Optimal tracking control of switched systems applied in grid-connected hybrid generation using reinforcement learning

Der Artikel geht der optimalen Nachführsteuerung von geschalteten Systemen nach, die speziell auf netzgekoppelte Hybridsysteme angewendet wird. Es führt einen verstärkten Lernansatz ein, um das komplexe und variable Umfeld dieser Systeme in Angriff zu nehmen, mit dem Ziel, eine optimale globale Kontrolle zu erreichen. Die Arbeit stellt zwei Algorithmen vor - einen offline und einen online -, um die Kontrollpolitik und die Wertfunktion iterativ zu erlernen. Er hebt die Stabilitäts- und Konvergenzanalyse des vorgeschlagenen Systems hervor und zeigt, dass das umgeschaltete System eine gewünschte Referenzkurve verfolgen kann, während es die Stabilität aufrechterhält. Simulationsergebnisse bestätigen die Effektivität des vorgeschlagenen Ansatzes und zeigen die Konvergenz der Kontrollgewinne und die genaue Verfolgung der Ergebnisse. Der Artikel schließt mit der Betonung des Potenzials für weitere Studien im Bereich des adaptiven Online-Verstärkungslernens unter Verwendung von Beobachtern.