基于深度强化学习的电动汽车集群响应电网调峰指令的分布式协同设计_人工智能应用.docxVIP

PAGE2

基于深度强化学习的电动汽车集群响应电网调峰指令的分布式协同设计

第一章绪论

1.1研究背景

随着“双碳”目标的持续推进，我国能源结构正经历深刻变革。截至2024年底，全国新能源汽车保有量已突破3000万辆，其中纯电动汽车占比超过七成。如此庞大的电动汽车集群若无序接入电网，将给电力系统的安全稳定运行带来巨大压力。尤其在晚高峰时段，大量电动汽车同时充电会形成新的负荷尖峰，加剧电网峰谷差，迫使电力公司启动高成本的调峰机组，甚至威胁电网频率稳定。

与此同时，电动汽车作为一种高度灵活的分布式储能资源，蕴含着巨大的调峰潜力。据统计，私家车平均每日行驶时间不足2小时，超过90%的时间处于停驶状态。若能将海量电动汽车的充电负荷进行有序引导，在电网负荷低谷时集中充电、在高峰时削减充电功率甚至反向馈电，即可实现削峰填谷，提升电网运行效率。然而，电动汽车的出行行为具有高度随机性和个体差异性，其充电需求受用户习惯、电价信号、电池状态等多重因素影响，使得集中式优化调度面临维度灾难和隐私泄露的双重困境。

现有研究多采用集中式优化或简单规则控制，难以兼顾实时性、可扩展性和用户隐私保护。集中式方法需要收集所有车辆的详细信息，计算复杂度随车辆数量指数增长，且单点故障风险高。基于规则的分散式控制虽然响应迅速，但缺乏对全局目标的优化能力，容易陷入局部最优。因此，如何在通信约束下，设计一种既能保护用