典型文献
基于深度强化学习的大规模电动汽车充换电负荷优化调度
文献摘要:
针对大规模充换电站的聚合优化调度问题,提出一种基于SAC深度强化学习的充换电负荷实时优化调度策略.该策略充分考虑了负荷调控过程中的用户因素、系统因素和市场因素,能够实现大规模电动汽车与各类电力系统主体的友好互动.首先,考虑充换电站的发展规模和调度性能建立联合运行框架;其次,提出考虑多重用户特征的可调性识别模型对电动汽车的实际可调性进行判断;进而,考虑充换电站优化调度的多重时空特征,构建不同场景下可调充换电负荷的优化调度模型;然后,基于SAC算法求解并网充换电负荷的实时调度方案;最后,以电动汽车聚合优化虚拟电厂负荷为例,验证了SAC算法应用于大规模电动汽车充换电负荷实时优化调度的经济性和高效性.
文献关键词:
深度强化学习;电动汽车;充换电协调;实时优化调度;电动汽车聚合商
中图分类号:
作者姓名:
刘敦楠;王玲湘;汪伟业;李华;王文;刘明光
作者机构:
华北电力大学经济与管理学院,北京市 102206;国网电动汽车服务有限公司,北京市 100053
文献出处:
引用格式:
[1]刘敦楠;王玲湘;汪伟业;李华;王文;刘明光-.基于深度强化学习的大规模电动汽车充换电负荷优化调度)[J].电力系统自动化,2022(04):36-46
A类:
充换电协调
B类:
深度强化学习,大规模电动汽车,电负荷,负荷优化调度,充换电站,聚合优化,调度问题,SAC,实时优化调度,调度策略,负荷调控,市场因素,电力系统,发展规模,联合运行,运行框架,重用,用户特征,可调性,识别模型,时空特征,同场,优化调度模型,并网,实时调度,调度方案,化虚,虚拟电厂,算法应用,电动汽车聚合商
AB值:
0.258538
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。