淺聊適用于大規(guī)模充電場站的深度強化學習有序充電策略

張繼冬

安科瑞電氣股份有限公司 上海嘉定 201801

摘要： 隨著電動汽車的快速普及，大規(guī)模充電場站的有序充電管理成為亟待解決的重要問題。本文深入探討了適用于大規(guī)模充電場站的深度強化學習有序充電策略。首先介紹了大規(guī)模充電場站有序充電的研究背景和意義，分析了當前面臨的挑戰(zhàn)。接著闡述了深度強化學習的基本原理及其在有序充電策略制定中的優(yōu)勢。隨后詳細描述了基于深度強化學習的有序充電策略的具體設計與實現(xiàn)過程，包括狀態(tài)表示、動作選擇、獎勵函數設定等方面。最后通過模擬實驗或實際案例分析了該策略的應用效果，展示了其在提高充電效率、降低電網負荷沖擊、優(yōu)化能源利用等方面的顯著成效，為大規(guī)模充電場站的高效運營提供了有力的理論支持和實踐指導。

2.2電網負荷平衡的要求

3.2.1能夠處理復雜的非線性關系

5安科瑞充電樁收費運營云平臺助力有序充電開展

5.1概述

AcrelCloud-9000安科瑞充電柱收費運營云平臺系統(tǒng)通過物聯(lián)網技術對接入系統(tǒng)的電動電動自行車充電站以及各個充電整法行不間斷地數據采集和監(jiān)控，實時監(jiān)控充電樁運行狀態(tài)，進行充電服務、支付管理，交易結算，資要管理、電能管理，明細查詢等。同時對充電機過溫保護、漏電、充電機輸入/輸出過壓，欠壓，絕緣低各類故障進行預警；充電樁支持以太網、4G或WIFI等方式接入互聯(lián)網，用戶通過微信、支付寶，云閃付掃碼充電。

5.2應用場所

適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實業(yè)單位、商業(yè)綜合體、學校、園區(qū)等充電樁模式的充電基礎設施設計。

5.3系統(tǒng)結構

系統(tǒng)分為四層：

（1）即數據采集層、網絡傳輸層、數據層和客戶端層。

（2）數據采集層：包括電瓶車智能充電樁通訊協(xié)議為標準modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數，并進行電能計量和保護。

（3）網絡傳輸層：通過4G網絡將數據上傳至搭建好的數據庫服務器。

（4）數據層：包含應用服務器和數據服務器，應用服務器部署數據采集服務、WEB網站，數據服務器部署實時數據庫、歷史數據庫、基礎數據庫。

（5）應客戶端層：系統(tǒng)管理員可在瀏覽器中訪問電瓶車充電樁收費平臺。終端充電用戶通過刷卡掃碼的方式啟動充電。

小區(qū)充電平臺功能主要涵蓋充電設施智能化大屏、實時監(jiān)控、交易管理、故障管理、統(tǒng)計分析、基礎數據管理等功能，同時為運維人員提供運維APP，充電用戶提供充電小程序。

5.4安科瑞充電樁云平臺系統(tǒng)功能

5.4.1智能化大屏

智能化大屏展示站點分布情況，對設備狀態(tài)、設備使用率、充電次數、充電時長、充電金額、充電度數、充電樁故障等進行統(tǒng)計顯示，同時可查看每個站點的站點信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統(tǒng)一管理小區(qū)充電樁，查看設備使用率，合理分配資源。

5.4.2實時監(jiān)控

實時監(jiān)視充電設施運行狀況，主要包括充電樁運行狀態(tài)、回路狀態(tài)、充電過程中的充電電量、充電電壓電流，充電樁告警信息等。

5.4.3交易管理

平臺管理人員可管理充電用戶賬戶，對其進行賬戶進行充值、退款、凍結、注銷等操作，可查看小區(qū)用戶每日的充電交易詳細信息。

5.4.4故障管理

設備自動上報故障信息，平臺管理人員可通過平臺查看故障信息并進行派發(fā)處理，同時運維人員可通過運維APP收取故障推送，運維人員在運維工作完成后將結果上報。充電用戶也可通過充電小程序反饋現(xiàn)場問題。

5.4.5統(tǒng)計分析

通過系統(tǒng)平臺，從充電站點、充電設施、、充電時間、充電方式等不同角度，查詢充電交易統(tǒng)計信息、能耗統(tǒng)計信息等。

5.4.6基礎數據管理

在系統(tǒng)平臺建立運營商戶，運營商可建立和管理其運營所需站點和充電設施，維護充電設施信息、價格策略、折扣、優(yōu)惠活動，同時可管理在線卡用戶充值、凍結和解綁。

5.4.7運維APP

面向運維人員使用，可以對站點和充電樁進行管理、能夠進行故障閉環(huán)處理、查詢流量卡使用情況、查詢充電\充值情況，進行遠程參數設置，同時可接收故障推送

5.4.8充電小程序

面向充電用戶使用，可查看附近空閑設備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

5.5系統(tǒng)硬件配置

6，總結

適用于大規(guī)模充電場站的深度強化學習有序充電策略為解決大規(guī)模充電場站面臨的有序充電、電網負荷平衡和用戶體驗等諸多問題提供了一種有效的解決方案。通過合理的狀態(tài)表示、動作選擇和獎勵函數設定，并經過充分的訓練，該策略能夠自適應地根據充電場站的實際情況和電網負荷動態(tài)變化制定出的充電策略。模擬實驗和實際案例分析均表明，該策略在提高充電效率、降低電網負荷沖擊、優(yōu)化能源利用等方面具有顯著成效。未來，隨著電動汽車行業(yè)的進一步發(fā)展和深度強化學習技術的不斷完善，該策略有望在更多的大規(guī)模充電場站中得到廣泛應用，為推動電動汽車充電基礎設施的高效運營和可持續(xù)發(fā)展做出更大貢獻。

參考文獻：

[1]陳果.適用于大規(guī)模充電場站的深度強化學習有序充電策略

[2]陳呂鵬，潘振寧，余濤，等.基于動態(tài)非合作博奔的大規(guī)模電動汽車實時優(yōu)化調度

[3]安科瑞企業(yè)微電網設計與應用手冊.2022.05版

作者介紹：
張繼冬，男，現(xiàn)任職于安科瑞電氣股份有限公司。