电力系统控制的安全强化学习综述
系统与控制
2024-07-02 v1 系统与控制
摘要
大规模可再生能源资源的集成引入了供电侧的不确定性和波动性，使得系统运行和控制更加复杂。最近，数据驱动方法，特别是强化学习（RL），在解决电力系统中复杂的控制挑战方面显示出巨大的潜力，因为 RL 能从交互式反馈中学习，而无需系统模型的先验知识。然而，基于模型的 RL 方法的训练过程高度依赖随机决策进行探索，这可能导致违反关键安全约束的“好”决策，从而导致灾难性的控制结果。由于 RL 方法无法在电力系统中从理论上确保决策的安全性，直接在现实世界中部署传统 RL 算法被视为不可接受。因此，RL 应用中的安全问题，称为安全 RL，近年来引起了广泛关注，导致了众多重要的进展。本文提供了最新安全 RL 技术的全面综述，并讨论了这些技术如何应用于电力系统控制问题，如频率调节、电压控制和能源管理。随后，我们讨论了与收敛性和最优性、训练效率、通用性和实际部署相关的关键挑战和未来研究方向。
引用
@article{arxiv.2407.00681,
title = {Safe Reinforcement Learning for Power System Control: A Review},
author = {Peipei Yu and Zhenyi Wang and Hongcai Zhang and Yonghua Song},
journal= {arXiv preprint arXiv:2407.00681},
year = {2024}
}