一种基于深度强化学习的重卡换电站两段式电池充电优化方法技术

一种基于深度强化学习的重卡换电站两段式电池充电优化方法，包括以下步骤：S1、收集收集电网和换电站的日常运营数据；S2、利用多项式对各时段到站电池的数量及到站时电池SOE的历史数据进行拟合并预测未来一个优化时段的换电数据；S3、建立两段式有序充电优化模型；S4、利用强化学习对模型进行训练求解。本发明专利技术提出一种两段式有序充电策略，根据其充电特性，将充电多段化，动态调整充电时间段，以适应不同的换电需求，从而减少充电成本，提高换电效率，同时提升电池的整体使用效率。

【技术实现步骤摘要】

本专利技术涉及电动汽车充电，特别是一种基于深度强化学习的重卡换电站两段式电池充电优化方法。

技术介绍

1、随着全球环保意识的提升和新能源技术的持续进步，电动汽车（ev）已经成为推动汽车产业转型的关键力量。我国新能源商用车市场正在迅速扩大，特别是在重型运输市场，电动重卡因其能效优势而得到广泛关注。在电动重卡的运营中，换电技术是一种重要的补能方式，提供了一种快速和高效的能量补给方案。同时，传统的充换电管理系统也面临着成本高昂和效率不足等运行问题，特别是在电价高峰时段，不合理的充电策略可能导致运营成本显著提高，而且长时间的高功率充电还可能对电池健康产生负面影响。

2、现有方法均基于控制各时段充电电池的数量或者控制充电功率来进行电池充电调度。由于直接可控的是电池的充电功率，用能量状态（state of energy, soe）比电量状态（state of charge, soc）来表征电池的实时状态更为便捷和精准。对于控制充电电池数量的策略，基本上都采用单段式充电方式，即电池从当前的soe一直到充满为止。在实际运行情况下，soe从0%至80%的充电速率本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，所述步骤S1包括分段电价，换电站的电池数量、充电机数量、充电机功率、单日换电次数和各时段换电重卡的数量以及换电时的SOE。

3.根据权利要求1所述一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，所述步骤S2中，利用多项式对各时段到站电池的数量及到站时电池SOE的历史数据进行拟合，即即将获得的历史数据点表示为

4.根据权利要求1所述一种基于深度强化学习的重卡换...

【技术特征摘要】

1.一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，所述步骤s1包括分段电价，换电站的电池数量、充电机数量、充电机功率、单日换电次数和各时段换电重卡的数量以及换电时的soe。

3.根据权利要求1所述一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，所述步骤s2中，利用多项式对各时段到站电池的数量及到站时电池soe的历史数据进行拟合，即即将获得的历史数据点表示为

4.根据权利要求1所述一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，所述步骤s3包括以下步骤：

5.根据权利要求4所述一种基于深度强化学习的重卡换电站两段式电池充电优化方法，其特征在于，所述步骤s31包括：

6.根据权利要求4所述一种...

【专利技术属性】
技术研发人员：张豫，银立新，刘仕伟，贺伟，马作甫，夏建华，崔立超，阮宇，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：