electric vehicles | BriefGPT

关键词electric vehicles

搜索结果 - 45

Edge-DIRECT：基于深度强化学习的解决带有时间窗限制的异构电动车辆路径问题的方法
本文研究了带有时间窗约束的异构电动车路径问题，并提出了一种基于深度强化学习的方法（Edge-DIRECT），通过增强的图表示和双注意力解码器来有效解决该问题。实验结果表明，Edge-DIRECT 在解决质量和执行时间方面优于现有的方法，并展
PDF8 days ago
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
PDFa month ago
电动汽车数字音频广播系统中脉冲干扰分析
电动汽车中的干扰行为被观察和研究，通过分析其时间特性，建立了脉冲干扰模型，并基于该模型设计了优化的符号检测器，实验证明相比于传统的高斯白噪声假设的检测器，获得了显著的性能提升。
PDF2 months ago
集中式与分散式多智能体强化学习在增强电动车充电网络控制中的比较
电动汽车的广泛采用对电力分配网络和智能电网基础设施提出了几个挑战，特别是在高峰时段可能会显著增加电力需求。本文介绍了一种利用多智能体强化学习（MARL）框架的分布式和协作充电策略的新方法，该方法采用深度确定性策略梯度（DDPG）算法，适用于
PDF3 months ago
电动汽车充电的基于价格的需求响应的学习与优化
这篇论文提出了一个新的决策为中心的端到端框架，将模型学习阶段中的预测误差和下游优化成本误差相结合，用于准确预测充电需求并优化充电站功率分配策略，实验证明该框架能够提供更可靠的预测模型，从而在仅有少量训练样本的情况下实现更有效的成本节约和充电
PDF3 months ago
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
PDF3 months ago
EnergAIze: 多智能体深度确定性策略梯度用于车辆到网格能量管理
本文研究了可再生能源和电动汽车的不断增长的作用，并介绍了一个名为 EnergAIze 的多智能体强化学习能源管理框架，它能够提供用户中心和多目标能源管理，通过让每个用户选择个人能源管理目标来鼓励参与，并通过分散式计算实现数据保护和拥有权，从
PDF3 months ago
面向配电网络中电动汽车充电站管理的安全感知强化学习
该研究论文介绍了一种安全感知的强化学习算法，用于管理电动车充电站，并确保满足系统约束。该算法不依赖于对约束违规的显式惩罚，而且能在不确定环境中学习模式，以提高对电动车充电的管理效果。
PDF4 months ago
Transformer 模型是否能够预测振动？
我们提出了 Resoformer，一种基于 Transformer 的模型，用于预测扭转共振，通过计算从测量数据点提取的递归和卷积特征之间的注意力关系，Resoformer 提高了振动预测的准确性。
PDF5 months ago
利用高效控制方案，对工业微电网中一个连接的电动车网格进行频率一次调节的事态分析
使用 “车辆 - 电网” 技术，电动汽车能够在工业微电网中以双向电流的方式提供可靠的频率调节支持，同时模拟结果表明，增加车辆数量可以进一步增强工业微电网的频率控制能力。
PDF5 months ago
动态定价下的多智能体深度强化学习：快速充电电动汽车集散中心的竞争
发展了一种两步数据驱动的动态定价方法，以应对充电站之间的价格竞争，并使用多智能体深度强化学习方法建模和解决。通过构建一个协作指数，结果显示得出的结论是协作指数在 0.14 至 0.45 之间变化，取决于使用的算法和架构组合。
PDF5 months ago
制造业中基于因果贝叶斯网络和知识图谱的交互式智能根本原因分析
制造电动车过程中的根本原因分析 (RCA) 是识别故障原因的过程。传统上，RCA 是通过依靠过程专家知识进行手动进行的。与此同时，传感器网络在制造过程中收集了大量的数据。使用这些数据进行 RCA 使其更高效。然而，纯数据驱动的方法如因果贝叶
PDF6 months ago
基于深度 Q 学习的智能电动车需求响应在智能电网中的智能调度
使用深度强化学习进行电动车辆在微电网中的充电和放电活动调度，以对齐配电系统运营商提供的目标能源配置文件。
PDF6 months ago
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。
PDF7 months ago
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
PDF8 months ago
德克萨斯州的电动车充电和可再生能源整合策略
通过在德克萨斯州的背景下研究电动汽车（EVs）、可再生能源和智能电网技术的融合，本研究探讨了阻碍 EVs 广泛采用的挑战。通过动态时间扭曲（DTW）聚类和 k-means 聚类方法，根据总负荷和净负荷将每天进行分类，提供了关于日常电力消费和
PDF8 months ago
考虑终端用户灵活性的电动汽车充电的最优调度
使用深度强化学习（特别是深度 Q 网络）确定户用电动汽车的成本减少充电策略，该策略可为终端用户节约超过 20% 的电费开支。
PDF9 months ago
面向区域电动车充电需求预测的基于物理知识和注意力机制的图学习方法
该论文提出了一种名为 PAG 的新方法，通过图形和时间注意机制实现特征提取，并在模型预训练阶段使用物理知识引导元学习，以应对训练准确且可解释的预测模型的新挑战，从而实现电动汽车充电需求的准确预测和适应于价格波动引起的充电需求的变化的能力。
PDF10 months ago
基于深度强化学习的移动能量分发框架用于充电中的道路电动车
电动车、无线充电、车辆调度、深度强化学习、移动能源传播是本研究的关键词。通过使用深度强化学习方法，本论文提出了一个车辆调度框架，可以显著提升电动车的行驶里程并更高效地部署移动能源传播装置。该模型具有实用性和可行性，可帮助用户最大程度地延长电
PDF10 months ago
一种高效的分布式多智能体强化学习用于电动车充电网络控制
采用一种去中心化的多智能体强化学习充电框架来管理电动汽车的充电，以降低网络成本、减少用电峰值与平均值之比，减少变压器过载风险。
PDF10 months ago