| 基于分层强化学习的电动汽车充电引导方法 |
| |
| 引用本文： | 詹华,江昌旭,苏庆列.基于分层强化学习的电动汽车充电引导方法[J].电力自动化设备,2022,42(10). |
| |
| 作者姓名： | 詹华 江昌旭 苏庆列 |
| |
| 作者单位： | 福建船政交通职业学院 汽车学院，福建 福州 350007;福州大学 电气工程与自动化学院，福建 福州 350108 |
| |
| 基金项目： | 福建省科技引导项目(2020H0030)；福建省自然科学基金资助项目(2022J05125) |
| |
| 摘 要： | 为了有效解决电动汽车充电目的地优化和充电路径规划问题，以及充电引导的在线实时决策问题，建立了考虑多种不确定因素的电动汽车充电引导双层优化模型，提出了一种基于分层增强深度Q网络强化学习(HEDQN)的电动汽车充电引导方法。所提HEDQN算法采用基于Huber损失函数的双竞争型深度Q网络算法，并包含2层增强深度Q网络(eDQN)算法。上层eDQN用于对电动汽车充电目的地的优化；在此基础上，下层eDQN用于对电动汽车充电路径的实时优化。最后，在某城市交通网络中对所提HEDQN算法进行仿真验证，仿真结果表明相比基于Dijkstra最短路径的就近推荐算法、单层深度Q网络强化学习算法和传统的分层深度Q网络强化学习算法，所提HEDQN算法能够有效降低电动汽车充电费用，实现电动汽车在线实时的充电引导。此外还验证了所提HEDQN算法在仿真环境变化后的适应性。
|
| 关 键 词： | 电动汽车 分层强化学习 充电引导 路径规划 深度强化学习 实时决策 |
Electric vehicle charging navigation method based on hierarchical reinforcement learning |
| |
| ZHAN Hu,JIANG Changxu,SU Qinglie.Electric vehicle charging navigation method based on hierarchical reinforcement learning[J].Electric Power Automation Equipment,2022,42(10). |
| |
| Authors: | ZHAN Hu JIANG Changxu SU Qinglie |
| |
| Affiliation: | Automotive College, Fujian Chuanzheng Communications College, Fuzhou 350007, China;College of Electrical Engineering and Automation, Fuzhou University, Fuzhou 350108, China |
| |
| Abstract: | |
| |
| Keywords: | electric vehicles hierarchical reinforcement learning charging navigation path planning deep reinforcement learning real-time decision making |
|
| 点击此处可从《电力自动化设备》浏览原始摘要信息 |
|
点击此处可从《电力自动化设备》下载全文 |
