基于 SOC 边界和电池老化的多 EV 汇聚的多利益相关者分层协调——基于受约束深度强化学习
系统与控制
2024-07-22 v1 系统与控制
摘要
随着电动汽车 (EV) 的普及以及电动汽车电子技术的不断进步，车网 (V2G) 技术和大规模调度策略日益重要，以促进可再生能源利用并增强电网稳定性。本研究提出一种基于安全多智能体受约束深度强化学习 (MCDRL) 和 Proof-of-Stake 算法的分层多利益相关者 V2G 协调策略，以优化所有利益相关者（包括配电系统运营商 (DSO)、电动汽车汇聚商 (EVA) 和 EV 用户）的收益。对于 DSO，该策略解决负荷波动问题并促进可再生能源集成。对于 EVA，考虑能源约束和充电成本。电池状态 of charge (SOC)、状态 of power (SOP) 和状态 of health (SOH) 三个关键参数对于 EV 在 V2G 中的参与至关重要。分层多利益相关者 V2G 协调显著提高了可再生能源的集成程度，缓解了负荷波动，满足 EVA 的能源需求，同时降低了充电成本和电池退化。
引用
@article{arxiv.2407.13790,
title = {SOC-Boundary and Battery Aging Aware Hierarchical Coordination of Multiple EV Aggregates Among Multi-stakeholders with Multi-Agent Constrained Deep Reinforcement Learning},
author = {Xin Chen},
journal= {arXiv preprint arXiv:2407.13790},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2308.00218