负载受集装箱重量差异、频繁启停等因素影响，具有显著的随机性、冲击性和剧烈波动特征。传统岸桥动力系统在重载与瞬态峰值工况下易出现功率分配失衡、系统失稳和电池寿命衰减等问题，从而导致能效降低、用能成本增加。因此，构建混合储能系统及其自适应能量管理方法，是提升港口微电网动态响应能力与运行经济性的关键。

码头起重机供电系统架构

该研究针对岸桥集群频繁启停与负载剧烈波动的工况，通过引入相位偏移因子建立了该岸桥集群的物理-数据混合模型，从而精准刻画了多机异步作业下的动态负载特性。同时，在此基础上提出了物理约束映射与多目标奖励的强化学习能量管理方法，并结合自适应熵正则化，实现了岸桥集群在运行过程中的功率优化分配与策略稳定泛化。此外，进一步构建了分级控制与寿命量化管理机制，通过采用负载突变三级响应、超级电容抑制冲击以及电池SOC主动恢复策略，最终实现了锂电池与超级电容的高效协同，在平抑功率波动、提升系统稳定性的同时，有效延长了电池寿命。

自适应强化学习能量管理方法

研究结果表明，相较于传统能量管理方法，所提策略使电池容量衰减降低4.8个百分点，最终衰减仅为0.4%；等效循环次数减少80%以上，且在大约20个训练周期内即可实现稳定收敛，能够自适应协调不同工况下的功率分配。上述结果验证了该策略在港口微电网复杂工况下的适应性与有效性。本研究为港口绿色能源的高效运行、电池寿命保护及智能能量管理提供了理论支撑与技术参考。

论文由中国农业大学信电学院和中国科学院电工研究所共同合作完成。余强教授为论文通讯作者，2023级博士研究生刘隆泽为论文第一作者。论文受到中国国家重点研发计划（项目编号：2024YFB4303503）及中国高校科学基金提供的资金支持。