一种基于虚拟环境涌现数据与强化学习的移动充储车自主充电优化方法及系统

本发明公开了一种基于虚拟环境涌现数据与强化学习的移动充储车自主充电优化方法及系统。该方法通过AnyLogic构建高保真动态停车场仿真环境，模拟车位占用、充电需求及障碍物行为；结合马尔可夫链蒙特卡洛方法生成涵盖正常场景、高峰时段及设备故障的多模态虚拟数据，注入帕累托分布极端事件以提升模型鲁棒性。采用多目标深度确定性策略梯度算法，设计融合能量效率、时间成本、安全性、需求覆盖、停车时长优先级、峰谷电价经济性的奖励函数，通过帕累托前沿分析与贝叶斯优化动态调整权重系数，实现端到端的充电资源分配与差异化定价。