基于MADDPG算法的家用电动汽车集群充放电行为在线优化

作者：戴武昌; 刘艾冬; 申鑫; 马鸿君; 张虹

来源：东北电力大学学报, 2021, 41(05): 80-89.

DOI：10.19718/j.issn.1005-2992.2021-05-0080-10

• 电动汽车充电调度
• 需求响应
• 多智能体深度强化学习
• 在线优化

电动汽车作为电网中的重要负荷,具有较高的需求响应潜力.为降低电动汽车集群用能成本,缓解电网峰值负荷压力,文中首先分析了V2G模式下电动汽车的用电特性,构建了电动汽车集群充放电调度模型,通过成本分析为充放电调度提供决策依据.然后应用多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient,MADDPG)算法对电动汽车集群进行充放电行为的实时优化,利用用户的历史用电数据完成学习过程,并依据当前的用电信息进行调度决策.算例分析表明,该方法可以进行电动汽车集群充放电行为的实时在线优化决策,在保证用户用电需求的前提下,提高用户用电经济性,实现峰值负荷的转移.

• 单位
  国网辽宁省电力有限公司抚顺供电公司; 东北电力大学