配电网中电动汽车充电站管理的安全感知强化学习

在没有协调的情况下，越来越多电动汽车接入电网会对配电系统运行构成重大风险。为了满足配电网内电动汽车有效协调的需求，本文提出了一种安全感知强化学习（RL）算法，旨在管理电动汽车充电站的同时确保满足系统约束。与现有方法不同，我们提出的算法不依赖对约束违规的显式惩罚，从而无需进行惩罚系数调优。此外，太阳能发电和能源价格的波动等多种不确定性进一步增加了管理电动汽车充电站的复杂性。为了应对这一挑战，我们开发了一种离策略 RL 算法，以高效利用数据学习此类不确定环境中的模式。我们的算法还结合了最大熵框架来增强 RL 算法的探索过程，防止其收敛到局部最优解。仿真结果表明，在管理配电网中的电动汽车充电方面，我们的算法优于传统的 RL 算法。