基于安全强化学习的事故约束经济调度
系统与控制
2024-07-17 v3 人工智能
机器学习
系统与控制
摘要
未来的电力系统将严重依赖具有高比例分布式可再生能源与储能系统的微电网。此背景下的高度复杂性与不确定性可能使传统电力调度策略不可行。基于强化学习（RL）的控制器可应对该挑战，但其自身无法提供安全性保证，阻碍了实际部署。为克服此限制，我们提出了一种经形式化验证的 RL 经济调度控制器。我们通过编码孤岛事故的时间相关约束扩展了传统约束。该事故约束利用基于集合的反向可达性分析计算，RL 智能体的动作通过安全层验证。不安全动作被投影到安全动作空间中，同时利用约束 zonotope 集合表示以提升计算效率。所开发方法在住宅用例上使用真实世界测量数据进行了演示。
引用
@article{arxiv.2205.06212,
title = {Contingency-constrained economic dispatch with safe reinforcement learning},
author = {Michael Eichelbeck and Hannah Markgraf and Matthias Althoff},
journal= {arXiv preprint arXiv:2205.06212},
year = {2024}
}