一种基于深度强化学习的智能电动汽车充放电决策方法

摘要

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。