基于 Smart2ChargeApp 的电动汽车上下文感知智能体能源资源优化
人工智能
2025-12-16 v1
摘要
本文提出了一种新颖的上下文敏感的多智能体协调用于动态资源分配（CAMAC-DRA）框架，通过 Smart2Charge 应用程序优化智能电动汽车（EV）充电生态系统。所提出的系统在 250 辆 EV 和 45 个充电站的网络中协调自主充电智能体，同时通过上下文感知的决策适应动态环境条件。我们的多智能体方法采用与图神经网络和注意力机制集成的协调深度 Q 网络，处理 20 个上下文特征，包括天气模式、交通状况、电网负荷波动和电价。该框架通过加权协调机制和共识协议平衡五个生态系统利益相关者，即 EV 用户（25%）、电网运营商（20%）、充电站运营商（20%）、车队运营商（20%）和环境因素（15%）。使用包含 441,077 条充电交易的真实世界数据集进行全面验证，结果优于基线算法包括 DDPG、A3C、PPO 和 GNN 方法。CAMAC-DRA 框架实现了 92% 的协调成功率、15% 的能效提升、10% 的成本降低、20% 的电网压力降低以及 2.3 倍的更快收敛，同时保持了 88% 的训练稳定性和 85% 的样本效率。真实世界验证证实了商业可行性，净现值为 -$122,962，通过可再生能源集成实现 69% 的成本降低。该框架的独特贡献在于开发了上下文感知的多利益相关者协调，成功平衡了竞争目标同时适应实时变量，使其成为智能 EV 充电协调和可持续交通电气化的突破性解决方案。
引用
@article{arxiv.2512.12048,
title = {Context-Aware Agentic Power Resources Optimisation in EV using Smart2ChargeApp},
author = {Muddsair Sharif and Huseyin Seker},
journal= {arXiv preprint arXiv:2512.12048},
year = {2025}
}