基于强化学习的新能源充电站的优化布置方法技术

本发明专利技术公开了一种基于强化学习的新能源充电站的优化布置方法，包括1、搭建新能源充电站系统环境；2、建立新能源充电站系统的强化学习模型，其中，强化学习模型由决策体和执行体组成；3、在城市洗呢能源充电站系统环境下训练强化学习模型；4、采用最优的布置信息S

【技术实现步骤摘要】
基于强化学习的新能源充电站的优化布置方法


[0001]本专利技术属于城市建筑布局规划领域，具体来说是一种基于强化学习的新能源充电站的优化布置方法。

技术介绍

[0002]如今对于充电站选址布局问题，大多是针对路径、时间、成本等构造目标函数，或考虑配电网的网损、电压偏移等电力相关特性构造目标函数，而尚未有将配电网与城市交通网叠加的充电停车场选址定容研究。对于充电站选址布局模型的求解，现在的主流方法是使用遗传算法或粒子群算法进行求解，这些方法在求解过程中，各个充电站之间缺乏联系，从而会导致收敛速度不够快；同时，这些方法都缺乏对于环境的探查和交互，当环境出现变化时，难以做出调整及时得出最优解，而在新能源充电站建设过程中或者建成之后，由于城市布局的不断调整，现有的布局结构可能不再适用，而传统方法下新的最优布局需要反复的尝试，耗时耗力，在方法实际应用中的拓展上具有一定的局限性。

技术实现思路

[0003]本专利技术是为了解决上述提到的现有技术所存在的不足之处，提出了一种基于强化学习的新能源充电站的优化布置方法，以期能在满足配电网负载要求的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于强化学习的新能源充电站的优化布置方法，其特征在于，包括以下步骤：步骤1、搭建新能源充电站系统：令L＝[l1，l2，...，l
i
，...，l
n
]表示n个位置上新能源充电站的建设状态，若l
i
＝
‑
1，表示第i个位置未建设新能源充电站，若l
i
＝1，表示第i个位置已建设新能源充电站，且每个位置最多只能建设一个新能源充电站，i＝1，2，...，n；令D＝[d1，d2，...，d
i
，...，d
n
]表示n个位置上新能源充电站分别与配电网变电站的实际距离，d
i
表示第i个位置上的新能源充电站与所述配电网变电站的实际距离；若l
i
＝
‑
1，则d
i
＝0；令R＝[r1，r2，...，r
i
，...，r
n
]表示n个位置上新能源充电站的服务半径，r
i
表示第i个位置充上新能源充电站的服务半径，若l
i
＝
‑
1，则r
i
＝0；令W＝[w1，w2，...，w
i
，...，w
n
]表示n个位置上新能源充电站的用电负载，w
i
表示第i个位置上新能源充电站的用电负载，若l
i
＝
‑
1，则w
i
＝0；令S＝[L，D，R，W]表示新能源充电站系统的布置信息；步骤2、建立新能源充电站系统的强化学习模型，包括：决策体和执行体；其中，所述决策体由深度卷积网络V(θ)组成，θ是深度卷积网络V(θ)的参数集合；所述执行体包含有奖励模块；步骤3、在新能源充电站系统下训练强化学习模型：步骤3.1、定义回合数为m，并初始化m＝1；步骤3.2、定义每回合训练次数为t，并初始化t＝1；定义第m回合下第t次训练时的新能源充电站系统的布置信息为初始化第m回合下第t次训练时的n个位置上新能源充电站的建设状态均为1，从而初始化步骤3.3、所述布置信息输入所述决策体中，并通过深度卷积网络和策略π输出最优动作价值函数其中，是第m回合下第t次训练时的深度卷积网络，是第m回合下第t次训练时的神经网络的参数集合，是第m回合下第t次训练时的最优动作；步骤3.4、在新能源充电站系统下，所述执行体根据决策体输出的动作...

【专利技术属性】
技术研发人员：孙伟，杨毅，李奇越，李帷韬，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：