arXiv · battery（eess.SY 系统与控制）· Sheng Yin·· 2026-09-19精选AI 评分61
R2D：从异构多时间尺度时序直接学习电池能量管理控制策略
Learning Control Policies from Heterogeneous Multi-Horizon Time Series in Battery Energy Management Systems
模型导读
该论文提出 Representation-to-Decision（R2D）端到端模仿学习框架，通过模块化 Temporal Feature Extractors（TFEs）与共享隐表示，将异构多时间尺度时序输入直接映射为电池控制决策，无需显式的负荷与光伏预测步骤，控制最优性由老化感知的 MILP 专家经行为克隆锚定。
推荐理由
该工作把电池能量管理从先预测后优化改为直接从多时间尺度时序决策，并在五个工业站点上与六种控制器对比，可供做控制策略选型时参考。
来源：arXiv · battery（eess.SY 系统与控制） · arxiv.org