【技术实现步骤摘要】
本专利技术涉及能量管理，具体来说，涉及一种基于强化学习的电动汽车参与储能市场的最优调度方法。
技术介绍
1、柔性资源的发展和普及具有很大前景，且分布式光伏发展迅猛，但是光伏发电量受外界影响大，供电可靠性低，稳定性较差，直接调度难度高；电动汽车作为移动式储能载体，近年来市场发展迅猛。随着电动汽车数量的增加及电动汽车到电网技术的发展，通过聚合商电动汽车集群进行调度，在减小新能源及电动汽车大规模接入电网对其稳定性影响的同时，也能为电动汽车用户创造一定的经济收益。
2、然而，由于系统内存在多种不确定性因素，如负荷需求电量、电动汽车接入系统的时间、电量状态、电动汽车离开系统的时间以及离开时所需的电量等，这些因素具有很强的随机性和动态变化性，传统方法难以准确对电动汽车充放电进行建模和优化。而深度强化学习能有效处理动态复杂环境，通过深度强化学习，电动汽车的充放电调度可以更好地适应电力系统的实时变化，提升调度的准确性与效率，然而，现阶段深度强化学习在电动汽车调度中的应用仍较为有限。
3、针对相关技术中的问题，目前尚未提出有效的解
【技术保护点】
1.一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，该电动汽车参与储能市场的最优调度方法包括：
2.根据权利要求1所述的一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，所述基于电动汽车的充电期望电量特性，构建车辆智能体及车辆智能体的优化目标包括：
3.根据权利要求2所述的一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，所述基于充电期望电量特性，将车辆智能体充电过程的电能曲线保持在电能上下界曲线内，以使车辆智能体在充电结束前达到期望电量包括：
4.根据权利要求3所述的一种基于强化学...
【技术特征摘要】
1.一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，该电动汽车参与储能市场的最优调度方法包括：
2.根据权利要求1所述的一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，所述基于电动汽车的充电期望电量特性，构建车辆智能体及车辆智能体的优化目标包括：
3.根据权利要求2所述的一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，所述基于充电期望电量特性，将车辆智能体充电过程的电能曲线保持在电能上下界曲线内，以使车辆智能体在充电结束前达到期望电量包括：
4.根据权利要求3所述的一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，所述基于车辆智能体的优化目标建立对应的马尔可夫环境，在马尔可夫环境中，动态执行各车辆智能体动作及预先引入优化目标权重系数的奖励函数，以协调车辆智能体之间的充电顺序包括：
5.根据权利要求4所述的一种基于强化学习的电动汽车参与储能市场的最优调度方法，其特征在于，所述基于车辆智能体的优化目标，建立车辆智能体的状态空间及动作空间包括：
6.根据权利要求5所述的一种基于强化...
【专利技术属性】
技术研发人员：王皓靖，曹智杰，张宇，杨心刚，方陈，沈冰，时珊珊，魏新迟，刘舒，张开宇，
申请(专利权)人：国网上海市电力公司，
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。