基于分层强化学习的电动汽车充电引导方法

摘要：

为了有效解决电动汽车充电目的地优化和充电路径规划问题,以及充电引导的在线实时决策问题,建立了考虑多种不确定因素的电动汽车充电引导双层优化模型,提出了一种基于分层增强深度Q网络强化学习(HEDQN)的电动汽车充电引导方法.所提HEDQN算法采用基于Huber损失函数的双竞争型深度Q网络算法,并包含2层增强深度Q网络(eDQN)算法.上层eDQN用于对电动汽车充电目的地的优化;在此基础上,下层eDQN用于对电动汽车充电路径的实时优化.最后,在某城市交通网络中对所提HEDQN算法进行仿真验证,仿真结果表明相比基于Dijkstra最短路径的就近推荐算法、单层深度Q网络强化学习算法和传统的分层深度Q网络强化学习算法,所提HEDQN算法能够有效降低电动汽车充电费用,实现电动汽车在线实时的充电引导.此外还验证了所提HEDQN算法在仿真环境变化后的适应性.

关键词：电动汽车、分层强化学习、充电引导、路径规划、深度强化学习、实时决策

所属期刊栏目：42

分类号：U469.72;TM744(汽车工程)

资助基金：福建省科技引导项目;福建省自然科学基金资助项目

在线出版日期：2022-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：264-272