面向最优电力变换器控制的安全增强自学习
系统与控制
2023-12-08 v1 系统与控制
摘要
数据驱动的基于学习控制方法，如强化学习，随着机器学习范式的普及而日益流行。这些方法解决了基于模型控制器中的参数敏感性和未建模动态，例如有限控制集模型预测控制。强化学习智能体通常用于仿真环境，在学习过程中允许探索多个“不安全”动作。然而，这种学习不适用于物理电力变换器中控制器的在线自学习，因为不安全动作会损坏它们。为此，本文提出了一种安全的在线强化学习控制框架，以自主寻找电力变换器的最优开关策略，同时在整个自学习过程中确保系统安全。所提出的安全在线强化学习控制在两级电压源变换器系统的实际测试平台上进行了验证，结果证实了该方法的有效性。
引用
@article{arxiv.2312.04158,
title = {Safety-Enhanced Self-Learning for Optimal Power Converter Control},
author = {Yihao Wan and Qianwen Xu and Tomislav Dragičević},
journal= {arXiv preprint arXiv:2312.04158},
year = {2023}
}