摘要
在大力发展新能源的时代背景下,电动汽车（ElectricVehicle,EV）在节能减排方面作出了显著的贡献。然而面对这一新兴产业，电动汽车、充电桩和配电网是否能够“互联互通”是提升用户便利程度和完善社会充电网络的关键所在。因此，建立一个兼顾用户、充电运营商与配电网三者利益的充电引导策略十分有必要。针对现有电动汽车充电引导策略存在经济利润差等不足，本文将充电站的协调定价问题融入到电动汽车的充电引导策略中，并利用改进的深度强化学习进行求解训练，从而引导充电负荷在时间与空间上合理分布。具体研究内容如下： 首先，针对车-站-网交互网络的复杂性，分别对电动汽车的出行、充电特性及充电站排队行为进行建模，并建立了一个基础的无序充电流程，以便与后续的有序充电进行对比，同时为后续充电站的实时定价以及电动汽车有序的充电引导提供了理论基础。 其次，针对现有充电站定价策略难以发挥电价对用户的引导作用，导致充电站设备利用不均衡等问题，提出了一种基于有限马尔科夫决策的充电站协调定价模型。同时，针对上述模型无法应对实际工况下的复杂随机扰动的问题，将其转化为FMDP过程，并提出一种基于改进DDPG的求解策略对模型进行训练求解。最后通过算例验证了所提充电站定价模型和求解策略在降低用户充电成本与提高充电站收益方面的有效性，并为后续充电引导提供电价基础。 然后，将所得电价、行驶和充电时的互动信息作为模型输入，针对传统引导方法难以给车主提供实时的充电决策方案的问题，提出了将电动汽车的充电引导模型转换成基于双层FMDP的决策模型，并在此决策模型基础上，针对基础求解方法存在的泛化性能、计算性能以及收敛性能不足的问题，提出了一种改进的Rainbow算法作为该双层FMDP决策模型的求解方案。最后，通过算例验证了所提方法可以为车主提供实时的充电与行驶决策方案，并且进一步降低了电动汽车车主的出行成本。 最后，为进一步证明所提定价策略和充电引导策略的实际应用效果，在相同的算例配置下，通过车-站-网实时耦合的应用场景对其应用结果进行了分析。验证了所提策略不仅实现了为配电网削峰填谷的作用，而且提高了充电网络利用效率，并在满足实时交通路径规划要求的同时降低了EV用户的充电成本。
NETL