电动汽车充电站的概率充电功率预测：强化学习辅助的深度学习方法

随着大规模交通电气化的发展，电动汽车（EV）和电动汽车充电站（EVCS）已得到广泛部署。然而，由于电动汽车的充电行为存在较大不确定性，EVCS充电功率的预测并非易事。本文通过提出一个强化学习辅助的深度学习框架，来解决这一问题，以捕捉充电功率的概率不确定性。由于EVCS充电功率数据并不是电力负荷那样的标准时间序列数据，因此首先将其转换为时间序列格式。在此基础上，使用最流行的深度学习模型之一——长短期记忆网络（LSTM），并进行训练以获得EVCS充电功率的点预测。为进一步捕捉预测的不确定性，采用马尔可夫决策过程（MDP）来建模LSTM单元状态的变化，我们提出的基于强化学习的自适应探索近端策略优化（AePPO）算法解决了这一问题。最后，在来自加州理工学院和美国喷气推进实验室的真实EVCS充电数据上进行实验，结果及比较分析验证了我们提出的框架的有效性和优越性。