【标题】Contingency-constrained economic dispatch with safe reinforcement learning

【作者团队】Michael Eichelbeck, Hannah Markgraf, Matthias Althoff

【发表日期】2022.5.12

【论文链接】https://arxiv.org/pdf/2205.06212.pdf

【推荐理由】未来的电力系统将严重依赖微电网，分散的可再生能源和储能系统占很大比例。此情况下的高度复杂性和不确定性可能使传统的电力调度策略不可行。基于强化学习 (RL) 的控制器可以应对这一挑战，但其本身不能提供安全保障，从而阻碍了它们在实践中的部署。为了克服此限制，本文提出了一个正式验证的 RL 控制器，用于经济调度。通过编码孤岛意外事件的时间相关约束来扩展传统约束。使用基于集合的向后可达性分析计算应急约束，并通过安全层验证 RL 智能体的动作。不安全动作被投射到安全动作空间中，同时利用受约束的 zonotope 集表示来提高计算效率。所提出的方法在使用实际测量的住宅用例中进行了演示。

内容中包含的图片若涉及版权问题，请及时与我们联系删除