CommonPower: 面向机器学习的安全数据驱动智能电网控制框架
系统与控制
2025-10-14 v5 机器学习
系统与控制
摘要
电力系统管理的日益复杂导致对强化学习（RL）兴趣的增加。为了验证其有效性，RL 算法必须在多个案例研究中进行评估。案例研究的设计是一个繁琐的任务，需要考虑许多方面，其中包括可用预测的影响以及控制结构中去中心化程度。此外，纯粹的 RL 控制器本身无法确保满足系统约束，这使得在部署系统之前为每个案例研究设计保护机制成为必要的任务。为此，我们引入了 Python 工具 CommonPower，这是第一个面向机器学习的电力系统管理建模与仿真通用框架。其模块化体系结构使用户能够专注于特定元素，而无需实现仿真环境。CommonPower 的另一个独特贡献是自动合成模型预测控制器和保护措施。除了为单智能体 RL、多智能体 RL 和最优控制提供统一接口外，CommonPower 还包括用于机器学习基于预测器的训练管道，以及灵活的机制，用于将保护措施的反馈纳入 RL 控制器的学习更新。
引用
@article{arxiv.2406.03231,
title = {CommonPower: A Framework for Safe Data-Driven Smart Grid Control},
author = {Michael Eichelbeck and Hannah Markgraf and Matthias Althoff},
journal= {arXiv preprint arXiv:2406.03231},
year = {2025}
}
备注
For the corresponding code repository, see https://github.com/TUMcps/commonpower