真实交通数据下的实时电动汽车智能充电策略
杨悦1
潘刚2
朱敬华1
1.黑龙江大学计算机科学与技术学院 哈尔滨 1500002.黑龙江大学数据科学与技术学院 哈尔滨 150000
摘要：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.
关键词：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
分类号：U469.72(汽车工程)
论文发表日期：2023-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 133-141,147 )
英文信息