一种充放电控制方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种充放电控制方法、装置、设备及存储介质，包括：按照预设周期获取充电站内各充电桩的充电桩工作状态；针对每个充电桩，根据充电桩的充电桩类型在预训练的各充放电控制模型中选择目标充放电控制模型；将充电桩对应的充电桩工作状态输入至目标充放电控制模型，根据目标充放电控制模型的输出结果确定与充电桩对应的充放电控制指令，以使连接充电桩的电动汽车按照充放电控制指令进行充电；其中，各充放电控制模型通过对应MADDPG模型中的评论家网络，和根据充电站的站级功率限制构建的奖惩函数训练得到。在满足充电站内各充电桩接入电动车辆充电需求的基础上，降低不同类型充电桩的充电成本，平衡了电网负荷与需求。

【技术实现步骤摘要】

本专利技术涉及电力分配管理，尤其涉及一种充放电控制方法、装置、设备及存储介质。

技术介绍

1、随着人工智能、物联网等变革性技术在交通系统中的集成应用，电动化、网联化、智能化和共享化已逐渐成为我国交通系统中重点发展的方向之一。而在过去的几年中，我国电动汽车(electric vehicle，ev)数量激增，它们在减少碳排放及参与电网调控等方面具有更大的优势。通过引导ev有序充放电，可以充分发挥电网符合调度的作用，实现削峰填谷、存进新能源消纳的效果。

2、由于ev的充电行为具有较强的不确定性，难以进行准确预测，如何为充电桩制定合理有效的实时电动汽车充放电控制策略，是限制电动汽车发展的关键之一。近年来，一种被称为深度强化学习(deep reinforcement learning，drl)的无模型控制方法已被广泛应用于解决序列决策的控制问题，其非常适合在具有复杂不确定性和随机性的环境中寻找最优策略，非常适配于具有较强不确定性ev充电行为的预测场景中。

3、然而，drl中提供的如深度q网络(deep q network，dqn)和深度确定性本文档来自技高网...

【技术保护点】

1.一种充放电控制方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述按照预设周期获取充电站内各充电桩的充电桩工作状态，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述充电桩的充电桩类型在预训练的各充放电控制模型中选择目标充放电控制模型，包括：

4.根据权利要求1所述的方法，其特征在于，在所述按照预设周期获取充电站内各充电桩的充电桩工作状态之前，还包括：

5.根据权利要求4所述的方法，其特征在于，所述将所述时间节点对应的各所述充电桩节点工作状态输入至对应的初始充放电控制模型，根据各所述初始充放电控制模型的输...

【技术特征摘要】

1.一种充放电控制方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述按照预设周期获取充电站内各充电桩的充电桩工作状态，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述充电桩的充电桩类型在预训练的各充放电控制模型中选择目标充放电控制模型，包括：

4.根据权利要求1所述的方法，其特征在于，在所述按照预设周期获取充电站内各充电桩的充电桩工作状态之前，还包括：

5.根据权利要求4所述的方法，其特征在于，所述将所述时间节点对应的各所述充电桩节点工作状态输入至对应的初始充放电控制模型，根据各所述初始充放电控制模型的输出，和根据所述充电站的...

【专利技术属性】
技术研发人员：张丽友，陈芳，朱斯豪，黄佳敏，于俊涛，刘青，李航，李士丹，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：