EVLearn: Extending the CityLearn Framework with Electric Vehicle Simulation

智能能源管理策略，例如车辆对电网（V2G）和电网对车辆（G2V），成为电动汽车（EV）融入能源网的潜在解决方案。这些策略承诺增强电网的韧性，并为车主和电网运营商带来经济利益。尽管有前景，但这些策略的采用仍受到一系列运营问题的阻碍。其中关键问题之一是缺乏模拟平台，以验证和改进V2G和G2V策略。包括在多个灵活能源资产的能源社区（ECs）的背景下进行开发、培训和测试。为解决这一问题，首先我们介绍了EVLearn，这是一个用于研究V2G和G2V能源管理策略的模拟模块，模拟了EV、其充电基础设施和相关能源灵活性动态。其次，本文将EVLearn与现有的CityLearn框架集成，为研究更广泛的能源管理策略提供了V2G和G2V模拟功能。结果验证了EVLearn及其与CityLearn的集成，通过比较模拟场景凸显了这些策略的影响。

论文旨在解决电动汽车（EV）与能源网格集成中存在的操作问题，其中缺乏模拟平台以验证和优化V2G和G2V策略。

论文提出了一种名为EVLearn的模拟模块，结合现有的CityLearn框架，提供了V2G和G2V模拟能力，以研究更广泛的能源管理策略。

EVLearn模拟了EV、充电设施及相关能源灵活性动态，实现了V2G和G2V模拟能力。实验结果验证了EVLearn和其与CityLearn的集成，通过比较模拟场景突出了这些策略的影响。

在这个领域中，最近的相关研究包括：1. 'A Survey of Electric Vehicle Charging Coordination Schemes' 2. 'A Review of Vehicle-to-Grid Applications in the Electric Vehicle Era' 3. 'Vehicle-to-Grid (V2G) Integration for Sustainable Energy Systems: A Review'