网络诱导不确定性下用于自动电压控制的贝叶斯强化学习
机器学习
2023-05-29 v1 系统与控制
系统与控制
摘要
电压控制对大规模电力系统可靠运行至关重要，因为及时的无功支持可帮助防止大面积停电。然而，电力系统目前没有内置机制来确保维持可靠运行的电压控制目标能够在对抗存在下所引发的不确定性中存续或维持。因此，本工作引入一种用于电力系统控制问题的贝叶斯强化学习（BRL）方法，聚焦于网络对抗环境中不确定性下的持续电压控制。本工作提出一种基于数据驱动 BRL 的自动电压控制方法，通过构建并求解部分可观测马尔可夫决策问题（POMDP），其中由于网络入侵状态为部分可观测。该技术在 WSCC 与 IEEE 14 总线系统上进行了评估。此外，BRL 技术有助于在各 RL 技术中自动寻找探索与利用的阈值。
引用
@article{arxiv.2305.16469,
title = {Bayesian Reinforcement Learning for Automatic Voltage Control under Cyber-Induced Uncertainty},
author = {Abhijeet Sahu and Katherine Davis},
journal= {arXiv preprint arXiv:2305.16469},
year = {2023}
}
备注
11 pages