[發明專利]一種基于蒙特卡洛方法的電動車智能充電優化方法和系統

有效

• 申請號: 202011286676.3
• 申請日: 2020-11-17
• 公開（公告）號: CN112428834B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 陳征
• 申請（專利權）人: 寧波工程學院
• 主分類號: B60L53/00
• 分類號: B60L53/00;G06F17/15
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 趙悅

1.一種基于蒙特卡洛方法的電動車智能充電優化方法，其特征在于，包括以下步驟：

S1對所有的電動車充電狀況s設置一任意策略π(s)；

S2將開始時刻的狀態s₀和行動a₀帶入初始化策略π₀(s)獲得序列：s₀，a₀，R₁，…，s_T-1，a_T-1，R_T，R_i為i時刻能量的即時消耗；

S3根據S2中的所述序列獲得i時刻狀況s_i和行動a_i對應的G值；

S4若狀態s_t和行動a_t在所述序列中出現過，則記錄其G值中，遍歷所有待測狀態和行動，獲得所有在所述序列中出現過的狀態和行動對應的G值；

S5將所有的G值取平均值獲得行動值函數值Q(s,a)；

S6重復步驟S1-S5，選取不同的策略π(s)并獲得與其對應的行動值函數值Q(s,a)；其中行動值函數值Q(s,a)最大時對應的策略π(s)為最優策略。

2.如權利要求1所述的基于蒙特卡洛方法的電動車智能充電優化方法，其特征在于，所述步驟S2中能量的即時消耗的公式為：

其中，E_ch(SoC(t))表示[t,t+1]時間段內的充電樁充給電動車的電能，η是充電效率系數，g表示當能耗超過電池可用電能時候的油耗。

3.如權利要求2所述的基于蒙特卡洛方法的電動車智能充電優化方法，其特征在于，所述步驟S3中G值的計算公式：

G_t＝γG_t-1+R_t+1

其中，γ為折扣因子，為常數，G₀＝0。

4.如權利要求3所述的基于蒙特卡洛方法的電動車智能充電優化方法，其特征在于，所述步驟S5中行動值函數值Q(s,a)的計算公式：

其中，T為時間段[0,M]插入的T個等分點，E_π[]為采用策略π在時間段[0,M]中消耗的電能。

5.如權利要求4所述的基于蒙特卡洛方法的電動車智能充電優化方法，其特征在于，所述步驟S6中獲得的最優策略帶入下式得到最優能耗：

其中，b(t)是Boolean值函數，當汽車在充電站時等于1，不在充電站時等于0；k表示汽油能量轉化為電能的適當系數；E_t表示[t,t+1]時間段內消耗的電能；E_n表示車輛電池的名義容量。

6.一種基于蒙特卡洛方法的電動車智能充電優化系統，其特征在于，包括：

策略設定模塊，用于對所有的電動車充電狀況s設置一任意策略π(s)；

序列模塊，用于將開始時刻的狀態s₀和行動a₀帶入初始化策略π₀(s)獲得序列：s₀，a₀，R₁，…，s_T-1，a_T-1，R_T，R_i為i時刻能量的即時消耗；

G值模塊，用于根據S3中的所述序列獲得i時刻狀況s_i和行動a_i對應的G值；

記錄模塊，用于若狀態s_t和行動a_t在所述序列中出現過，則記錄其G值中，遍歷所有待測狀態和行動，獲得所有在所述序列中出現過的狀態和行動對應的G值；

行動值函數值計算模塊，用于將所有的G值取平均值獲得行動值函數值Q(s,a)；

循環輸出模塊，選取不同的策略π(s)并獲得與其對應的行動值函數值Q(s,a)；其中行動值函數值Q(s,a)最大時對應的策略π(s)為最優策略。