本發(fā)明公開(kāi)了屬于新能源汽車(chē)優(yōu)化管理技術(shù)領(lǐng)域的一種基于深度強(qiáng)化學(xué)習(xí)的集群電動(dòng)汽車(chē)充電行為優(yōu)化方法。本發(fā)明為基于雙延遲深度確定性策略梯度算法，實(shí)現(xiàn)對(duì)電動(dòng)汽車(chē)的功率連續(xù)可調(diào)充電過(guò)程進(jìn)行建模，訓(xùn)練智能體控制充電功率，優(yōu)化電動(dòng)汽車(chē)充電行為，將分時(shí)電價(jià)高時(shí)的負(fù)荷向電價(jià)低時(shí)進(jìn)行轉(zhuǎn)移，達(dá)到減少用戶充電開(kāi)銷(xiāo)，平抑電網(wǎng)峰時(shí)負(fù)荷的目的；相較于傳統(tǒng)的優(yōu)化控制方法，TD3在速度和靈活性上優(yōu)勢(shì)明顯，且可以有效克服以往的強(qiáng)化學(xué)習(xí)方法動(dòng)作空間離散、訓(xùn)練收斂困難、穩(wěn)定性差的問(wèn)題。為增強(qiáng)智能體的泛化能力，本發(fā)明在原有狀態(tài)觀測(cè)上添加噪聲，模擬一組初始SOC不同，到達(dá)與駛離時(shí)間各異的電動(dòng)汽車(chē)，并擴(kuò)展到集群電動(dòng)汽車(chē)充電行為控制。