公开(公告)号：CN118886654A

公开(公告)日：2024-11-01

申请号：CN202410911426.6

申请日：2024-07-09

Applicant: 重庆大学 ,  科威特科学研究院

Inventor： 王博宇 ,  崔秋实 ,  杨宇韬 ,  朱哲阳 ,  姚雨轩 ,  杰弗瑞·帕罗尔 ,  谢赫·艾尔·萨纳德

IPC: G06Q10/0631 ,  G06N3/092 ,  G06Q50/06 ,  G06Q10/04 ,  G06F18/25

Abstract: 本发明公开基于深度强化学习的百千瓦级超级充电桩选址定容方法，包括以下步骤：1)构建城市道路交通系统；2)基于城市道路交通系统模型，构建充电站放置模型；3)求解充电站放置模型，确定充电站的选址以及充电容量。本发明将强化学习的方法运用到充电站选址定容的方法中，通过与环境的交互不断地改进学习策略实现了最大化累计奖励或最小化成本的特性。

公开(公告)号：CN119975018A

公开(公告)日：2025-05-13

申请号：CN202510086628.6

申请日：2025-01-20

Applicant: 重庆大学

Inventor： 崔秋实 ,  杨宇韬 ,  王博宇 ,  高洁 ,  王宇 ,  谢开贵

IPC: B60L53/00 ,  B60L53/60 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开一种基于析取图的大规模充电场站深度强化学习有序充电方法，包括以下步骤：1)将电动汽车的充电任务离散化，得到离散充电任务数量、预计停车时间需求；3)为电动汽车打上电价标识符；4)基于离散充电任务数量和电价标识符，构建充电调度析取图；5)采用图注意力机制对析取图进行特征提取，得到全局特征；6)构建值网络和策略网络；7)将全局特征输入至值网络和策略网络，利用多层感知机预测每个动作的得分，得到每个充电动作的概率；8)选取概率最大的充电动作作为电动汽车充电策略。本发明提出了基于充电优先级模型与图神经网络强化学习方法的电动汽车有序充电调度策略，显著优化了充电站的运行效率和资源分配。