电动交通是减少交通领域二氧化碳排放的关键措施，从而减轻气候变化的影响。虽然电动汽车（EV）的选择范围不断扩大，但不受时间和地点限制的充电可能性将成为电动汽车的根本问题。电网故障及其随之而来的充电限制的前景在媒体和公众讨论中无处不在。为了应对这些威胁，可以采取两种主要措施：扩大能源系统和电网控制。通用电网和扩大能源供应的效果不佳，成本高昂，耗时长，因此电网控制成为剩下的机会。 dtec emob 研究项目开发了一种面向未来的智能电网控制。为了防止电网和电动汽车方面出现问题，它由两个子系统组成：传统的负荷管理系统和电动汽车专用充电管理系统。这两个系统都是根据汉堡电网的要求设计的。项目采用的第一种方法是强化学习算法，目的是减少中压/低压变压器的拥塞。控制代理在 Python 环境中进行训练，并使用 pandapower 软件包进行电力流计算。 为了测试、验证和改进电网控制，项目实验室建立了一个电力硬件在环系统。该系统采用汉堡低压参考电网，包含 57 个家庭负载（每个负载都有一个电动汽车充电站和一辆电动汽车）和一个配电 变压器。电力系统仿真是在一个名为 ePHASORSIM 的 OPAL-RT 模拟器上进行的，该模拟器包括一个用于电力流计算的 PowerFactory 电网模型。单个家庭电网连接点及其电动汽车负载使用光连接线性放大器作为电源电网模拟器、可编程负载作为传统家庭负载、智能可控交流充电站（ACC）和电动汽车来表示。经过预先训练的代理随后从 Python 移植到 OPAL-RT 基于 Simulink 的实时环境中，并在此接收仿真 和测量结果。它利用内置的通信接口控制每辆模拟电动汽车的充电功率以及内置电源硬件的充电功率，以限制 ACC 的功率输出。 该项目的当前重点是将预先训练好的代理转移到新的环境中，并使用 ACC 与 OPAL-RT 附带的通信输出的通信通道对其进行控制。进一步的研究重点是通过 HP-DC 充电器、双向充电站、不同移动载体的数字孪生 以及汉堡的交通流模拟来扩展 PHIL 系统。