基于物理信息进化策略的延缓电压恢复抑制控制
系统与控制
2021-11-30 v1 机器学习
神经与进化计算
系统与控制
摘要
在本工作中，我们提出一种新颖的、基于物理信息引导元进化策略（ES）的数据驱动实时电力系统电压控制方法。主要目标是快速提供自适应控制策略以缓解故障诱导延迟电压恢复（FIDVR）问题。强化学习方法已针对相同或类似挑战性控制问题得到发展，但它们在“corner 或未见”场景下存在训练效率低与鲁棒性缺乏的问题。另一方面，电力系统中已发展出大量物理知识，但在基于学习的方法中很少被利用。为应对这些挑战，我们引入可训练动作掩码技术，将物理知识灵活嵌入 RL 模型以排除不必要或不利动作，并在样本效率、控制性能与鲁棒性上取得显著提升。此外，我们的方法利用过往学习经验推导替代梯度，以引导并加速训练中的探索过程。在 IEEE 300 总线系统上的案例研究及与其他最先进基准方法的比较，证明了我们方法的有效性与优势。
引用
@article{arxiv.2111.14352,
title = {Physics-informed Evolutionary Strategy based Control for Mitigating Delayed Voltage Recovery},
author = {Yan Du and Qiuhua Huang and Renke Huang and Tianzhixi Yin and Jie Tan and Wenhao Yu and Xinya Li},
journal= {arXiv preprint arXiv:2111.14352},
year = {2021}
}