一种基于聚类状态空间降维的Q-learning电动汽车群体充电调度方法

本发明公开了一种基于聚类状态空间降维的Q‑learning电动汽车群体充电调度方法，涉及电动汽车集群调度技术领域，先基于用户充电意愿和电动汽车集群充电功率确定调度范围，再构造马尔科夫决策模型，接着在强化学习算法中嵌入K‑means聚类的状态空间降维模块得到聚类强化学习算法，最后求解模型输出最优调度策略；本发明能通过聚类将高维状态空间压缩至常数复杂度，解决传统强化学习在大规模电动汽车群协同调度中的“维度灾难”问题，且采用非神经网络推理架构，在计算效率与数据利用上优势显著，既降低硬件资源消耗与部署成本，又能在小样本条件下快速收敛，减少对训练数据规模的依赖。