1.引言

隨著新能源汽車銷量的快速增長，大規(guī)模充電場站的建設(shè)需求日益凸顯。據(jù)乘聯(lián)會銷量數(shù)據(jù)顯示，2017年中國新能源乘用車銷量達到了57.6萬臺，位列全球，且保持著較高的增長率。中國汽車工業(yè)協(xié)會預(yù)計，2018年新能源汽車銷量將超過100萬輛。然而，大規(guī)模充電場站面臨著諸多挑戰(zhàn)。

一方面，整體電網(wǎng)用電峰值負(fù)荷增加。尤其對于電動汽車充電行為，傍晚的充電峰值負(fù)荷將大大增加。報告顯示，到2020年與2030年，在無序充電情形下，國家電網(wǎng)公司經(jīng)營區(qū)域峰值負(fù)荷增加1361萬千瓦和1.53億千瓦。另一方面，配電網(wǎng)增容改造需求增加、安全管理難度增加。部分地區(qū)隨著電動汽車的增加，充電需求也隨之增加，這將導(dǎo)致部分地區(qū)的充電設(shè)施建設(shè)發(fā)展的提升。同時，電動汽車的增加對大電流供電穩(wěn)定性需求也在增加，不合理的接線可能會增加各級配電網(wǎng)保護動作跳閘的風(fēng)險。此外，供電服務(wù)質(zhì)量和效率要求提升。居民區(qū)充電樁一般是單個用戶小容量“零散報裝"的模式，相比于“整體報裝"模式，工作量、服務(wù)效率和服務(wù)質(zhì)量都有較高需求。

在這樣的背景下，深度強化學(xué)習(xí)在大規(guī)模充電場站中的應(yīng)用顯得尤為重要。深度強化學(xué)習(xí)能夠有效計及電動汽車出行模式和充電需求的不確定性，實現(xiàn)充電場站充電成本化的目標(biāo)。通過對電動汽車泊車時間和充電需求特征進行提取，建立適用于大規(guī)模電動汽車有序充電的馬爾可夫決策過程模型，并應(yīng)用強化學(xué)習(xí)算法求解電動汽車有序充電策略，可以有效減少充電場站的充電成本，同時使模型訓(xùn)練難度不受電動汽車規(guī)模影響。

2.研究目的

本文旨在解決大規(guī)模充電場站面臨的諸多問題，利用深度強化學(xué)習(xí)技術(shù)實現(xiàn)電動汽車的有序充電，從而達到降低充電場站充電成本、提高電網(wǎng)穩(wěn)定性和供電服務(wù)質(zhì)量的目標(biāo)。

隨著新能源汽車市場的不斷擴大，大規(guī)模充電場站的建設(shè)和運營面臨著巨大挑戰(zhàn)。深度強化學(xué)習(xí)作為一種具有強大學(xué)習(xí)能力和決策能力的人工智能技術(shù)，為解決這些問題提供了新的思路和方法。

通過對電動汽車泊車時間和充電需求特征的提取，建立馬爾可夫決策過程模型，可以更好地理解電動汽車的充電行為和需求不確定性。應(yīng)用雙深度Q網(wǎng)絡(luò)（DDQN）等深度強化學(xué)習(xí)算法求解電動汽車有序充電策略，能夠在考慮電動汽車出行模式和充電需求不確定性的情況下，實現(xiàn)充電場站充電成本化。

具體而言，本文的研究目標(biāo)包括以下幾個方面：一是減少充電場站的充電成本，通過優(yōu)化充電策略，降低電力消耗和運營成本；二是提高電網(wǎng)穩(wěn)定性，避免充電高峰對電網(wǎng)造成過大壓力，減少變壓器過載等風(fēng)險；三是提升供電服務(wù)質(zhì)量，滿足用戶的充電需求，提高服務(wù)效率和用戶滿意度。

深度強化學(xué)習(xí)在大規(guī)模充電場站中的應(yīng)用具有重要的現(xiàn)實意義和廣闊的發(fā)展前景。通過本文的研究，希望為大規(guī)模充電場站的建設(shè)和運營提供有效的技術(shù)支持和決策依據(jù)。

3.應(yīng)用優(yōu)勢

在大規(guī)模充電場站中，深度強化學(xué)習(xí)具有諸多優(yōu)勢。首先，它能夠處理電動汽車出行模式和充電需求的不確定性。由于電動汽車的使用行為具有隨機性，充電需求難以準(zhǔn)確預(yù)測，深度強化學(xué)習(xí)可以通過與環(huán)境的不斷交互，學(xué)習(xí)適應(yīng)這種不確定性，從而制定出更加合理的充電策略。例如，通過對歷史充電數(shù)據(jù)的學(xué)習(xí)，深度強化學(xué)習(xí)算法可以預(yù)測不同時間段的充電需求概率分布，進而優(yōu)化充電安排，降低充電成本。

其次，深度強化學(xué)習(xí)可以實現(xiàn)全局解。在大規(guī)模充電場站中，充電策略的制定需要考慮多個因素，如電網(wǎng)負(fù)荷、充電成本、用戶需求等。傳統(tǒng)的優(yōu)化方法往往難以同時考慮這些因素，而深度強化學(xué)習(xí)可以通過不斷地試錯和學(xué)習(xí)，逐漸逼近全局解。例如，通過對不同充電策略的模擬和評估，深度強化學(xué)習(xí)算法可以找到在滿足電網(wǎng)穩(wěn)定性和用戶需求的前提下，充電成本化的策略。

此外，深度強化學(xué)習(xí)具有自適應(yīng)性和可擴展性。隨著電動汽車市場的不斷發(fā)展和充電場站規(guī)模的不斷擴大，充電需求和環(huán)境也會發(fā)生變化。深度強化學(xué)習(xí)算法可以自動適應(yīng)這些變化，無需人工重新設(shè)計優(yōu)化規(guī)則。同時，深度強化學(xué)習(xí)算法可以很容易地擴展到更大規(guī)模的充電場站和更多的電動汽車，具有良好的可擴展性。

4.有序充電需求

有序充電對充電場站運營和電網(wǎng)具有重要意義。對于充電場站運營而言，有序充電可以提高充電樁的利用率，減少車輛排隊時間，提升運營效益。例如，在車多樁少的情況下，通過合理安排充電次序和設(shè)定中止充電SOC值，可以提高充電站的服務(wù)效率。同時，有序充電可以降低充電成本。根據(jù)彈性電價機制，將充電時間安排在電價低的谷時段，可以有效減少充電費用。對于電網(wǎng)而言，有序充電可以實現(xiàn)削峰填谷，減小電網(wǎng)負(fù)荷波動，提高電網(wǎng)穩(wěn)定性和供電質(zhì)量。數(shù)據(jù)顯示，到2020年與2030年，在無序充電情形下，國家電網(wǎng)公司經(jīng)營區(qū)域峰值負(fù)荷將分別增加1361萬千瓦和1.53億千瓦。而通過有序充電，可以有效緩解充電高峰對電網(wǎng)造成的壓力，減少配電網(wǎng)增容改造需求，降低安全管理難度。

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(wǎng)技術(shù)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(shù)據(jù)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(wù)、支付管理，交易結(jié)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(yù)警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶通過微信、支付寶，云閃付掃碼充電。

5.2應(yīng)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(xué)校、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計。

5.3系統(tǒng)結(jié)構(gòu)

系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)層和客戶端層。

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

3）網(wǎng)絡(luò)傳輸層：通過4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫服務(wù)器。

4）數(shù)據(jù)層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，應(yīng)用服務(wù)器部署數(shù)據(jù)采集服務(wù)、WEB網(wǎng)站，數(shù)據(jù)服務(wù)器部署實時數(shù)據(jù)庫、歷史數(shù)據(jù)庫、基礎(chǔ)數(shù)據(jù)庫。

5）應(yīng)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(shè)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(chǔ)數(shù)據(jù)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(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時長、充電金額、充電度數(shù)、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(shè)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(shè)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(jié)、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(shè)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(jié)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(shè)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(chǔ)數(shù)據(jù)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(shè)施，維護充電設(shè)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(jié)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(shù)設(shè)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(shè)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(jié)

深度強化學(xué)習(xí)能夠有效應(yīng)對大規(guī)模充電場站中電動汽車出行模式和充電需求的不確定性。通過對電動汽車泊車時間和充電需求特征的提取，實現(xiàn)了充電場站充電成本化的目標(biāo)，同時使模型訓(xùn)練難度不受電動汽車規(guī)模影響。

在大規(guī)模充電場站中，深度強化學(xué)習(xí)具有諸多優(yōu)勢。它能夠處理不確定性，實現(xiàn)全局解，具有自適應(yīng)性和可擴展性。通過與環(huán)境的不斷交互，深度強化學(xué)習(xí)算法可以學(xué)習(xí)適應(yīng)復(fù)雜多變的充電需求和電網(wǎng)環(huán)境，制定出更加合理的充電策略。

總之，深度強化學(xué)習(xí)在大規(guī)模充電場站中的應(yīng)用為解決充電場站面臨的諸多問題提供了有效的技術(shù)支持和決策依據(jù)，具有重要的現(xiàn)實意義和廣闊的發(fā)展前景。

參考文獻：

[1]陳果.適用于大規(guī)模充電場站的深度強化學(xué)習(xí)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(diào)度

[3]安科瑞企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊.2022.05版