基于强化学习的输出结构化反馈用于分布式多区域电力系统频率控制
最优化与控制
2022-09-27 v1
摘要
负荷频率控制（LFC）是维持多区域电力系统频率稳定的关键因素。随着现代电力系统从集中式向分布式范式演进，LFC需要考虑基于点对点（P2P）的架构，该架构利用信息交换图中有限的信息来控制每个互联区域的发电机。本文旨在求解一个带均值-方差风险约束和输出结构化反馈的数据驱动约束LQR问题，并将该框架应用于解决多区域电力系统中的LFC问题。通过将约束优化问题重构为极小极大问题，采用带零阶策略梯度（ZOPG）的随机梯度下降最大预言机（SGDmax）算法从学习中寻找最优反馈增益，同时保证收敛。此外，为提高所提学习方法对新模型或时变模型的适应性，我们构建了一个逼近物理电网动态的仿真电网，并基于该模型进行训练。一旦从仿真电网获得反馈增益，便将其应用于物理电网并进行鲁棒性测试，以检验来自近似仿真器的控制器是否适用于实际系统。数值测试表明，所获得的反馈控制器能够成功控制各区域频率，同时抑制来自负荷的不确定性，并具备可靠的鲁棒性，确保所得反馈增益对实际物理电网的适应性。
引用
@article{arxiv.2209.12361,
title = {Reinforcement Learning-based Output Structured Feedback for Distributed Multi-Area Power System Frequency Control},
author = {Kyung-bin Kwon and Sayak Mukherjee and Hao Zhu and Thanh Long Vu},
journal= {arXiv preprint arXiv:2209.12361},
year = {2022}
}