基于深度强化学习的电动公交车辆混合充电方案优化方法

    公开(公告)号:CN118690917B

    公开(公告)日:2024-11-15

    申请号:CN202411139683.9

    申请日:2024-08-20

    Abstract: 基于深度强化学习的电动公交车辆混合充电方案优化方法,本发明涉及电动公交车辆混合充电方案优化方法。本发明为了解决现有“光伏‑储能‑电网”的混合供电模式忽略了光伏发电功率的随机波动,且难以充分应对外部环境的动态变化,所生成的公交车充电方案往往在实际中无法达到最优效果,导致公交系统所消耗电能中的光伏电能占比低,充电成本高的问题。过程为:确定公交系统充电调度目标与约束条件;将公交系统充电调度问题转化为马尔可夫控制问题;求解问题确定网络参数;将待测的智能体系统在t时段的状态和#imgabs0#时段的动作输入网络,输出建议动作集,获取实际动作集;将实际动作集转换成充电方案并执行。本发明用于电动公交车辆充电优化领域。

    基于深度强化学习的电动公交车辆混合充电方案优化方法

    公开(公告)号:CN118690917A

    公开(公告)日:2024-09-24

    申请号:CN202411139683.9

    申请日:2024-08-20

    Abstract: 基于深度强化学习的电动公交车辆混合充电方案优化方法,本发明涉及电动公交车辆混合充电方案优化方法。本发明为了解决现有“光伏‑储能‑电网”的混合供电模式忽略了光伏发电功率的随机波动,且难以充分应对外部环境的动态变化,所生成的公交车充电方案往往在实际中无法达到最优效果,导致公交系统所消耗电能中的光伏电能占比低,充电成本高的问题。过程为:确定公交系统充电调度目标与约束条件;将公交系统充电调度问题转化为马尔可夫控制问题;求解问题确定网络参数;将待测的智能体系统在t时段的状态和#imgabs0#时段的动作输入网络,输出建议动作集,获取实际动作集;将实际动作集转换成充电方案并执行。本发明用于电动公交车辆充电优化领域。

    一种公交运行状况的评价方法
    7.
    发明公开

    公开(公告)号:CN115759846A

    公开(公告)日:2023-03-07

    申请号:CN202211468696.1

    申请日:2022-11-22

    Abstract: 本发明公开了一种公交运行状况的评价方法,其步骤包括:S1.确定公交运行状况评价对象;S2.获取评价对象的公交行程速度累积频率分布;S3.确定评价对象的理想速度绝对水平值;S4.计算评价对象的公交运行状况评价指标——公交畅行指数;S5.输出评价对象的运行状况等级。本发明针对现有公交运行状况评价方法缺乏客观公平性与普适性的问题,提出公交畅行指数这一评价指标,反映公交实际运行状况相对于其理想运行状况的退化程度,克服了时间(自然日)异质性和空间(城市路网、线路、路段)异质性对评价指标取值稳定性和公交运行状况评价结果客观公平性的影响。

    基于神经网络和卡尔曼滤波的公交到站时间预测方法

    公开(公告)号:CN116542374B

    公开(公告)日:2024-08-23

    申请号:CN202310499141.1

    申请日:2023-05-05

    Abstract: 本发明公开了一种基于神经网络和卡尔曼滤波的公交到站时间预测方法,提出基于门控循环单元神经网络的公交到站时间静态预测方法,充分发挥深度学习框架在捕捉时间序列长期特性和短期特性方面的优势,提升公交到站时间预测结果的准确性和可靠性。本发明同时提出基于卡尔曼滤波的公交到站时间预测结果动态调整方法,结合公交车实时运行场景中的即时数据对车辆到站时间进行在线预测,与单独使用静态预测方法对比,本发明有助于消除公交车在运行过程中受到的道路车辆、交通信号灯、道路行人等随机因素的对预测的干扰,进一步提升到站时间预测的准确性,从而为智能公交调度、优化公共出行体验、提高公共交通出行吸引力提供技术支持。

Patent Agency Ranking