Distributed Sparse Optimal Policy for Multiarea Power Systems Under DoS Attacks: A Hybrid Adaptive Dynamic Programming Method

Linghuan Kong

doi:10.1109/tsmc.2026.3723853

Distributed Sparse Optimal Policy for Multiarea Power Systems Under DoS Attacks: A Hybrid Adaptive Dynamic Programming Method

2026-09-16

0

PRE

AI

DOI：10.1109/tsmc.2026.3723853

原文链接

原文求助

摘要

En 中文

本文研究了在拒绝服务（DoS）攻击下，未知多区域电力系统（MPSs）的分布式稀疏最优策略。考虑到大型电力系统中全局信息交换会产生显著的通信开销和延迟，提出了一种分布式稀疏控制策略。该策略对反馈增益施加结构约束，仅保留必要的区域间通信链路，从而显著降低控制器的计算复杂度和内存需求。为提高学习效率，开发了一种混合自适应动态规划（ADP）方法，该方法将动态事件驱动（DED）学习机制与稀疏最优控制相结合，以求解一组修正的博弈代数Riccati方程（GAREs）。在稀疏通信和DoS攻击下，对所得闭环系统的随机稳定性和最优性进行了严格分析。此外，利用经验回放技术，引入了一种数据驱动的稀疏同伦强化学习（SHRL）算法，无需依赖系统动力学，不仅消除了对初始容许控制策略（IACPs）的需求，而且与传统的在线策略迭代（PI）和价值迭代（VI）方法相比加速了学习过程。最后，通过互联三区域电力系统验证了所提出方法的有效性和优越性能。

Keyword:

Data-driven sparse homotopic reinforcement learning (SHRL)

denial-of-service (DoS) attacks

distributed sparse optimal control

dynamic event-driven (DED)

multiarea power systems (MPSs)

Distributed Sparse Optimal Policy for Multiarea Power Systems Under DoS Attacks: A Hybrid Adaptive Dynamic Programming Method

摘要

期刊

机构

引用论文