面向分布式能源的可扩展且隐私保护的多智能体框架综述
系统与控制
2024-11-13 v2 系统与控制
最优化与控制
摘要
分布式能源（DERs）因其在提高能源效率、减少碳排放和增强电网韧性方面的优势而日益受到重视。尽管部署不断增加，DERs 的潜力尚未得到充分探索和利用。一个基本问题制约着大规模电力系统中大量 DERs 的管理：“如何安全处理 DER 数据并高效优化 DER 运行？”为解决这一问题，本文考虑了两个关键问题，即处理 DER 数据的隐私性和优化 DER 运行的可扩展性，然后从多智能体框架的角度调查了现有和新兴的解决方案。在可扩展性方面，本文回顾了依赖于分布式和/或去中心化信息交换结构中的并行控制、优化和学习的最先进研究；而在隐私方面，本文识别了可以综合到上述可扩展结构中的隐私保护措施。尽管这些领域取得了研究进展，但挑战依然存在，因为这些高度跨学科的研究融合了来自不同领域的大规模可扩展计算架构和隐私保护技术，使其在实践中难以适应。为缓解这一问题，本文从多智能体角度对协调大规模电力系统运行中隐私和可扩展性的前沿策略进行了全面综述，特别是针对 DER 控制问题。此外，本综述推演了未来可扩展、隐私感知和网络安全的路径的新方法，以通过控制、优化和学习通用的基于多智能体的信息物理系统来释放 DERs 的全部潜力。
引用
@article{arxiv.2409.14499,
title = {A Review of Scalable and Privacy-Preserving Multi-Agent Frameworks for Distributed Energy Resources},
author = {Xiang Huo and Hao Huang and Katherine R. Davis and H. Vincent Poor and Mingxi Liu},
journal= {arXiv preprint arXiv:2409.14499},
year = {2024}
}