%0 Journal Article
%A 何洪文
%A 王勇
%A 李佳奇
%A 黄汝臣
%A 陈锦洲
%A 胡满江
%T 基于机器学习的混合动力电动汽车能量管理研究综述
%D 2026
%R 10.19721/j.cnki.1001-7372.2026.02.023
%J 中国公路学报
%P 302-322
%V 39
%N 2
%X 混合动力电动汽车在节能减排与缓解用户里程焦虑方面展现出显著优势，能量管理策略(EMS)作为混合动力系统的核心技术，其相关研究已成为电动汽车领域的技术热点。近年来，随着机器学习的快速发展，其在智能网联场景下对多源高维信息的感知能力为电动汽车节能优化提供了新的技术路径。基于此，系统性地总结了机器学习在混合动力系统能量管理中的应用与研究进展，重点探讨了两大类方法：基于经典机器学习的智能预测型EMS和基于强化学习的智能学习型EMS。研究发现：以监督学习和无监督学习为代表的经典机器学习方法能够有效提取网联交通环境和车辆运行数据中的关键特征信息，可在智能预测型能量管理的工况预处理任务中发挥重要作用，并为传统优化控制算法的策略优化提供有力支撑；深度强化学习则通过融合具有环境感知能力的深度学习与具备策略决策优势的强化学习，在复杂动态交通场景下的电动汽车实时优化控制中展现出独特优势。基于现有研究进展，就机器学习在能量管理领域的未来研究方向进行了展望，可为后续研究提供理论参考和实践指导。
%U http://zgglxb.gfscw.cn/CN/10.19721/j.cnki.1001-7372.2026.02.023