面向可持续电动汽车充电与碳减排的排放感知强化学习：考虑可变可再生能源渗透率

Ninglin Ou, Mohammad A. Razzaque, Iftekher Islam Shovon, Shafkat Khan Siam, Shafiuzzaman K Khadem, Krishnendu Guha, Mayeen U Khandaker, Md. Noor-A-Rahim

2026

摘要

本文提出一种基于软演员-评论家算法的排放感知强化学习策略，通过多目标奖励函数同时优化碳排放、可再生能源削减和用户需求满足。在EV2Gym平台上，该策略与九种控制方法在五种可再生能源渗透率场景下对比，验证了其减碳有效性。

关键词

reinforcement learningelectric vehicle chargingcarbon emission reductionrenewable energysustainable scheduling

面向可持续电动汽车充电与碳减排的排放感知强化学习：考虑可变可再生能源渗透率

摘要

关键词

相关论文

面向学习与规划的并行可微可达性：具有认证神经动力学与控制器的系统

基于深度强化学习和动态图神经网络的多任务机器人调度代理

人工智能增强的智能焊接岛：基础模型革新制造业

PAEAR：基于强化学习的点云区域探索与主动识别方法用于机器人焊接