公开(公告)号：CN118521118B

公开(公告)日：2024-09-13

申请号：CN202410943116.2

申请日：2024-07-15

Applicant: 华北电力大学

Inventor： 丁肇豪 ,  魏悦 ,  黄弦超 ,  窦子啸 ,  卫璇

IPC: G06Q10/0631 ,  G06Q10/04 ,  G06N3/042 ,  G06N3/092 ,  G06N3/084 ,  G06N7/01 ,  G06Q50/43

Abstract: 本发明涉及电动汽车车队调度技术领域，具体涉及一种计及车路网交互特性的电动汽车车队调控方法及系统；本发明方法包括以路网拓扑信息、车辆状态信息及环境状态信息作为状态变量，将电动汽车聚合调控过程构建为马尔可夫决策过程模型，通过融合图神经网络的强化学习A2C算法构建电动汽车车队调控决策模型，通过状态‑动作‑奖励数据集对电动汽车车队调控决策模型进行训练，以最大化车队收益为优化方向，对电动汽车车队调控决策模型的神经网络参数进行梯度下降和更新，得到训练后的电动汽车车队调控决策模型，采用训练后的电动汽车车队调控决策模型对电动汽车车队进行调控；通过本发明提高了车队的运行效率、总收益，降低了车队运营成本。

公开(公告)号：CN117474609A

公开(公告)日：2024-01-30

申请号：CN202310713503.2

申请日：2023-06-15

Applicant: 华北电力大学

Inventor： 丁肇豪 ,  张煜 ,  窦子啸 ,  孙逸萌

IPC: G06Q30/0283 ,  G06Q50/06 ,  G06N5/04

Abstract: 本发明公开了一种高速公路交通场景下的电动汽车充电负荷引导策略，考虑了高速公路充电站周边的分布式可再生能源发电资源。为此，本发明提出一种双层优化方法，对高速公路充电站运营商和电动汽车之间的博弈行为进行建模，以优化电动汽车的充电价格及其路线，减少电动汽车运行过程中的碳排放量。上层旨在最小化充电站运营商的碳排放量，下层旨在优化电动汽车的充电行为。此外，基于高速公路场景下电动汽车行驶以及充电决策的网络拓扑特征，提出适配公路交通的时空网络模型表征电动汽车的充电行为，确定基于充电价格的高速公路电动汽车充电引导激励方案。该发明能够显著提高计算效率，通过响应高速公路充电站制定的时空充电价格，提高运营商的经济效益。

公开(公告)号：CN118539431A

公开(公告)日：2024-08-23

申请号：CN202410940535.0

申请日：2024-07-15

Applicant: 华北电力大学

Inventor： 丁肇豪 ,  徐志远 ,  窦子啸

IPC: H02J3/00 ,  H02J9/04 ,  G06Q10/04 ,  G06Q10/0631 ,  G06Q50/06 ,  G06N3/006 ,  G06N3/092 ,  G06N3/084 ,  G06N7/01

Abstract: 本发明公开了一种基于深度强化学习的移动储能资源辅助电网负荷恢复方法，涉及深度强化学习技术领域。基于深度强化学习的移动储能资源辅助电网负荷恢复方法，包括：根据相距飓风中心的距离处，构建不同飓风路径的等效风速的飓风模型；根据飓风模型计算电网负荷的损失情况；通过电网负荷的损失情况，构建离散马尔可夫决策过程获得多个配电线路的故障概率；采用深度强化学习算法求解马尔可夫决策过程，得到移动储能系统的最优调度策略；移动储能系统用于恢复电网供电。可以快速求解得到最优调度策略，在飓风灾害下调度移动储能系统放电实现负荷恢复，实现了高效、准确地得到最优调度策略。

公开(公告)号：CN118521118A

公开(公告)日：2024-08-20

申请号：CN202410943116.2

申请日：2024-07-15

Applicant: 华北电力大学

Inventor： 丁肇豪 ,  魏悦 ,  黄弦超 ,  窦子啸 ,  卫璇

IPC: G06Q10/0631 ,  G06Q10/04 ,  G06N3/042 ,  G06N3/092 ,  G06N3/084 ,  G06N7/01 ,  G06Q50/43

Abstract: 本发明涉及电动汽车车队调度技术领域，具体涉及一种计及车路网交互特性的电动汽车车队调控方法及系统；本发明方法包括以路网拓扑信息、车辆状态信息及环境状态信息作为状态变量，将电动汽车聚合调控过程构建为马尔可夫决策过程模型，通过融合图神经网络的强化学习A2C算法构建电动汽车车队调控决策模型，通过状态‑动作‑奖励数据集对电动汽车车队调控决策模型进行训练，以最大化车队收益为优化方向，对电动汽车车队调控决策模型的神经网络参数进行梯度下降和更新，得到训练后的电动汽车车队调控决策模型，采用训练后的电动汽车车队调控决策模型对电动汽车车队进行调控；通过本发明提高了车队的运行效率、总收益，降低了车队运营成本。

公开(公告)号：CN116914735A

公开(公告)日：2023-10-20

申请号：CN202310862098.0

申请日：2023-07-13

Applicant: 华北电力大学

Inventor： 丁肇豪 ,  窦子啸

IPC: H02J3/00 ,  H02J3/06 ,  H02J3/38 ,  H02J3/14 ,  G06N3/04 ,  G06N3/092 ,  G06N7/01

Abstract: 本发明公开了一种考虑配电网电压安全的电动共享出行车队充电引导方法，具体包括：配电网以及电动共享出行车队运行的历史数据读取与分析；建立考虑可再生能源消纳和电压安全约束的配电网运行优化模型，以及适配动态充电引导信号的电动共享出行车队调度模型；基于多智能体深度强化学习框架，将配电网运行优化问题与电动共享出行车队调度问题建立为马尔可夫决策问题，形成配电网调度器与车队调度器；利用历史数据，使用多智能体最大熵深度强化学习算法对配电网与车队的调度器进行训练。利用训练后的配电网调度器，配电网能够根据实时的电力负荷、可再生能源出力以及节点电压，决策车队充电引导信号，以保证配电网电压安全，并促进可再生能源消纳。