基于分层通信多智能体近端策略优化的风电场多变量功率集体大规模控制
系统与控制
2023-05-18 v1 人工智能
多智能体系统
系统与控制
摘要
风能正日益成为全球重要的可再生能源来源。然而，由于风电场固有的高系统复杂性，风电场功率控制面临重大挑战。为应对这一挑战并最大化功率输出，提出了一种基于通信的多智能体深度强化学习大规模风电场多变量控制方法。提出了一个风电场多变量功率模型，用于研究风力涡轮机（WTs）尾流对功率的影响。该多变量模型包括轴向诱导因子、偏航角和俯仰角等可控变量。提出了分层通信多智能体近端策略优化（HCMAPPO）算法，以协调多变量大规模风电场的连续控制。将大规模风电场划分为多个风力涡轮机聚合体（WTAs），相邻的 WTAs 可以通过分层通信交换信息，以最大化风电场的功率输出。仿真结果表明，与传统的 PID 控制、协调模型预测控制和多智能体深度确定性策略梯度算法相比，所提出的多变量 HCMAPPO 能显著提高风电场的功率输出。特别是，HCMAPPO 算法可以在基于十三台涡轮机风电场的环境中完成训练，并有效应用于更大的风电场。同时，随着风电场规模的扩大，尾流控制并未导致风力涡轮机叶片的疲劳损伤显著增加。多变量 HCMAPPO 控制能够实现大规模风电场的集体最大功率输出。
引用
@article{arxiv.2305.10161,
title = {Collective Large-scale Wind Farm Multivariate Power Output Control Based on Hierarchical Communication Multi-Agent Proximal Policy Optimization},
author = {Yubao Zhang and Xin Chen and Sumei Gong and Haojie Chen},
journal= {arXiv preprint arXiv:2305.10161},
year = {2023}
}