关键词：电动汽车;马尔可夫决策过程;深度强化学习;充电策略;实时电价预测
摘 要：随着社会生产和经济高速发展，环境问题日益突出。电动汽车（Electric Vehicle,EV）由于其零污染排放的特性，很受人们的欢迎，导致EV规模越来越大。随着EV数量增加交通拥堵问题日趋严重，充电难成为人们的困扰。如何解决EV充电的及时性和不确定性以及降低EV充电成本成为新能源领域面临的一个挑战。通过考虑道路交通状况的随机性和天气变化的影响，构造状态、动作、和系统奖励函数，将EV充电调度问题描述为马尔可夫决策过程（Markov Decision Process,MDP）。提出一种基于深度强化学习（Deep Reinforcement Learning,DRL）的SAC(Soft Actor-Critic)算法动态学习最优充电策略，为用户最小化充电时间和电池能耗，改善充电体验。此外，设计了实时电价预测的深度学习模型，辅助智能充电决策，进一步为用户节省充电成本。实验结果验证了所提方法的有效性和优越性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取