基于深度强化学习的电池调控分层 V2G 协调以实现多利益相关者收益
系统与控制
2023-08-02 v1 人工智能
机器学习
系统与控制
摘要
随着电动汽车(EV)的日益普及及 EV 电子技术的发展,车辆到电网(V2G)技术与大规模调度策略应运而生,以促进可再生能源利用与电网稳定。本研究提出一种基于深度强化学习(DRL)与权益证明算法的多利益相关者分层 V2G 协调方法。此外,多利益相关者包括电网、EV 聚合商(EVA)与用户,所提策略可实现多利益相关者收益。在电网侧考虑负荷波动与可再生能源消纳,在 EVA 侧考虑能量约束与充电成本。在用户侧考虑电池 SOX 的三个关键电池调控参数,包括充电状态、功率状态与健康状态。与四种典型基线相比,该多利益相关者分层协调策略在真实运行条件下可提升可再生能源消纳、缓解负荷波动、满足 EVA 能量需求,并降低充电成本与电池退化。
引用
@article{arxiv.2308.00218,
title = {Deep Reinforcement Learning-Based Battery Conditioning Hierarchical V2G Coordination for Multi-Stakeholder Benefits},
author = {Yubao Zhang and Xin Chen and Yi Gu and Zhicheng Li and Wu Kai},
journal= {arXiv preprint arXiv:2308.00218},
year = {2023}
}