Diseño óptimo de tren de propulsión para vehículos eléctricos híbridos con mínima capacidad en pila de combustible de hidrógeno más batería

Abstract

El presente trabajo aborda el diseño y optimización de un tren de propulsión híbrido compuesto por una pila de combustible (FC) y baterías (BAT), con el objetivo de minimizar la potencia de la FC y, consecuentemente, reducir costos, peso y tamaño de la pila de combustible. Para lograr esto, se propusieron dos metodologías principales: un algoritmo secuencial y un agente de aprendizaje por refuerzo (Reinforcement Learning, RL) basado en el método Deep Q-Network (DQN). El objetivo del algoritmo es comparar los resultados con aquellos obtenidos mediante el agente RL para verificar la validez de la solución y analizar las ventajas y desventajas de cada enfoque. El algoritmo secuencial dimensiona iterativamente la FC, partiendo de un valor inicial mínimo de potencia y ajustando el número de baterías necesarias para satisfacer las demandas de los ciclos de conducción. Posteriormente, se realiza una optimización enteramixta basada en el costo de las FC disponibles en el catálogo. Por otro lado, el agente RL entrenado mediante el enfoque DQN selecciona directamente las FC del catálogo, maximizando recompensas proporcionales que integran restricciones de potencia, masa, volumen y estado de carga de las baterías (SOC). Los resultados se analizaron en tres casos representativos: uno con el ciclo WLTP combinado, otro adicionando el New York City Cycle (NYCC), y un tercero con ciclos más exigentes posicionados de forma aleatoria dentro de un ciclo completo (FTP-72, FTP-75 y HWFET). En el caso más exigente, el sistema optimizado utilizó una FC de 20 kW y 388 baterías adicionales, logrando una autonomía de 286,3 km con un consumo de 1,96 [kg] de hidrógeno por cada 100 [km], manteniendo el SOC mínimo por encima del 61% y reduciendo el costo un ΔUSD = -80.536$USD.