Kann Reinforcement Learning die Regelungstechnik revolutionieren? Das Projekt Cognitive Train/Test System for Reinforcement Learning using Labs (CTRL) baut eine Infrastruktur für eine selbständige Regelung im Verteilnetz auf.

Das Projekt bietet eine Infrastruktur zum Trainieren von Regelungskonzepten für dezentrale Anlagen. Vom simulativen Pretraining über realistische Hardware-in-the-Loop Methoden bis hin zu Feldtests werden Agenten schrittweise auf ihre Einsatzgebiete vorbereitet. Im Ergebnis übernimmt ein Agent selbstständig die Spannungshaltung für einen Ortsnetztrafo.

Das Projekt ist interessant für:

Anlagen-Hersteller

• Konzeptionierung einer Toolchain zur Entwicklung, Prüfung und Etablierung von Reinforcement Learning (RL) Agenten für Regelungskonzepte in der Energiesystemtechnik 
• Entwicklung eines V-Plans für Offline-Training, RCP Optimierung und Prüfung, Hardware-in-the-Loop Optimierung und Validierung, sowie Feld-nahe Erprobung 
• Integration von anpassungsfähigen Blackbox Ansätzen und flexiblen Kommunikationsanbindungen zwischen dem Reinforcement Learning Agenten, dem geregelten Testsystem und Energiesystem
• Erprobung der Toolchain durch Entwicklung, Prüfung und Etablierung eines RL-Agenten zur intelligenten Steuerung von Ortsnetztransformatoren