arXiv · ML· Daniyal Sajedi-Hosseini, Yoshihiko Fujisawa, Shubham Singh, Lei Zhou, Katsuki Fujisawa, Sebastien Gros, Mazaher Karimi, Xun Shen·· 17 小时前AI 评分20
基于 Transformer 约束的大规模 EV 充电功率设定值跟踪策略学习
Power Setpoint Tracking for Large-Scale EV Charging: Transformer-Constrained Charging Policy Learning with Self-Tuning Constraint Prices
AI 导读
提出 TC-CPL 方法,通过约束 Markov 决策过程最小化跟踪误差并满足过载与满意度约束。 在 600 端口区域测试中,原始过载从 3.59 kWh/day 降至 0.0017 kWh/day,跟踪误差降低 27%,交付能量提升 16%。 该方法在大规模场景显著降低变压器过载风险,但在单变压器场景下跟踪误差较高 22%。
来源:arXiv · ML · arxiv.org