10.3969/j.issn.1672-9722.2023.01.020
真实交通数据下的实时电动汽车智能充电策略
随着社会生产和经济高速发展,环境问题日益突出.电动汽车(Electric Vehicle,EV)由于其零污染排放的特性,很受人们的欢迎,导致EV规模越来越大.随着EV数量增加交通拥堵问题日趋严重,充电难成为人们的困扰.如何解决EV充电的及时性和不确定性以及降低EV充电成本成为新能源领域面临的一个挑战.通过考虑道路交通状况的随机性和天气变化的影响,构造状态、动作、和系统奖励函数,将EV充电调度问题描述为马尔可夫决策过程(Markov Decision Pro?cess,MDP).提出一种基于深度强化学习(Deep Reinforcement Learning,DRL)的SAC(Soft Actor-Critic)算法动态学习最优充电策略,为用户最小化充电时间和电池能耗,改善充电体验.此外,设计了实时电价预测的深度学习模型,辅助智能充电决策,进一步为用户节省充电成本.实验结果验证了所提方法的有效性和优越性.
电动汽车、马尔可夫决策过程、深度强化学习、充电策略、实时电价预测
51
U469.72(汽车工程)
2023-05-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
133-141,147