关键词：电动汽车;充电导航;路径规划;信息交互;深度强化学习
摘 要：针对电动汽车动态行驶行为和随机充电行为的多信息融合特征以及多系统建模复杂度，提出了一种基于多信息交互与深度强化学习的电动汽车充电导航策略。该策略首先对“电动汽车集群优化储能云平台”采集的电动汽车实际运行数据进行建模与挖掘，通过数据预处理以及数据可视化显示得到电动汽车行驶、充电信息以及城市充电站信息。其次，分析了电动汽车充电调度过程符合马尔科夫决策定义，引入深度强化学习方法建立了充电导航模型。将“车-站-网”实时信息作为深度Q网络算法的状态空间，并将充电站的分配作为智能体的执行动作。通过对充电过程不同时段出行的成本和时间决策目标的评估，确定行驶途中与到站后的奖励函数。执行最高奖励对应的最优动作-值函数，为车主推荐最优充电站和规划行驶路径。最后，设计了多场景仿真算例验证了所提策略的可行性和有效性。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取