数以百万计的电动汽车（EV）被引入电网，将为美国的脱碳努力带来变革性机遇。然而，这也带来了一个重要的挑战。科学家和工程师们正在寻找最佳方法，以确保电网能够智能、高效、廉价、清洁地为电动汽车充电，因为电网可能无法同时或一直为电动汽车充电。
美国能源部阿贡国家实验室的研究人员和芝加哥大学的研究生正在合作开展一个令人兴奋的新项目，以应对这一挑战。该项目将使用一种特殊的计算奖惩组合--一种称为强化学习的技术--来训练一种算法，帮助安排和管理各种电动汽车的充电。
该团队正在研究的第一组车辆是阿贡员工在实验室智能能源广场充电的车辆，该广场同时提供交流普通充电器和直流快速充电器。由于员工通常不需要在工作日用车，因此每辆车的充电时间可以有一定的灵活性。
"阿贡首席电气工程师杰森-哈珀（Jason Harper）说："可以分配的总电量是一定的，不同的人在下班时需要用车的时间上有不同的需求。"能够训练一个模型，使其在特定员工离开时间的限制下工作，同时认识到电网的高峰需求，这将使我们能够提供高效、低成本的充电服务。
"当大量电动汽车同时充电时，会对发电站造成高峰需求。Salman Yousaf 补充说："这会增加收费，而我们正在努力避免这种情况。优萨夫是芝加哥大学应用数据科学专业的一名研究生，目前正与其他三名学生一起研究这个项目。
算法中的强化学习是通过结合正面结果的反馈来实现的，比如电动汽车在指定的出发时间有所需的电量。同时，它也包含了负面结果，比如在超过某个峰值阈值时需要耗电。基于这些数据，充电调度算法可以更智能地决定何时为哪些汽车充电。
"智能充电调度实际上是一个优化问题，"Harper 说，"实时地，充电站必须不断做出取舍，以确保每辆车都能尽可能高效地充电。
虽然阿贡充电站是该项目研究人员进行强化学习的第一个地点，但其潜力远远超出了实验室的大门。"尤萨夫说："在家里充电有很大的灵活性，隔夜充电可以让人们在一定程度上改变充电负荷的分布。
"真正的智能充电需要考虑到生态系统中的所有参与者，"Harper 补充道，"这意味着电力公司、充电站所有者和电动汽车驾驶员或房主。我们希望满足每个人的需求，同时也注意到每个人所面临的限制。
该模型未来的工作将包括模拟一个更大的充电网络，该网络最初将基于从阿贡充电站收集的数据。
