原文传递
基于马尔可夫决策过程的电动汽车充电调度方法研究
| 论文题名： | 基于马尔可夫决策过程的电动汽车充电调度方法研究 |
| 关键词： | 电动汽车;马尔可夫决策过程;充电调度 |
| 摘要： | 电动汽车未来在智能电网中的作用非常重要，它不仅能减少对石油资源的依赖，并且可以减少汽车尾气的污染排放，改善环境，在我们的日常生活中起着重要的作用。但是电动汽车在日常生活中需要进行充电，对充电调度的合理安排是一个新兴的问题，如果不进行合理的充电安排，这部分充电负荷将对电网系统造成严重的影响，为了减少电动汽车对电网系统的影响，同时保证用户的体验度，研究合理的充电调度算法具有重要的意义。 本文首先介绍了电动汽车在我国的发展状况，我国正大力发展电动汽车，一些大型汽车企业也都在大力研发电动汽车。电动汽车的充电设备主要包括动力蓄电池、充电机、充电桩三种设备。电动汽车的电池主要分为蓄电池和燃料电池两大类。电动汽车充电机可以分为直流充电机以及交流充电机，它是一种专为电动汽车的车载电池进行充电的设备。电动汽车充电桩和加油机一样，固定在特定场所，可以给各种型号的电动汽车进行充电。 电动汽车的充电调度问题可以看做是一个离散的问题，能够将其分成一个个离散的阶段，这很符合半马尔可夫决策过程理论的特性，因此本文基于半马尔可夫决策过程理论进行建模，然后结合了一定的前提和假设，以下列三个方面为目标:减少充电时电网能量损耗、保证电动汽车充电的充电效率、保证电动汽车充电的公平性，采用神经动态规划算法对智能电网中的充电电动汽车进行仿真充电调度。在神经动态规划中，采用基于特征的线性函数逼近结构来构造最优差分值函数的近似函数，然后引用T(0)时间差分学习方法对近似函数中的待定参数进行在线调整。神经动态规划是一种重要的机器学习方法，它是一种以环境反馈作为特殊的、输入的、适应环境的机器学习方法，它可以从系统状态到决策映射进行学习，进而使学习系统的决策从环境中获得的报酬值最大，它可以自动通过学习系统外界环境，通过反馈调整自身待定系数。仿真实验结果表明，与无序充电以及普通的充电调度方法相比，神经动态规划算法保证了电网系统更少的电能损耗，保证了充电的效率，同时保证了充电的公平性。 |
| 作者： | 冯博炜 |
| 专业： | 控制科学与工程 |
| 导师： | 谢胜利 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
