基于公平权重的电动汽车充电功率分配策略

为满足规模化电动汽车用户多样性的充电需求,提出一种基于公平权重的电动汽车充电功率分配策略.首先,在M/M/C/N排队模型的基础上加入优先级惩罚机制,初步优化用户等待时长和充电功率;其次,针对用户充电时的满意度问题,提出一种基于惩罚因子的用户满意度函数;最后,利用优化的熵权法在满足用户需求的前提下,将用户间的充电公平因子以权重的形式参与到功率分配中,实现对区内可用负荷的公平分配,并运用用户满意度函数对功率分配方法进行评价.仿真算例表明,新用户加入充电方式分配算法和基于公平权重的功率分配策略能进一步优化用户等待时长和充电功率;所提出的用户满意度函数也能有效地评价用户对充电站的态度,有助于各充电站改进服务,进一步优化用户体验.     

基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及，对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划，出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习（Inverse Reinforcement Learning，IRL）的电动汽车出行规划（Electric Vehicle Travel Planning，EVTP）方法，有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中；利用逆强化学习算法得到兼顾行走与充电的奖励；在学习策略上，采用Dueling DQN算法高效更新Q值，提升学习性能；采用部分充电策略以及分段充电策略，提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析，并结合基准方法进行对比，结果表明，基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能，且具备很好的迁移性。     

天气影响下基于风险评估的电动汽车光伏充电站需求响应

在“碳达峰、碳中和”背景下，新能源发电逐渐占主导地位，电动汽车数量增长显著，电动汽车光伏充电站将在需求响应方面有重要作用。该文提出一种天气影响下基于风险评估的电动汽车光伏充电站的需求响应方案，根据构建的“预测—预防—响应”三阶段流程图，结合电网及天气的地理信息系统(geographic information system, GIS)数据进行多层时空数据整合分析，作出风险地图；并据此进行天气对用户影响的风险评估，对装备有光伏发电的电动汽车充电站的运行成本进行建模，优化充电站资源在日前储备市场的参与方案；在用户参与下分别进行需求侧管理(demand side management, DSM)和停电应急管理(outage management, OM)，并进行案例研究。该文研究能有效预测天气对电力用户影响并将其可视化，并验证了带有光伏发电的电动汽车充电站，有助于减轻天气对电力供应造成负面影响的作用。