1- گروه مهندسی برق، دانشگاه صنعتی امیرکبیر، تهران، ایران
چکیده: (11 مشاهده)
افزایش نفوذ خودروهای الکتریکی در سالهای اخیر، چالشهای فنی قابلتوجهی را در بهرهبرداری بهینه از شبکههای توزیع ایجاد کرده است؛ بهگونهای که شارژ کنترلنشده این وسایل نقلیه میتواند موجب افزایش پیک بار، تشدید تلفات توان و انحراف ولتاژ در باسها شود. در این مقاله، یک چارچوب هوشمند مدیریت شارژ و دشارژ خودروهای الکتریکی مبتنی بر یادگیری تقویتی عمیق ارائه میشود. در رویکرد پیشنهادی، عامل یادگیری با درنظرگرفتن وضعیت لحظهای شبکه و قیود دینامیکی باتریها، سیاست کنترلی بهینهای را برای زمانبندی توان تبادلی خودروها استخراج میکند. تابع پاداش بهگونهای طراحی شده است که کاهش تلفات شبکه و بهبود پروفیل ولتاژ را بهصورت همزمان مدنظر قرار دهد. ارزیابی عملکرد روش پیشنهادی بر روی شبکه استاندارد توزیع IEEE 33-bus و از طریق تحلیل پخش بار در هر گام زمانی انجام شده است. نتایج شبیهسازی بیانگر آن است که چارچوب ارائهشده میتواند ضمن مدیریت مؤثر بار ناشی از خودروهای الکتریکی، شاخصهای بهرهبرداری شبکه را بهطور معناداری بهبود بخشد.
MirFathi H, Askarian Abyane H. Optimal Charging Management of Electric Vehicles in Distribution Networks Using Deep Reinforcement Learning. ieijqp 2026; 15 (1) :23-35 URL: http://ieijqp.ir/article-1-1062-fa.html
میرفتحی کمارعلیا حامد، عسکریان ابیانه حسین. مدیریت بهینه شارژ خودروهای الکتریکی در شبکه توزیع با استفاده از یادگیری تقویتی عمیق. نشریه کیفیت و بهره وری صنعت برق ایران. 1405; 15 (1) :23-35
