Feb, 2024

通过用户行为建模和随机规划控制大型电动汽车充电站

PDF
TL;DR这篇论文介绍了一种电动汽车充电站（EVCS）模型，它考虑到现实世界的约束条件，如插槽功率限制、合同阈值超过惩罚或电动汽车（EVs）的早期断开连接。我们提出了一个对 EVCS 控制问题的不确定性建模，并实施了两种多级随机规划方法，利用用户提供的信息，即模型预测控制和两阶段随机规划。该模型解决了充电会话开始和结束时间以及能源需求的不确定性。基于停留时间相关的随机过程的用户行为模型提高了成本降低同时保持客户满意度。通过使用真实数据集进行为期 22 天的模拟，展示了两种提出的方法与两种基准的优势。考虑到更多的不确定性情景进行优化，两阶段方法表现出对早期断开连接的鲁棒性。优先考虑用户满意度而非电力成本的算法在两个用户满意度指标上相对于行业标准基准提高了 20% 和 36%。此外，在实现理论上的最佳基准时，该算法在成本和用户满意度之间达到了 94% 和 84% 的用户满意度表现，并仅出现 3% 的相对成本增加 - 放宽了无先见性约束。
发现论文，激发创造
  • 电动汽车充电站多尺度时空增强的短期负荷预测

    通过使用多尺度时空增强模型（MSTEM），本研究在电动汽车充电站（EVCS）的精确负载预测方面提出了一种解决方案，该模型通过多尺度图神经网络以及回归学习组件和残差融合机制的整合，能够准确捕捉电动汽车充电行为的非线性、不同站点之间的空间相互作用以及使用模式的复杂时间变化，并在实际数据集上验证了其优越性。

    May, 2024

  • 基于增广 Lagrangian 的深度强化学习电动汽车充电调度方法

    本文旨在解决电动汽车在参与需求响应时如何优化充电 / 放电计划的问题。通过将问题建模为约束马尔可夫决策过程并采用增广拉格朗日方法和软性演员评论算法，提出了一种新的安全非同步策略优化强化学习方法，能够显著提高方案最优性和约束限制的达成。

    Sep, 2022

  • 电动汽车充电站需求预测与放置优化

    本文提出了一个多视图学习框架，使用了 CCA 模型对候选站点进行需求预测，并使用混合填充和覆盖优化框架来解决服务提供商和电动汽车用户之间的竞争关系，通过交替调用背包和集合覆盖算法来解决这些问题，该模型制定的方案使用真实世界数据进行了评估。

    Apr, 2016

  • 电动汽车充电站最优位置的最大流量模型

    气候变化、电动汽车、充电站、用户满意度和最大流问题是这篇研究论文的主要关键词和主题。

    Dec, 2023

  • 停车充电设施中管理超时充电电动车

    本文提出了一种电动汽车充电的过度停留问题的解决方案，通过设计恰当的 “罚款” 惩罚过度停留者，采用不同的值以满足外部充电需求，从利用率和收入的角度找到最优罚款，实现了通过使用在线学习算法来学习最优罚款的方法，但需要进一步实验验证。

    Apr, 2016

  • DClEVerNet: 大规模网络设施内高效电动汽车充电调度的深度组合学习

    本文针对电动汽车普及带来的电力网承载压力问题，提出了一种面向大规模网络化电动车充电站的预定管理程序，运用数据驱动的优化框架，结合深度学习和近似算法技术，实现电动车用户总体福利最大化，有效提高电网稳定性和效率，取得了比两种典型调度算法更好的效果，为进一步探索奠定了基础。

    May, 2023

  • 车辆对车辆充电：模型、复杂度和启发式

    电动汽车（EV）快速采用对电网的负荷高峰需求提出了挑战。最近采用了车辆对车辆充电（V2VC）方式，给电动汽车的管理和运营带来了新的机遇和挑战。我们提出了一种新颖的 V2VC 模型，使决策者在优化电动汽车运营时考虑到 V2VC。我们证明了优化 V2VC 问题是 NP - 完全的，并发现即使是小规模问题实例也具有计算上的挑战。我们提出了一种名为 R-V2VC 的启发式算法，利用了得到的完全单调约束矩阵，可以高效地解决实际规模的问题。我们的结果表明，R-V2VC 的解决时间随问题规模的增加呈线性增长，并且获得最优或接近最优质量的解决方案。R-V2VC 可用于实际运营，并在评估 V2VC 的成本和效益时进行假设情景研究。

    Apr, 2024

  • 学习增强的太阳能电动车充电调度

    我们解决了太阳能电池板和电池配备的电动汽车（EV）的充电调度的复杂挑战，特别是在分布外（OOD）条件下。我们引入了一种新的学习增强策略，通过实时适应强化学习策略的表现来使用动态的鲁棒性预算，从而在 EV 充电调度中更有效地平衡一致性和鲁棒性，显著提高适应性和效率。

    Nov, 2023

  • 利用强化学习实现多个电动汽车充电点的计算效率协同

    本文提出使用强化学习和马尔科夫决策过程 (MDP) 来协调多个电动汽车充电点，通过减少训练时间和使用线性空间和时间复杂度的新 MDP 公式，改善了业内现有技术，提高了充电需求协调达 40-50％的性能。

    Mar, 2022

  • 电动汽车充电的经济学：一种博弈论方法

    本文研究了智能电网与插电式电动车群组之间的网 - 车之间的能量交换问题，并使用非合作博弈模型进行分析。在模型中，智能电网作为领导者，需要制定价格以优化收益，并确保插电式电动车群组的参与。而插电式电动车群组则需要考虑从电池充电中获得的收益和相关成本的权衡来确定充电策略。本文提出了一种分布式算法以实现智能电网和插电式电动车群组之间的均衡，并将其扩展到可处理缓慢变化环境的时变情形。

    Aug, 2012