| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 电动汽车充电负荷建模方法 | 第12-13页 |
| 1.2.2 电动汽车充电对电网的影响 | 第13-14页 |
| 1.2.3 电动汽车充放电控制与利用 | 第14-16页 |
| 1.2.4 基于多代理技术的电动汽车运营仿真研究现状 | 第16页 |
| 1.2.5 强化学习算法在电力系统领域研究的现状 | 第16-17页 |
| 1.3 本文工作 | 第17-19页 |
| 第二章 基于多代理技术的电动出租车运营仿真系统 | 第19-36页 |
| 2.1 多代理技术概述 | 第19-20页 |
| 2.2 JADE多代理应用开发平台简介 | 第20-21页 |
| 2.3 电动出租车综合运营实时仿真系统代理架构 | 第21-22页 |
| 2.4 仿真系统服务平台及代理接口文件和交互机制 | 第22-34页 |
| 2.4.1 实时控制平台 | 第22-24页 |
| 2.4.2 路况信息平台 | 第24-29页 |
| 2.4.3 数据服务平台 | 第29-30页 |
| 2.4.4 电动出租车代理平台 | 第30-33页 |
| 2.4.5 电网代理平台 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 基于多步回溯学习算法的电动出租车运营仿真研究 | 第36-60页 |
| 3.1 强化学习算法理论介绍 | 第36-40页 |
| 3.1.1 马尔可夫决策过程 | 第36-37页 |
| 3.1.2 主要强化学习算法介绍 | 第37-40页 |
| 3.2 基于强化学习算法的电动出租车行为决策建模 | 第40-48页 |
| 3.2.1 状态空间 | 第40-41页 |
| 3.2.2 行为决策空间 | 第41-42页 |
| 3.2.3 行为策略选择及其概率更新 | 第42-44页 |
| 3.2.4 电动出租车运营的奖惩（收益）函数 | 第44-47页 |
| 3.2.5 基于Q(λ)学习算法的电动出租车实时运营仿真流程描述 | 第47-48页 |
| 3.3 算例与仿真 | 第48-55页 |
| 3.3.1 仿真参数设置 | 第48-49页 |
| 3.3.2 仿真结果与分析 | 第49-55页 |
| 3.4 考虑电动出租车交接班制度的电动汽车运营仿真研究 | 第55-59页 |
| 3.4.1 交接班充电阈值对电动出租车运营和充电负荷的影响 | 第56-57页 |
| 3.4.2 交接班时间分布对电动出租车运营和充电负荷的影响 | 第57-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 电动出租车充电引导策略研究 | 第60-69页 |
| 4.1 引言 | 第60页 |
| 4.2 电动出租车充电引导模型 | 第60-63页 |
| 4.2.1 电动出租车距离成本 | 第60页 |
| 4.2.2 电动出租车时间成本 | 第60-61页 |
| 4.2.3 充电设备利用均衡率 | 第61-62页 |
| 4.2.4 电动汽车充电引导决策模型 | 第62-63页 |
| 4.3 算例与仿真 | 第63-68页 |
| 4.3.1 算例设置 | 第63-64页 |
| 4.3.2 仿真结果及分析 | 第64-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 结论与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 附录 | 第77-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附表 | 第80页 |
