典型文献
基于马尔可夫决策过程的电动汽车充电站能量管理策略
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
黄帅博;陈蓓;高降宇
作者机构：
上海工程技术大学 电子电气工程学院,上海 201620
文献出处：
引用格式：
[1]黄帅博;陈蓓;高降宇-.基于马尔可夫决策过程的电动汽车充电站能量管理策略)[J].电力自动化设备,2022(10):92-99
A类：
B类：
马尔可夫决策过程,电动汽车充电站,能量管理策略,并网,分布式储能,储能装置,未来能源,能源互联网,分时电价,电动汽车用户,用户行为,运营成本,成本最小化,先验信息,和约,优化问题,回合,过程模型,成本模型,奖惩,主动学习,调度决策,每辆,充放电行为,高维,状态空间,动作空间,神经网络结构,原始数据,数据观测,最优调度,调度策略,优化目标,充电策略,充电需求,充电规划,深度强化学习
AB值：
0.311965
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。
