2020年11月22日更新
各位，
2020-11-17：我注意到人们正在等待代码。 正如我在某些电子邮件中所说的那样，论文终于在我还是腾讯的时候完成了。 2020年5月，我从腾讯离开，加入了深圳大学。 如您所知，对于一家商业公司，我将所有材料留在腾讯内部。 非常抱歉，无法再提供原始的MATLAB代码。 我将尝试最近在Pytorch中重新实现它。 谢谢。
2020-11-22：上传了pytorch实施。 再次抱歉，我无法提供带有SARSA的原始MATLAB实现。 当我们小组致力于A3C框架的研究工作时，我使用A3C框架实施EV充电环境和功能状态，以提高实施效率。 结果，尽管结果与原始结果略有不同，但快速收敛仍然很重要。 就个人而言，我们的主要贡献是问题的提出和解决，可以在env（）函数中找到。 因此，让我在这里停止，再次感谢您的关注。
引用这项工作
S. Wang，S。Bi和YJ Zh
2021-12-21 13:13:43
3.3MB
1
配网中电动汽车充电的最优调度
项目摘要
运输部门在总能源消耗中占很大比例，迄今为止主要以化石燃料为基础。 通过道路交通的大规模电气化减少温室气体的排放，可能会降低配电网中的电压分布和过载的网络设备。 以集中和协调的方式控制电动汽车的充电时间表可为缓解此类问题提供一种潜在的解决方案，并可推迟对网络基础设施升级的投资。
在这项工作中，提出了一种用于在居民低压配电网中为电动汽车充电过夜的健壮的，将成本最小化的单向日前调度例程，该例程在随机环境中观察了本地网络，设备和充电需求约束。 为了降低计算复杂度，采用了线性潮流近似。 建模环境涉及不确定的住宅用电需求，市场价格以及电动汽车所有者的出行行为，包括随机的每日出行距离，到达和离开时间。 有关这些参数的概率分布的知识用于对冲有关充电成本，网络过载，电压违规和充电可靠性的风险。
结果提供了对不确定性的影响以及优化过程中解决风险特定方面的有效性的见解
2021-12-17 19:51:51
77.73MB
1