基于强化学习的电动汽车充电站运营高效表征方法
机器学习
2022-01-25 v2 最优化与控制
摘要
有效运营电动汽车充电站（EVCS）对于推动交通电气化快速转型至关重要。为使用强化学习（RL）解决该问题，状态/动作空间的维度随电动汽车数量而增长，因此非常大且时变。这一维度问题影响了通用RL算法的效率与收敛性。我们提出了基于电动汽车充电紧迫性（即松弛度值）的聚合方案。采用最小松弛度优先（LLF）规则，仅考虑EVCS的总充电功率，从而确保各电动汽车调度方案的可行性。此外，我们提出了一种等价状态聚合方法，可保证获得相同的最优策略。基于所提表征，采用策略梯度方法求解线性高斯策略的最优参数。数值结果验证了，与现有基于近似的方法相比，所提表征方法在获得更高奖励和更有效策略方面具有性能提升。
引用
@article{arxiv.2108.03236,
title = {Efficient Representation for Electric Vehicle Charging Station Operations using Reinforcement Learning},
author = {Kyung-bin Kwon and Hao Zhu},
journal= {arXiv preprint arXiv:2108.03236},
year = {2022}
}