基于定制 actor-critic 学习的电动汽车智能在线充电算法
系统与控制
2021-06-03 v1 系统与控制
摘要
随着物联网技术的进步，电动汽车（EV）在日常生活中变得更容易调度，这正在重塑电力负荷曲线。设计高效的充电算法以缓解 EV 充电对电网的负面影响十分重要。本文研究了一种 EV 充电调度问题，在到达时间、离开时间和充电需求等 EV 未来信息未知的情况下，降低充电成本并削峰。首先，我们建立 EV 充电问题以最小化 EV 车队电费，并在不知未来信息的在线设定下研究该问题。我们开发了基于 actor-critic 学习的智能充电算法（SCA）来调度 EV 充电以应对 EV 充电行为中的不确定性。SCA 学习具有连续充电动作的最优 EV 充电策略，而非对充电进行离散近似。我们进一步通过降低状态维度从而提升计算效率，开发了计算效率更高的定制 actor-critic 学习充电算法（CALC）。最后，仿真结果表明，与急充算法、在线充电算法、基于 RL 的自适应能量管理算法相比，我们提出的 SCA 分别降低 EV 预期成本 24.03%、21.49%、13.80%。CALC 计算效率更高，其性能接近 SCA，成本上仅有 5.56% 的差距。
引用
@article{arxiv.2106.00854,
title = {Smart Online Charging Algorithm for Electric Vehicles via Customized Actor-Critic Learning},
author = {Yongsheng Cao and Hao Wang and Demin Li and Guanglin Zhang},
journal= {arXiv preprint arXiv:2106.00854},
year = {2021}
}
备注
11 pages, 11 figures