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。

摘要：针对无线传感网络能量利用效率低及能耗不均衡的问题,提出具有节点休眠的重叠分簇路由算法。在成簇阶段,考虑节点剩余能量及与基站的距离因素构建适应度函数,通过设计非线性惯性权重系数结合自适应学习因子,优化PSO算法的收敛速度及搜索效果的均衡化,得到最优簇头集。综合簇头剩余能量、节点密度和与基站的距离,得到相应簇半径的大小,利用簇间重叠区域,设置用于分担簇头数据转发任务的节点。数据采集阶段,采取相似数据收集策略,筛选出符合条件的相似节点进行休眠调度,从而减少冗余数据收集。数据传输阶段,基于重叠区域节点,采用方位合适度函数得到最佳数据转发路径。实验仿真表明:与LEACH和EEOC算法相比,网络性能分别提升了118.66%、35.34%。