実時間集約柔軟性による学習ベース予測制御【JST・京大機械翻訳】

Li Tongxin; Sun Bo; Chen Yue; Ye Zixin; Low Steven H.; Wierman Adam

プレプリント

J-GLOBAL ID：202202207188401161 整理番号：21P0069854

実時間集約柔軟性による学習ベース予測制御【JST・京大機械翻訳】

Learning-Based Predictive Control via Real-Time Aggregate Flexibility

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年12月21日プレプリントサーバーでの情報更新日： 2022年05月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

凝集体は,分散型で制御可能な負荷の協調のための重要なツールとして浮上している。効果的に使用するために,アグリゲータは,システムオペレータに対する骨材柔軟性として知られているように,それらの負荷の利用可能な柔軟性を伝達する必要があった。しかし,既存の骨材の柔軟性測度の大部分は遅い時間スケール推定であり,アグリゲータとオペレータ間の実時間協調にはあまり注目されていない。本論文では,閉ループシステムにおけるオンライン最適化を解決し,最大エントロピーフィードバック(MEF)と呼ばれる実時間凝集体柔軟性フィードバックの設計を提示した。MEFの解析的特性を導くことに加えて,学習と制御を組み合わせることで,強化学習を用いて近似でき,新しい制御アルゴリズム,すなわちバニラモデル予測制御(MPC)を改変するペナルティ予測制御(PPC)におけるペナルティ項として使用できることを示した。この方式の利点は(1)である。効率的なコミュニケーション。オペレータ運転PPCは,負荷の厳密な状態と制約を知る必要がなく,MEFのみである。(2).高速計算。PPCはMPC定式化よりも変数数が少ないことが多い。(3).より低いコスト。ある規則性仮定の下で,PPCが最適であることを示した。適応電気自動車充電ネットワークからのデータセットを用いてPPCの有効性を説明し,PPCが古典的MPCより優れていることを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

ロボットの運動・制御 , システム設計・解析 , システム同定

, , ,

前のページに戻る