安全で堅牢な風力タービン・フリート制御のための敵対的センサ誤差

Abstract

植物（プラント）レベルの制御は、発展途上にある風力エネルギー技術であり、機会と課題の両方をもたらします。中央コントローラを介してタービンを協調的に制御することで、風力発電所の効率をより高めることが可能です。しかし、計測誤差がプロセスを混乱させるリスクがあるほか、ハッカーが中央コントローラが受け取るテレメトリ信号を改ざんする可能性さえあります。本論文は、これを混乱させるように設計された敵対エージェントで学習することにより、安全なプラントコントローラを開発するための枠組みを提示します。これは、敵対者をコントローラを混乱させるように学習させる必要があり、ある種の循環論理、または「アームズレース（Arm Race）」を生み出します。本論文では、主人公（プロタゴニスト）と敵対者（アドバーサリ）を共同学習するための3つの大きな学習アプローチを検討し、その結果、アームズレース方式が最良の結果をもたらすことを見出します。これらの初期結果は、アームズレース型の敵対学習により、ベースラインの運用戦略に対して、最悪ケースでの性能劣化が39%の出力損失から7.9%の出力増加へと低減されたことを示しています。