公开(公告)号：CN114444802B

公开(公告)日：2024-06-04

申请号：CN202210109887.2

申请日：2022-01-29

Applicant: 福州大学

Inventor： 江昌旭 ,  卢玥君 ,  林铮 ,  邵振国

IPC: G06Q10/04 ,  G06Q30/0283 ,  G06Q50/06 ,  G06N3/042

Abstract: 本发明提供了一种基于图神经网络强化学习的电动汽车充电引导优化方法，包括如下步骤：步骤S1：电力‑交通融合网协同优化模型初始化；步骤S2：更新电动汽车充电负荷；步骤S3：根据epsilon‑Greedy算法和图神经网络强化学习算法生成ai,t；步骤S4：执行充电引导行为策略ai,t；步骤S5：计算图神经网络强化学习算法的奖励函数；步骤S6：部分观测马尔科夫决策过程的状态xi,t更新；步骤S7：将当前步的信息(xi,t,ai,t,ri,t,xi,t)存储于记忆单元D中；步骤S8：判断是否达到预定的时间Tend；若否，则执行(2)~(7)；若是，则输出图神经网络强化学习算法参数和相应输出结果。应用本技术方案可实现有效地降低电动汽车充电总成本，实现电动汽车的有序充电以及电力系统协同优化调度。

公开(公告)号：CN114444802A

公开(公告)日：2022-05-06

申请号：CN202210109887.2

申请日：2022-01-29

Applicant: 福州大学

Inventor： 江昌旭 ,  卢玥君 ,  林铮 ,  邵振国

IPC: G06Q10/04 ,  G06Q30/02 ,  G06Q50/06 ,  G06N3/04

Abstract: 本发明提供了一种基于图神经网络强化学习的电动汽车充电引导优化方法，包括如下步骤：步骤S1：电力‑交通融合网协同优化模型初始化；步骤S2：更新电动汽车充电负荷；步骤S3：根据epsilon‑Greedy算法和图神经网络强化学习算法生成ai,t；步骤S4：执行充电引导行为策略ai,t；步骤S5：计算图神经网络强化学习算法的奖励函数；步骤S6：部分观测马尔科夫决策过程的状态xi,t更新；步骤S7：将当前步的信息(xi,t,ai,t,ri,t,xi,t)存储于记忆单元D中；步骤S8：判断是否达到预定的时间Tend；若否，则执行(2)~(7)；若是，则输出图神经网络强化学习算法参数和相应输出结果。应用本技术方案可实现有效地降低电动汽车充电总成本，实现电动汽车的有序充电以及电力系统协同优化调度。

公开(公告)号：CN116050617A

公开(公告)日：2023-05-02

申请号：CN202310039944.9

申请日：2023-01-12

Applicant: 福建省高速公路科技创新研究院有限公司 ,  福州大学

Inventor： 陈礼彪 ,  曾俊铖 ,  王歆远 ,  郑传钊 ,  卢玥君 ,  江昌旭

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/06 ,  G06N3/126 ,  G06N5/04

Abstract: 本发明提供了一种考虑里程焦虑的高速公路充电设施布局规划方法，包括如下步骤：步骤S1：根据高速公路收费系统记录用户行驶数据生成OD矩阵对；步骤S2：一种基于OD矩阵对采用路段传输模型中的道路模型及节点模型对各道路车流量信息进行更新并根据车流量信息反映用户充电需求；步骤S3：建立候选站址，进而得到候选站址方案的预选择；步骤S4：将目标函数设置为充电站运维成本与用户排队时间最小，进行排队时间计算；步骤S5：采用NSGAⅡ多目标算法进行求解得到Pareto前沿；步骤S6：采用证据推理从Pareto解选择最终实施方案，并代入用户里程焦虑程度公式中，对该方案进行验证提升。应用本技术方案可实现有效地降低高速公路充电站布局规划成本及用户焦虑水平。

公开(公告)号：CN116231639A

公开(公告)日：2023-06-06

申请号：CN202310199515.8

申请日：2023-03-04

Applicant: 福州大学

Inventor： 江昌旭 ,  林铮 ,  卢玥君 ,  刘晨曦 ,  邵振国

IPC: H02J3/00 ,  G06Q50/06 ,  G06N3/08 ,  H02J3/46 ,  H02J3/06

Abstract: 本发明公开了一种基于多目标多智能体深度强化学习的配电网重构决策方法，包括步骤：1）根据将配电网线路全部闭合时，网络中存在的基本回路数量确定智能体的数量；2）构建配电网重构决策模型，将配电网重构决策模型转化为部分可观察马尔可夫决策过程；3）利用多智能体深度确定性策略梯度算法为每个智能体构建Actor网络和Critic网络并将网络随机初始化；4）构建配电网重构MADDPG训练框架；5）对MADDPG智能体进行离线训练，然后再将训练好的智能体部署在实际的配电网中进行在线训练。应用本技术方案可实现配电网重构的快速决策，在配电网有限的通信条件下实现全局的协同控制，保证电网的电能质量，提高配电网运行的经济性。

公开(公告)号：CN116151562A

公开(公告)日：2023-05-23

申请号：CN202310064061.3

申请日：2023-01-13

Applicant: 福州大学

Inventor： 江昌旭 ,  周龙灿 ,  卢玥君 ,  林铮 ,  邵振国

IPC: G06Q10/0631 ,  H02J3/38 ,  H02J3/06 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/20

Abstract: 本发明提出一种基于图神经网络强化学习的移动应急车调度和配电网韧性提升方法，包括：步骤S1：配电网‑交通网模型初始化；步骤S2：交通路网和电力系统线路故障随机恢复；步骤S3：构建图神经网强化学习算法的状态；步骤S4：生成移动应急储能车的调度行为策略；步骤S5：执行移动应急储能车的调度策略，并对移动储能车的状态进行判断和更新；步骤S6：计算配电网重构策略，并根据对配电网的重构和优化计算移动应急储能车的奖励函数；步骤S7：图神经网络强化学习算法状态更新；步骤S8：将当前步的信息存储于记忆单元中；步骤S9：判断是否达到预定的时间；若否，则执行(2)~(8)；若是，则输出图神经网络强化学习算法参数和相应优化调度结果。