基于深度Q学习的电动汽车智能调度用于智能电网需求响应

经济和政策因素推动着电动汽车（EV）的采用和使用持续增长。然而，尽管电动汽车是内燃机汽车的更清洁替代品，但由于电力需求增加和使用时间，它们对微电网设备的寿命和能量平衡产生了负面影响。我们认为，电网管理应利用电动汽车的调度灵活性，通过积极参与需求响应计划来支持本地网络平衡。在本文中，我们提出了一种无模型解决方案，利用深度Q学习来调度微电网内电动汽车的充电和放电活动，以与配电系统运营商提供的目标能量曲线对齐。我们改编了贝尔曼方程，基于电动汽车调度动作的特定奖励来评估状态价值，并使用神经网络估计可用动作的Q值，以及epsilon-贪婪算法来平衡利用和探索，以满足目标能量曲线。结果令人鼓舞，表明所提出的解决方案能够有效调度电动汽车的充放电动作，与目标曲线的皮尔逊系数达到0.99，处理涉及电动汽车移动性特征动态性的有效电动汽车调度情况，仅依赖数据，无需了解电动汽车和微电网动态。