强化学习下浅充浅放充电策略AGV调度研究

针对自动化集装箱码头自动导引车(AGV)调度中的充电问题,考虑浅充浅放充电策略构建了混合整数优化模型。该模型以最小化AGV最终完工时间为目标,在考虑AGV电池电量变化以及AGV不同状态耗电差异的约束下,利用AGV空闲时间和一个作业循环结束时间补电,减少AGV充电次数,进而减少总完成时间。模型采用Wolf-PHC强化学习进行求解,并分别与GAMS求解器、Q-learning算法及遗传算法(genetic algorithm,GA)求解结果进行比较,以验证模型的有效性和算法的优越性。算例分析表明在浅充浅放充电策略下AGV利用效率较高,且Wolf-PHC与GA的结合对模型求解效果更佳。

地铁列车蓄电池组车下深度充放电试验研究

在地铁运营过程中,由于列车蓄电池组长期浮充供电,浅充浅放,产生“记忆效应”,使得蓄电池组容量变小,出现明显充放电失效情况。当发生上述情况后,可通过深度充放电试验对蓄电池组容量进行恢复。因此,需定期将蓄电池组从地铁列车上拆下,利用恒流充放电机对其进行深度充放电试验。文章重点研究地铁列车蓄电池组车下充放电试验方案。