基于层次结构的强化学习-MPC控制用于风电场动态风轮偏转
系统与控制
2026-04-28 v1 机器学习
系统与控制
摘要
风电场风轮偏转优化因复杂的流体力学和变化的条件而具有挑战性。本文提出了一种层次化框架，将强化学习与模型预测控制相结合，其中RL智能体学习补偿性状态估计，用于MPC控制器，而非直接控制风轮。该方法在三个风轮案例中进行评估，相对于基准控制实现了23%的功率提升，并超越了具有完美状态知识的理想化MPC。相对于直接RL控制，该混合体系结构在训练期间保持更好的安全特性，同时以更稳定的控制动作实现可 comparable 的性能。
引用
@article{arxiv.2604.22797,
title = {Hierarchical RL-MPC Control for Dynamic Wake Steering in Wind Farms},
author = {Marcus Binder Nilsen and Teodor Olof Benedict Åstrand and Tuhfe Göçmen and Pierre-Elouan Réthoré},
journal= {arXiv preprint arXiv:2604.22797},
year = {2026}
}
备注
This work has been submitted to IFAC for possible publication