Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

A novel control paradigm for large-scale hybrid networks

Description du projet

Une approche de contrôle intégré pour les réseaux de grande échelle dotés d’une dynamique hybride

Le contrôle des réseaux de grande échelle affichant une dynamique hybride est très complexe en raison de la grande taille des réseaux, de la présence de perturbations et du temps de calcul limité. Les réseaux routiers, ferroviaires, électriques, de gaz et d’eau figurent, entre autres, parmi ces réseaux de grande échelle. La dynamique hybride fait référence à une combinaison de dynamique continue, de commutateurs de mode et de changements de topologie. Les méthodes de contrôle de pointe ne sont pas adaptées à ces réseaux de grande échelle, dans la mesure où elles rencontrent des problèmes de tractabilité computationnelle ou imposent des restrictions supplémentaires, ce qui entraîne une réduction considérable des performances. Pour remédier à ce problème, le projet CLariNet, financé par l’UE, élaborera un nouveau paradigme de contrôle en ligne pour les réseaux de grande échelle dotés d’une dynamique hybride en utilisant un contrôle combiné d’optimisation et d’apprentissage.

Objectif

I will develop efficient on-line control methods for large-scale Networks with Hybrid Dynamics (NHDs) in the presence of uncertainties, where hybrid dynamics refers to a combination of continuous dynamics, mode switches, and/or topology changes. This topic is one of the core fundamental open problems in the field of systems and control. It is also important from a societal point of view as todays society depends heavily on the reliable and efficient operation of road, railway, electricity, gas, and water networks, all of which are examples of large-scale NHDs.

Control of large-scale NHDs is a very complex problem due to the large size of the networks, the presence of disturbances, and the hybrid dynamics, while a limited computation time is available. State-of-the-art control methods are not suited for large-scale NHDs as they either suffer from computational tractability issues or impose additional restrictions, resulting in a significantly reduced performance.

To address this problem, I will create a new on-line control paradigm for large-scale NHDs based on an innovative integration of multi-agent optimization-based and learning-based control, allowing to unite the optimality of optimization-based control with the on-line tractability of learning-based control. I will bridge the gap between optimization-based and learning-based control for NHDs through the use of multi-scale multi-resolution piecewise affine models, explicit consideration of the graph structure of the network, the unique knowledge and experience I have in both optimization-based control and learning-based decision making, and an interdisciplinary integration of approaches from systems and control, computer science, and optimization.

This will result in systematic, very reliable, highly scalable, high-performance on-line control methods for large-scale NHDs. I will demonstrate their feasibility, benefits, and impact for green multi-modal transportation networks and smart multi-energy networks.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

ERC-ADG - Advanced Grant

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2020-ADG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

TECHNISCHE UNIVERSITEIT DELFT
Contribution nette de l'UE
€ 2 500 000,00
Coût total
€ 2 500 000,00

Bénéficiaires (1)