Controle de Damping Baseado em Q-Learning de Sistemas de Potência de Grande Área Sob Incertezas Cibernéticas

A instalação de unidades de medição de fasores traz medições em tempo real sincronizadas em todo o sistema, o que torna possível o controle avançado em laço fechado de sistemas de potência de grande área (WAPSs). Além das incertezas no sistema físico, imperfeições na rede também são críticas para o desempenho do controle e até para a estabilidade do sistema. Este artigo tem como objetivo o controle de damping de grande área de WAPS sob incertezas físicas e cibernéticas. As incertezas cibernéticas abordadas neste artigo incluem tanto o atraso de comunicação quanto a perda de pacotes. Primeiro, um modelo linearizado de WAPS é desenvolvido levando em consideração a chegada aleatória de sinais de controle. Em seguida, um algoritmo de controle baseado em Q-learning é projetado para aprender o controle otimizado sob tanto incertezas físicas quanto cibernéticas. Finalmente, para contrabalançar ainda mais as incertezas de comunicação entre o centro de controle e os atuadores, uma nova lei de controle é projetada com base na análise estatística para fazer com que o desempenho de controle a longo prazo se aproxime daquele sob comunicações ideais. O algoritmo de controle projetado é testado tanto com um modelo linear simplificado quanto com um modelo não linear detalhado de WAPSs. Os resultados da simulação demonstram a eficácia do algoritmo projetado.