PulseAugur
中
实时 11:12:52
实体 Transformer-Constrained Charging Policy Learning

Transformer-Constrained Charging Policy Learning

PulseAugur coverage of Transformer-Constrained Charging Policy Learning — every cluster mentioning Transformer-Constrained Charging Policy Learning across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_369157 ·

    新AI方法优化电动汽车充电以防止变压器过载

    研究人员开发了一种面向Transformer约束的充电策略学习(TC-CPL)方法来优化电动汽车充电。该方法将功率设定点跟踪建模为约束马尔可夫决策过程,旨在最小化跟踪误差,同时遵守变压器负载和用户满意度约束。TC-CPL利用了感知变压器的编码器和自调约束价格,在模拟中通过显著减少过载并提高输送能量和用户满意度,表现优于传统的轮询方法。