基于马尔可夫决策过程的电动汽车充电站能量管理策略

作     者：黄帅博 陈蓓 高降宇 HUANG Shuaibo;CHEN Bei;GAO Jiangyu

作者机构：上海工程技术大学电子电气工程学院上海201620 

基　　金：国家自然科学基金资助项目(62173222,62073139) 国家科技攻关计划重大项目(2020AAA0109301) 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2022年第42卷第10期

页      码：92-99页

摘      要：电动汽车充电站作为并网分布式储能装置,是实现电动汽车与未来能源互联网深度融合的重要组成部分。考虑分时电价和电动汽车用户行为的不确定性,提出了以电动汽车充电站日运营成本最小化为目标的能量管理策略。为了减少对先验信息的依赖和约束,将优化问题建模为一个新的有限回合马尔可夫决策过程模型;基于传统成本模型提出奖惩回报函数,通过主动学习调度决策,得到每辆电动汽车的实时充放电行为;针对模型的高维状态空间问题,设计相应的状态空间和动作空间,采用一种卷积神经网络结构结合强化学习的方法,通过从原始数据观测中提取高质量的经验,获取最优调度策略以达到优化目标。仿真结果表明,与传统的充电策略相比,所提策略可以有效地降低充电站的日运营成本,保护电动汽车的电池,同时能满足电动汽车用户的充电需求。

主 题 词：电动汽车 充电站 充电规划 马尔可夫决策过程 能量管理 深度强化学习 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 0807[工学-电子信息类] 

核心收录：

D　O　I：10.16081/j.epae.202208031

馆 藏 号：203114662...