文档摘要：为降低电动汽车(Electricvehicle,EV)充电成本、缓解用户里程焦虑,提出了一种基于深度强化学习算法的EV充电控制策略.首先,使用数学模型定量分析EV用户的充电成本、里程焦虑以及电池老化;然后,将EV充放电问题转化为状态转移概率未知的马尔可夫决策过程,使用强化学习算法得到离散的充放电决策.与传统的基于模型预测控制算法相比,在用该策略得到充电策略时可以不依赖充电环境的精确模型以及EV用户行为等不确定性因素的预测结果.实验结果表明,应用该策略可以在满足用户充电需求的同时降低充电成本、保护电池,其控制性能相比基于模型预测控制的充电策略也更为优异.
Abstract：Inordertoreducethechargingcostofelectricvehicle(EV)andalleviatetheusers'rangeanxiety,aEVchargingcontrolstrategybasedondeepreinforcementlearningalgorithmisproposed.Firstly,amathematicalmodelisusedtoquantitativelyanalyseEVusers'chargingcosts,rangeanxietyandbatteryaging.ThentheEVcharginganddischargingproblemistransformedintoaMarkovdecision-makingprocesswithunknownstatetransitionprobabilities,andthereinforcementlearningalgorithmisusedtogetthediscretecharge-dischargedecision.Comparedwiththetraditionalmodel-basedpredictivecontrol(MPC)algorithm,thisstrategycanobtainchargingstrategieswithoutrelyingonaccuratemodelsofchargingenvironmentandpredictionresultsofuncertainfactorssuchasEVuserbehaviour.Theexperimentalresultsshowthattheproposedstrategycanreducethechargecostandprotectthebatterywhilesatisfyingthechargingdemand,andthecontrolperformanceoftheproposedstrategyisbetterthanthatofmodelpredictivecontrol.
作者：王保义 祝郑凌 张少敏Author：WANGBaoyi ZHUZhengling ZHANGShaomin
作者单位：华北电力大学计算机系,河北保定071003
刊名：电力科学与工程
Journal：ElectricPowerScienceandEngineering
年，卷(期)：2024, 40(6)
分类号：TM73
关键词：电动汽车 住宅区 充放电控制 深度强化学习
Keywords：electricvehicles residentialareas chargeanddischargecontrol deepreinforcementlearning
机标分类号：TM73TU984.12TP273
在线出版日期：2024年7月19日
基金项目：河北省科技厅科技项目基于深度强化学习的住宅区电动汽车充电策略[
期刊论文] 电力科学与工程--2024, 40(6)王保义 祝郑凌 张少敏为降低电动汽车(Electricvehicle,EV)充电成本、缓解用户里程焦虑,提出了一种基于深度强化学习算法的EV充电控制策略.首先,使用数学模型定量分析EV用户的充电成本、里程焦虑以及电池老化;然后,将EV充放电问题转化为状态转...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：电动汽车,住宅区,充放电控制,深度强化学习,
|
|
