
-
生物通官微
陪你抓住生命科技
跳动的脉搏
电动汽车充电网络的分布式管理:合作与非合作的多智能体强化学习方法
《IEEE Transactions on Control of Network Systems》:Distributed Management of EV Charging Networks: Cooperative Versus Noncooperative Multiagent Reinforcement Learning
【字体: 大 中 小 】 时间:2025年12月26日 来源:IEEE Transactions on Control of Network Systems 5
编辑推荐:
电动汽车充电网络中,采用多智能体强化学习框架的分布式充电策略研究。通过集中训练与分散执行(CTDE)策略优化充电控制,在共享变压器架构下实现总需求波动降低36%,平均充电成本下降9.1%,并验证集中式智能体在多设备场景下的公平性和鲁棒性优势。
电网管理中的根本挑战是电力平衡,即确保电力生成与全天不断变化的需求相匹配。电力需求在早晨最低,下午逐渐增加,晚上达到峰值。为了满足需求,系统运营商在24小时周期内不断调整不同运行成本的发电机的调度。因此,电价在一天中并不是恒定的;在高峰时段和电网调节事件期间,电价要高得多。在这种情况下,需求侧管理(DSM)计划被用来鼓励消费者将消费时间转移到非高峰时段或减少总体消费。随着电动汽车(EVs)等新兴电力负荷的出现,部署高效的负荷转移解决方案变得更为关键,因为电动汽车的广泛采用可能会在高峰时段显著增加能源需求。例如,图1展示了具有共享电源的电动汽车充电网络。该网络由两层组成:1)物理电力层和2)控制层。在物理电力层中,所有电动汽车都通过一个共享变压器连接到上游电网(电力公司)。鉴于物理层中的动态定价和潜在约束(例如共享变压器),开发有效的电动汽车充电器管理和协调机制对于在高峰时段管理总需求[1]以及为电动汽车所有者最小化充电成本[2]、[3]至关重要。