本发明提供一种基于深度强化学习的智能电动汽车充放电决策方法,涉及电动汽车充放电技术领域。基于数据驱动的机器学习算法,可用于求解复杂优化问题,且不需要系统的先验知识,可以基于函数迭代完成历史运行状态的动态学习,基于经验积累与回报分析得到最优充放电计划。从用户角度出发,构造了一个具有未知转移概率的MDP,用于描述电动汽车充放电调度问题。考虑了电价的随机性和通勤行为来描述实际场景;提出了一种基于深度强化学习的无模型方法,该方法不需要任何系统模型信息,以确定该实时决策问题的最优决策;使用单步预测LSTM网络迭代预测电价,相比于传统时间序列预测方法(Arima)预测精度更高。
声明:
“基于深度强化学习的智能电动汽车充放电决策方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)