基于深度强化学习的太阳能驱动电动汽车充电优化
机器学习
2022-11-18 v1 信号处理
摘要
电力部门脱碳在迈向更可持续未来的能源转型中起着至关重要的作用。电动汽车(EV)和太阳能光伏系统(PV)等分布式能源正不断接入居民电力系统，增加了配电网络出现瓶颈的风险。本文旨在解决家庭电动汽车充电问题，同时优先使用清洁的太阳能。实时分时电价被视为一种基于价格的需求响应(DR)机制，可激励终端用户借助深度强化学习(DRL)将电动汽车充电负荷最优地转移到太阳能光伏发电高峰时段。我们分析来自Pecan Street数据集的历史测量数据，以构建描述终端用户充电偏好的灵活性潜力奖励。实验结果表明，所提出的DQN电动汽车最优充电策略通过实现平均88.4%的太阳能利用率，使电费平均降低11.5%。
引用
@article{arxiv.2211.09479,
title = {Solar Power driven EV Charging Optimization with Deep Reinforcement Learning},
author = {Stavros Sykiotis and Christoforos Menos-Aikateriniadis and Anastasios Doulamis and Nikolaos Doulamis and Pavlos S. Georgilakis},
journal= {arXiv preprint arXiv:2211.09479},
year = {2022}
}