Approximate Model Predictive Control for Microgrid Energy Management via Imitation Learning

Created by

Haebom

저자

Changrui Liu, Shengling Shi, Anil Alan, Ganesh Kumar Venayagamoorthy, Bart De Schutter

💡 개요

본 논문은 마이크로그리드 에너지 관리에서 실시간 최적 제어를 위해 기존의 복잡하고 시간이 오래 걸리는 혼합 정수 경제적 모델 예측 제어(EMPC)를 근사하는 새로운 프레임워크를 제안합니다. 신경망을 학습시켜 전문가 EMPC의 제어 행동을 모방하게 함으로써, 온라인 최적화 문제 해결 없이 빠르고 예측 가능한 실시간 의사 결정을 가능하게 합니다. 이를 통해 EMPC와 경제적 성능이 유사하면서도 계산 시간을 획기적으로 단축하는 성과를 달성했습니다.

🔑 시사점 및 한계

•

실시간 제어 성능 향상: 복잡한 온라인 최적화 문제를 신경망 기반 정책으로 대체하여, 계산 시간을 크게 줄이고 실시간 적용 가능성을 높였습니다.

•

강건성 및 일반화 능력 강화: 학습 과정에 노이즈 주입 및 예측 불확실성 고려를 통해 다양한 환경 변화에 대한 강건성과 일반화 능력을 향상시켰습니다.

•

안정적인 제약 조건 만족: 제약 조건 강화 기법과 투영 레이어를 통해 학습된 정책이 재귀적 실행 가능성과 제약 조건 만족을 보장하도록 설계되었습니다.

PDF 보기

Made with Slashpage