【技术实现步骤摘要】
本专利技术涉及电力系统规划与运行，特别是涉及一种基于深度强化学习的电动汽车充电站定价优化方法。
技术介绍
1、随着全球化石能源枯竭和环境污染问题的日益严重，电动汽车因其节能减排效果良好而备受关注，其保有量快速增长成为了必然趋势。电动汽车具有交通、用电的二重属性，电动汽车充电负荷已逐渐成为电网负荷的重要组成部分。然而在未来电动汽车保有量很高的情况下，大规模无序充电将为电网带来一定的负担，较大的功率冲击会导致电压偏移过大、电能质量下降等问题，严重时甚至影响电力系统的安全稳定运行。因此，解决大规模电动汽车无序充电问题是电力系统规划与运行中不可或缺的一环。
2、现有技术对电动汽车负荷进行调控时将充电负荷分为两类，一种是特定地点(如家庭、停车场)的慢速充电，不受路网中不确定性因素的影响；而第二种主要研究城市内快速充电站的充电负荷，其充电功率较高且受充电价格、交通流量、充电排队时间等多种不确定性因素影响，具有较强随机性和不确定性，如何准确评估并优化这一类电动汽车充电负荷是研究的重难点所在。因此，亟待构建合理的电动汽车充电价格优化方法，对...
【技术保护点】
1.一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：包括以下步骤
2.根据权利要求1所述的一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：所述步骤S1中，交互环境由电动汽车在路网中的交通均衡问题TUE和电动汽车充电负荷在配电网中的最优潮流ACOPF构成，用于表示电动汽车集群在特定充电价格下的最优行驶、充电决策以及充电负荷接入电网后的电网潮流状态。
3.根据权利要求2所述的一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：所述步骤S1中，构建电动汽车在路网中的交通均衡问题模型，TUE模型如下式所示：
...【技术特征摘要】
1.一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：包括以下步骤
2.根据权利要求1所述的一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：所述步骤s1中，交互环境由电动汽车在路网中的交通均衡问题tue和电动汽车充电负荷在配电网中的最优潮流acopf构成，用于表示电动汽车集群在特定充电价格下的最优行驶、充电决策以及充电负荷接入电网后的电网潮流状态。
3.根据权利要求2所述的一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：所述步骤s1中，构建电动汽车在路网中的交通均衡问题模型，tue模型如下式所示：
4.根据权利要求2所述的一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：所述步骤s1中，构建电动汽车充电负荷在配电网中的最优潮流模型，acopf模型如下式所示：
5.根据权利要求1所述的一种基于深度强化学习的电动汽车充电站定价优化方法，其特征在于：所述步骤s1中，状态包括每个城市快速充电站所在节点的边际节点电价、碳排放溯源结果、充电需求以及交通网中每个路径的车流量，分别为记为cez、pz，ev和sa。
6.根据权利要求1所述的一种基于深度强化学...
【专利技术属性】
技术研发人员：袁泉，李鹏，毛明轩，汪磊，葛学健，
申请(专利权)人：无锡学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。