解耦的安全监督：为燃料电池公交车赋能高效且安全的能量管理

这为何对未来绿色公交至关重要

随着城市寻求更清洁的出行方式，氢燃料电池公交车显得很有前景：它们只排放水并且可以快速加注燃料。但在这些车辆内部，动力电池却在高温和老化的压力下默默工作，这可能缩短电池寿命甚至带来安全风险。本研究展示了一种基于人工智能的控制系统，能够在保持电池安全冷却的同时更高效地运行燃料电池公交车，为更环保、更可靠的公共交通指明了方向。

在行驶中平衡动力与安全

现代燃料电池公交车将氢燃料电池与锂离子电池结合。燃料电池提供稳定的动力，而电池负责应对加速、爬坡等瞬时大功率需求，并在制动时回收能量。这种协同提升了效率，但也使得控制变得复杂：车辆必须不断决定多少功率来自氢燃料电池、多少来自电池——这些决策同时影响燃料消耗、电池温度和长期健康状况。

让机器学习风险的难题

工程师越来越依赖深度强化学习，让计算机“智能体”通过仿真中的试错学习出良好的控制策略，而不是手工编程。传统做法是把燃料节省、舒适性和安全等因素合并成一个总分，奖励好的选择、惩罚不良行为。但这种混合可能带来问题：如果对电池过热的惩罚设置得太低，智能体可能会追求燃料节约而过度损耗电池；反之若惩罚过高，则可能过于保守、浪费氢气。调整这些惩罚项既费力又难以泛化到新路线或不同气候，且仍可能漏掉罕见但危险的情形。

为安全设置独立“守护者”

作者提出了不同的办法：为安全设置一个独立的“守护者”网络，和主要的节能决策网络分开。他们的控制系统仍使用强大的学习算法来决定燃料电池与电池间的功率分配，但该智能体由两个顾问引导。一个顾问关注长期的燃料与电池成本，另一个持续评估建议动作是否会使电池温度超过安全限值。在学习过程中，安全守护者将智能体从风险行为上引开，而不是把安全直接混入燃料使用的同一得分中。由于安全与经济被解耦，工程师可以在不重设计整个系统的前提下更新安全规则或添加新限制——例如对电池荷电状态或部件功率的约束。

将智能控制器付诸考验

团队在一个详尽的燃料电池公交车计算模型上测试了他们的方法，仿真使用了来自中国郑州商业运营的城市路线数据。他们比较了三种策略：新提出的带安全引导的控制器、使用安全惩罚项的标准方法、以及没有任何安全保护的纯经济驱动控制器。三种方法都将电池荷电水平控制在实际可接受范围内，但在温度与老化表现上差异显著。带安全引导的控制器在大多数时间将电池温度保持在危险线以下，而基于惩罚的方法偶尔出现过热、无约束的方法则经常过热。多次行驶测试中，安全引导方法也减缓了电池的老化，意味着更少的更换与更低的长期成本。

更安全且更省氢的公交

除了安全性能，该控制器实际上还提高了效率。在不同路线、载重和天气条件下，它比其他两种方法使用更少的氢燃料并造成更少的电池损伤。在高负载严苛工况下，与基于惩罚的策略相比，其总体行驶成本降低了超过8%，与无约束策略相比接近15%，同时在典型场景下将安全违规基本控制为零。即便在极端高温下，当所有策略都面临挑战时，安全引导控制器仍能减少电池温度超出安全范围的程度。

对普通乘客意味着什么

对非专业读者而言，结论很直接：更智能的控制能让清洁公交既更安全又更便宜。通过在控制系统内部为安全赋予独立的“声音”，而不是把它当作方程里的另一个数字，作者证明了我们不必用牺牲电池健康来换取燃料节约。他们的框架可推广到其他电动与混合动力车辆，帮助城市部署在高温、拥堵和多变地形下都可靠的零排放车队——同时对关键电池实施细致的热管理。

引用: Jia, C., Liu, W., He, H. et al. Decoupled safety supervision empowering efficient and safe energy management for fuel cell vehicles. npj. Sustain. Mobil. Transp. 3, 16 (2026). https://doi.org/10.1038/s44333-026-00087-3

关键词: 燃料电池公交车, 电池安全, 能量管理, 强化学习, 热管理