充电调度、充电行为

1.基于改进粒子群算法的智能小区电动汽车用电优化策略

本文以优化负荷曲线性能、降低电动汽车充电费用为目标，改进粒子群算法并提出电动汽车用电优化策略，结合智能小区可调整负荷、温控负荷进行仿真验证。

2.基于深度强化学习的电动汽车充电调度算法研究进展

对电动汽车的充电过程进行优化调度有利于电网安全稳定运行,提升道路通行效率,提高可再生能源利用率,减少用户充电时间和充电费用.深度强化学习可以有效解决电动汽车充电优化调度面临的随机性和不确定性因素的影响.首先,概述了深度强化学习的工作原理,对比分析了不同种类强化学习的特点和应用场合.然后,从静态充电调度和动态充电调度两方面综述了基于深度强化学习的电动汽车充电调度算法研究成果,分析了现有研究的不足.最后,展望了该领域未来的研究方向.

未来研究方向:

1)考虑新能源接入电网情况下针对充电桩级和充电站级的静态充电调度问题。目前的研究大都围绕分时电价进行调度，以实现电网负荷的“削峰填谷”，并降低运营商或用户的用电成本。但是在新能源接入电网情况下考虑新能源利用率的研究还较少。如何解决出力的不确定性是新能源接入电网的关键问题，传统基于模型的方法难以建立精确的系统模型，而强化学习在解决随机不确定因素时具有一定的优势。然而，强化学习方法也具有一定的局限性，例如在考虑新能源利用率时很大程度上依赖于人