用于电压控制的分散式安全强化学习
系统与控制
2021-10-05 v1 系统与控制
摘要
基于逆变器的分布式能源通过快速调节其无功功率，为快时间尺度电压控制提供了可能。电力电子接口允许这些资源实现几乎任意的控制律，但设计这些分散式控制器并非易事。强化学习（RL）方法在搜索由神经网络参数化的策略方面正日益流行。然而，很难保证所学控制器是安全的，即它们可能给系统引入不稳定性。本文提出一种用于电压控制的安全学习方法。我们证明，若每个控制器满足特定 Lipschitz 约束，则系统保证是指数稳定的。Lipschitz 界集合被优化以扩大神经网络控制器的搜索空间。我们显式设计神经网络控制器的结构，使其按设计满足 Lipschitz 约束。构建了分散式 RL 框架，在无模型设定下于各母线处训练局部神经网络控制器。
引用
@article{arxiv.2110.01126,
title = {Decentralized Safe Reinforcement Learning for Voltage Control},
author = {Wenqi Cui and Jiayi Li and Baosen Zhang},
journal= {arXiv preprint arXiv:2110.01126},
year = {2021}
}