典型文献
基于多信息交互与深度强化学习的电动汽车充电导航策略
文献摘要：
针对电动汽车动态行驶行为和随机充电行为的多信息融合特征以及多系统建模复杂度,提出了一种基于多信息交互与深度强化学习的电动汽车充电导航策略.该策略首先对"电动汽车集群优化储能云平台"采集的电动汽车实际运行数据进行建模与挖掘,通过数据预处理以及数据可视化显示得到电动汽车行驶、充电信息以及城市充电站信息.其次,分析了电动汽车充电调度过程符合马尔科夫决策定义,引入深度强化学习方法建立了充电导航模型.将"车-站-网"实时信息作为深度Q网络算法的状态空间,并将充电站的分配作为智能体的执行动作.通过对充电过程不同时段出行的成本和时间决策目标的评估,确定行驶途中与到站后的奖励函数.执行最高奖励对应的最优动作-值函数,为车主推荐最优充电站和规划行驶路径.最后,设计了多场景仿真算例验证了所提策略的可行性和有效性.
文献关键词：
电动汽车;充电导航;路径规划;信息交互;深度强化学习
中图分类号：
作者姓名：
沈国辉;赵荣生;董晓;邢强;陈中;袁浩;耿爱国;刘纪民
作者机构：
南瑞集团有限公司,南京211106;北京科东电力控制系统有限责任公司,北京100194;国网电动汽车服务有限公司,北京100053;东南大学电气工程学院,南京210096
文献出处：
引用格式：
[1]沈国辉;赵荣生;董晓;邢强;陈中;袁浩;耿爱国;刘纪民-.基于多信息交互与深度强化学习的电动汽车充电导航策略)[J].南方电网技术,2022(01):108-116
A类：
充电导航
B类：
信息交互,深度强化学习,电动汽车充电,导航策略,随机充电,充电行为,多信息融合,融合特征,多系统,系统建模,电动汽车集群,集群优化,实际运行,运行数据,数据预处理,数据可视化,可视化显示,汽车行驶,充电站,汽车充电调度,马尔科夫决策,强化学习方法,航模,实时信息,网络算法,状态空间,配作,智能体,充电过程,不同时段,途中,奖励函数,最高奖,值函数,车主,主推,划行,多场景仿真,算例验证,路径规划
AB值：
0.356187
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
