燃料電池ハイブリッド車のエネルギー管理戦略が効率を6.4%向上

ゼロエミッション移動手段が急速に進化する中で、長距離走行性能、迅速な給油、ダイナミックな応答性という利点を兼ね備えた車両アーキテクチャが注目を集めています。それが燃料電池ハイブリッド電気自動車（FCHEV）です。蓄電された電力のみに依存するバッテリー電気自動車（BEV）とは異なり、FCHEVは水素を燃料とする燃料電池スタックと、一つ以上の電気化学エネルギー貯蔵システム——通常はリチウムイオン電池と、ますます一般的になりつつある超電動コンデンサ（キャパシタ）——を組み合わせています。この三層のパワートレインは、水素のクリーンで高エネルギー密度の出力、バッテリーの定常的な緩衝機能、超電動コンデンサの瞬発的なパワーバースト（および回生吸収）という説得力のあるバランスを提供します。しかし、この複雑さこそが、最大の制御課題を生み出しています：絶えず変化する走行条件の下で、効率、耐久性、運転性を最大化しながら、3つの異なる動力源に電力をリアルタイムでどのように配分するか？

河南科技大学から発表された新しい研究が、この問いに対する堅実な答えを提示しています。その核心にあるのは、改良版のSoft Actor-Critic（SAC）深層強化学習アルゴリズムを基盤とした、画期的で知的なエネルギー管理戦略（EMS）です。研究者たちは既存のモデルを微調整しただけではなく、その基礎となるトレーニングプロセスと物理的なパワートレインとの相互作用を再構築しました。その結果、運転者の要求に単に反応するだけでなく、予測し、最適化し、保護するシステムが誕生し、前身のシステムと比較して燃料経済性を平均6.4%という測定可能な改善を達成するとともに、最も敏感なコンポーネントである燃料電池への負荷を大幅に平滑化することに成功しました。

従来のFCHEV制御戦略は、大きく二つに分類されます。ルールベースの戦略はシンプルで信頼性が高いものの柔軟性に欠け、基本的には新しいまたは複雑な交通パターンに適応できない、事前にプログラムされた「if-then」式の反応です。動的計画法（DP）のような最適化ベースの戦略は、ほぼ最適な結果を生み出すことができますが、計算量が膨大で、多くの場合、走行サイクル全体の事前知識を必要とするため、リアルタイムの車載使用には非現実的です。深層強化学習（DRL）の台頭は、中間の道筋を約束しました：シミュレーションによる経験を通じて最適な制御ポリシーを学習し、人間のような直感で新しい状況に適応できるが、車両の制御ユニットに組み込めるほど効率的に動作するアルゴリズムです。

EMSにおける初期のDRLの成功は、Q学習やその深層版であるDeep Q-Networks（DQN）などのアルゴリズムを使用していました。しかし、これらのアプローチは「次元の呪い」という根本的な壁にぶつかりました。FCHEVにおける電力配分は単純なオン/オフのスイッチではなく、連続的な決定——燃料電池が今どれだけのキロワットを生成すべきか？バッテリーはどれだけ貢献すべきか？——です。これらは最小限と最大限の間で無限の数の値を取り得る変数です。Q学習は、このような高次元で連続的な行動空間では非常に苦戦します。

この分野はその後、連続領域に優れるDeep Deterministic Policy Gradient（DDPG）などのアルゴリズムに軸足を移しました。DDPGは決定論的なポリシーを学習します。つまり、観測された状態（車両の速度、加速度、バッテリーの充電状態（SoC）など）ごとに、唯一つの「最良」の行動を出力します。これは計算効率が良い一方で、脆さも持ち合わせています。現実世界は複雑です。センサーの読み値が一時的にノイズを含むかもしれませんし、ドライバーが予期しない操作をするかもしれません。決定論的ポリシーは、一つの正確な行動に完全にコミットしているため、そのような擾乱を優雅に吸収する柔軟性に欠けます。 wiggle room（余裕）のない綱渡りをするようなものです。

ここでSoft Actor-Critic（SAC）アルゴリズムが登場します。SACは、最大エントロピーの原理を組み込んだ新世代のDRL手法に属します。単一の rigidly な最適行動を求める代わりに、SACは確率的なポリシー——成功の可能性に重み付けされた、すべてが「十分に良い」行動の分布——を求めます。この組み込みのランダム性は探索として機能し、コントローラーが不確実性を優雅に処理し、最適でない制御パターンに永久に陥ることを避けることを可能にします。これは、バランスを保つために小さな修正的な揺れをすることができる綱渡り行者のようなものです。

陶法山教授率いる研究チームは、SACの可能性と同時にその弱点——学習の不安定性——も認識していました。学習の混沌とした初期段階では、DRLエージェントは多くの悪い決定を下します。従来のSAC設定では、これらの悪い経験——例えば、エージェントが穏やかなコースティング中に燃料電池に100%の出力を急上昇させるように命令したインスタンス——は、一つ残らずエージェントの「記憶バンク」、つまり経験再生バッファに記録されます。トレーニング中、アルゴリズムはこのバッファからランダムにサンプリングして学習します。バッファがトレーニング開始数時間からの壊滅的な失敗で溢れている場合、学習プロセス全体が脱線し、非機能的なか、非常に最適ではないコントローラーが生まれる可能性があります。

彼らの独創的な解決策は、「発見的経験再生（Heuristic Experience Replay）」メカニズムを導入することでした。これを、新人の見習いを監督する賢いメンターのように考えてください。新しい経験が記憶バンクに追加される前に、システムは簡単な健全性チェックを実行します。それは、新しい行動を、過去数年にわたる実験データとドメイン知識から導き出された、既知の高品質な制御戦略のライブラリと照合します。新しい行動が——例えば、1秒未満で超電動コンデンサをゼロまで放電したり、燃料電池を安全な動作範囲を超えて駆動したりするような——非常に不合理な場合、その経験は拒否されます。その後、エージェントは再試行を促され、代わりに記録するより妥当な行動を生成します。

このシンプルだが強力なフィルターは、トレーニング安定化装置として機能します。答えを spoon-feed（ spoon-fed でない、自ら考えさせる）するのではなく、エージェントが最も甚大な、システムを損なう過ちから学習するのを防ぐだけです。論文の収束分析はこれを鮮明に示しています：改良型SACのトレーニング損失と報酬の曲線は滑らかで着実な進歩を示しているのに対し、従来型SACの曲線は激しいスパイクと plateau（高原状態）を示し、自身の過去の失敗によって絶えず妨害されている学習プロセスを暗示しています。

しかし、知性はアルゴリズムにとどまりません。3電源FCHEVにとって真に効果的なEMSは、まず解決しようとしている問題を単純化しなければなりません。チームは巧妙な二段階アーキテクチャ：電力層別化（Power Stratification）を採用しました。

第一段階では、適応型ファジーフィルターを使用して、ドライバーの電力要求をリアルタイムで「周波数分解」します。電力信号を複雑な和音のように想像してください。このフィルターは、高度なオーディオイコライザーのように機能し、和音を構成音に分離します。高周波数の「音」——激しい加速に必要な急峻な電力スパイクや、急ブレーキ時に吸収される突然のサージ——は即座に超電動コンデンサに振り向けられます。このコンポーネントは、バッテリーよりも数百倍高速で、最小限の劣化で充放電可能であり、この役割に特化しています。

これらの過渡的で高出力のイベントをオフロードすることにより、システムは第二段階——SACベースのコントローラー——に対して、より落ち着き管理しやすい「中低周波数」の電力信号を作り出します。このコントローラーは現在、この平滑化された電力需要を燃料電池とリチウム電池の間でどのように分割するかのみを決定すればよくなります。この役割分担は極めて重要です：燃料電池を損傷する電流スパイクや熱サイクルから保護し、バッテリーを高電流ストレスから遮断することで、両方の高価なコンポーネントの寿命を延ばします。

SACコントローラーの「目標」は、その報酬関数によって定義され、見事に多面的です。水素消費を最小化することだけが目的ではありません（それが最も重要ではありますが）。等価消費最小化戦略（ECMS）の原理に着想を得た報酬関数は、バッテリーのSoCを理想的な設定点（彼らのテストでは0.7）から大きく逸脱させることに対してもコントローラーにペナルティを課します。これにより、バッテリーは最も効率的で耐久性のある動作ウィンドウに保たれ、慢性的に過充電または放電されることなく、必要な時に支援する準備が整います。

このシステムの検証は厳密に行われました。研究者たちは改良型SAC戦略を、4つの産業標準走行サイクル——行き止まりの混沌としたUrban Dynamometer Driving Schedule (UDDS)、定常巡航のHighway Fuel Economy Test (HWFET)、混合プロファイルのNew European Driving Cycle (NEDC)、より攻撃的なWest Virginia University Suburban Cycle (WVUSUB)——に投入しました。この多様なスペクトルにわたって、結果は一貫して説得力のあるものでした。

非常に動的なUDDSサイクルでは、電力層別化の利点が発揮されました。ドライバーが停止状態からアクセルを踏み込むと、超電動コンデンサが最初のパワーバーストを提供し、燃料電池がより段階的かつスムーズに立ち上がることを可能にしました。ブレーキ時には、超電動コンデンサが貪欲に回生エネルギーを吸収し、そうでなければバッテリーの充電回路を圧倒していたであろうエネルギーを処理しました。論文のデータは、改良型SACの下では、燃料電池の出力電力曲線が従来型SACの下よりも顕著にギザギザしておらず、機械的および熱的ストレスの低減を直接示していることを示しています。

決定的に、このよりスムーズな運転は効率性を犠牲にしては行われませんでした。むしろ、それを向上させました。燃料電池は、その電力範囲内の特定の「スイートスポット」で最も効率的に動作します。過渡的な要求によってこの領域から引きずり出されるのを防ぐことで、システムは燃料電池を長時間にわたって高効率帯域で動作させ続けました。データはこれを裏付けています：改良型SACは、特に駆動サイクルの最も変動の激しいセグメントにおいて、一貫して高い燃料電池運転効率を示しました。

燃料経済性の数値が物語っています。改良戦略は、UDDSで100kmあたり2.3 L相当の水素消費を達成し、従来型SACの2.5 Lと比較して——完全な8%の改善を示しました。HWFETでは4.3%、要求の厳しいWVUSUBでは6.9%の向上でした。4つのテスト全体の平均では、改善率は非常に有意な6.4%に落ち着きました。1%の向上でも祝福される業界において、これは巨大な飛躍です。

シミュレーションを超えて、チームは高度なテストベンチでのHardware-in-the-Loop（HIL）検証に移行しました。このプラットフォームは、実際のコンポーネント——燃料電池スタック、リチウムバッテリーパック、超電動コンデンサモジュール、および道路負荷をシミュレートするダイナモメーター——を統合し、LabVIEW環境で実行されるアルゴリズムによって制御されました。実世界のテストはシミュレーションを反映していました：改良型SACは、意図的に過酷な、急速に変動する電力需要の200秒間でさえ、燃料電池の効率をほぼ独占的に最適な50〜60%の範囲内に維持しました。一方、バッテリーのSoCは見事に線形的で予測可能な様式で減少し、不必要なストレスなく長期的なエネルギーバランスを管理する戦略の能力を確認しました。

この研究は重要な前進を表していますが、著者らは既に先を見据えています。彼らの結論は、重要なフロンティアに言及しています：彼らの戦略はバッテリーエネルギーを効果的に節約するが、バッテリーの内部劣化を直接モデル化していない、と。バッテリーは単に充電を失うだけでなく、その内部化学は、特に高ストレス下で、充電/放電サイクルごとにゆっくりと悪化します。次世代の智能EMSは、予測的な健全性モデルを組み込む必要があり、コントローラーをエネルギーの会計士から、即時の効率のためだけでなく、複数年にわたる長寿命のための行動を処方する全体的な「パワートレイン医師」へと変貌させる必要があります。

水素自動車の総所有コストが依然として主要な障壁となっている市場において、1万ドルの燃料電池スタックや1万5千ドルのバッテリーパックの寿命を延ばすことは、技術的な脚注ではなく——商業的な必須事項です。深層強化学習と実用的で物理学に基づいた発見的手法を融合させることにより、河南科技大学からのこの研究は、学問的に優雅であるだけでなく、産業的にも関連性のある戦略を提供しました。これは、智能モビリティの未来が rigid なコードではなく、学習し、保護し、最適化する——最高の人間のドライバーのように——適応性のある自己修正アルゴリズムによって書かれるという明確な信号です。

陶法山, 呂洪鑫, 付柱睦, 孫昊宸, 馬浩翔. Intelligent Energy Management for Fuel Cell Hybrid Electric Vehicles. Journal of Henan University of Science and Technology (Natural Science), 2023, 44(6): 49–56. DOI:10.15926/j.issn1672-6871.2023.06.007