本文说明如何在湃联智能平台上对控制算法进行验证与对比,包括实验设计、结果指标以及可复现的 A/B 对比方法。
要使结果可比,应固定控制变量、只改变算法:
使用预设案例作为标准场景:它们已编码可复现的测试工况。
| 指标 | 观察方式 | 合格判断 |
|---|---|---|
| 功率平衡误差 | 母线 sum_cmd / sum_rx |
指令功率和接近 0 |
| 节点在线状态 | online[] |
全部目标节点在线 |
| SOC 范围 | SOC 日志 | 始终位于 20%~100% |
| 轨迹回放 | 调度日志 | 按 CSV/episode 顺序下发 |
| PCC 电压 | PCC 节点电压 | 稳定维持 20V 设定 |
| 策略切换 | POLICY_MODE |
rl / zero / rule_price 均可运行 |
| 动作范围 | raw_action 日志 |
动作值始终位于 [-1,1] |
| SOC 限幅 | 电池功率 vs SOC | 接近 SOC 上下限时充放电功率正确限幅 |
| 收益 | cashflow / cumulative | 持续累计,无异常跳变 |
| 安全停机 | shutdown 日志 | 运行结束后节点恢复安全状态 |
平台支持策略间的直接对比:
A. 相同工况下——使用 Case 2 的 CSV 轨迹回放(或固定 episode)跑不同算法,叠加对比功率/SOC/收益曲线。
B. 统计分析——导出每次运行的 CSV(见《结果分析与数据导出》),用 Python/Pandas 计算:
C. 消融对比——对 RL/MPC,可逐步替换单个模块(如预测模型、约束、奖励)验证。
要使结果可被他人生成:
template.py 的脚本及其参数区。依托平台预设案例、固定工况、标准化 CSV 导出和一致的节点映射,不同算法(从基础功率平衡到 RL/MPC 智能优化)都可以公平地验证与对比。