摘要
本发明公开了一种以用户为导向的电动汽车智能充电方法及系统、设备、介质,该方法通过以最小化用电成本、最大化用户充电行为一致性和最大化光伏发电自用量为目标构建多目标函数,将电动汽车智能充电过程建模为马尔科夫决策过程,并将多目标函数转化为适用于智能体动作策略训练的奖励函数,利用深度Q网络算法对模型进行训练,智能体可以学习到最优的电动汽车智能充电策略。通过引入用户充电行为一致性和光伏发电自用量为优化目标,构建了基于用户历史充电行为和实时充电环境的自适应奖励调整机制,使得智能体学习的最优充电策略能够平衡用电成本、用户充电倾向和光伏发电自消纳三个因素,更符合用户的充电习惯,同时有利于促进光伏自消纳。
技术关键词
智能充电方法
智能充电策略
动作策略
深度Q网络
光伏发电量
智能充电控制
智能充电系统
模型训练模块
决策
存储器
数据
因子
算法
电池
功率
计算机
处理器
表达式
电子设备
系统为您推荐了相关专利信息
自主决策方法
强化学习模型
节点
排放单元
地铁模型
无人机设备
深度Q网络
抗干扰模型
基站设备
跳频抗干扰方法
柔性作业车间
深度强化学习
决策
工件
深度Q网络
异构资源调度方法
分布式系统
深度Q网络
深度神经网络
任务分配策略
电池智能充电方法
智能充电管理系统
混合整数线性规划
健康监测单元
网络拓扑特征