基于深度强化学习的电动汽车实时调度策略

• 作者: 李国杰 李航 汪可友
• 来源期刊: 电力系统自动化
• 关键词: 电动汽车 不确定性 深度强化学习 实时调度 能量边界
• 年，卷（期）: 2020,（22）
• 所属期刊栏目: 研制与开发
• 页码范围: 161-167
• 页数: 7页
• 语种: 中文
• DOI: 10.7500/AEPS20200331009

摘要

电动汽车(EV)作为一种分布式储能装置,对抑制功率波动有着巨大的潜力.考虑EV接入的随机性及可再生能源出力和负荷的不确定性,利用不基于模型的深度强化学习方法,建立了以最小功率波动及最小充放电费用为目标的实时调度模型.为满足用户的用电需求,采用充放电能量边界模型表征电动汽车的充放电行为.在对所提模型进行日前训练及参数保存后,针对日内每一时刻系统运行的实时状态量,生成该时刻充放电调度策略.最后以某微电网为例,验证了所提基于深度强化学习的调度方法在满足用户充电需求的前提下,可以有效减小微电网内的功率波动,降低EV充放电费用;日内不需要迭代计算,可以满足实时调度的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李航		6	57	2.0	6.0
2	汪可友		26	260	8.0	16.0
3	李国杰		48	242	8.0	15.0