本次组会我将汇报研究题目：基于深度强化学习的电动汽车充电作业调度优化 的工作进展，主要从以下几个方面展开

1.科研背景：

随着“碳中和”目标的提出，新能源汽车得到迅速发展。然而与传统作业调度不同，充电作业在实际场景中具有动态性和复杂性。同时，分时电价也给充电策略的制定带来了不确定性。因此电动汽车数量持续增长的主要挑战之一，就是如何在动态环境下为充电站设计一个可靠的充电控制策略。

2.科研问题:

在实际的充电环境中，无法预知随机的用户行为（如汽车到达离开、充电量、是否支持快充)，也无法准确的预知每个充电桩将来的状态（如充电桩未来t时段的工作状态，后续车辆排队)。因此目前充电站大多还是采用传统的调度方法，即单一实行先到先充电，有空位就充电的策略，没有充分满足用户的实际需求，同时充电类型不匹配的问题会导致电能损耗较大。

3.科研目的：

提出一种基于强化深度学习(DRL)的作业调度方法，在尽可能满足充电用户QoS要求的同时，根据充电作业类型和分时电价，降低充电开销成本。

4.问题建模

针对该科研问题，设计的DRL状态空间、动作空间，奖励函数等，将在组会中进行详细介绍。

5.实验设置及结果

具体实验设置，及实验结果图示将在组会中进行展示。