Chargax：基于 JAX 加速的电动车充电模拟器
机器学习
2025-07-03 v1 人工智能
系统与控制
系统与控制
摘要
深度强化学习在解决可持续能源挑战方面发挥着关键作用。例如，许多电网系统面临严重拥堵，这凸显了提高运营效率的紧迫需求。然而，传统的强化学习方法由于高样本复杂度和昂贵的仿真需求，往往速度较慢。虽然最近的研究有效地通过将环境转换为 JAX 来利用 GPU 加速数据生成，但这些工作主要聚焦于经典的 toy 问题。本文介绍了 Chargax，这是一个基于 JAX 的环境，用于电动车充电站的真实仿真，以加速 RL 智能体的训练。我们在各种基于真实数据的情景中验证了该环境，比较了强化学习智能体与基线方法。此外，Chargax 相对于现有环境在计算性能上实现了超过100倍到1000倍的显著提升。此外，Chargax 的模块化架构使能够表示多样化的真实世界充电站配置。
引用
@article{arxiv.2507.01522,
title = {Chargax: A JAX Accelerated EV Charging Simulator},
author = {Koen Ponse and Jan Felix Kleuker and Aske Plaat and Thomas Moerland},
journal= {arXiv preprint arXiv:2507.01522},
year = {2025}
}
备注
Accepted at RLC 2025