Descrizione del progetto
Un approccio integrato di controllo con la dinamica ibrida per reti su larga scala
Controllare reti su larga scala tramite la dinamica ibrida è molto complesso a causa dell’ampiezza delle reti, della presenza di alterazioni e del tempo di calcolo limitato. Tra gli esempi di queste reti troviamo le reti stradali, ferroviarie, elettriche, idriche e relative al gas. La dinamica ibrida si riferisce a una combinazione di dinamiche continue, cambi di modalità e di tipologia. I metodi di controllo d’avanguardia non sono adatti a tali reti su larga scala poiché risentono di problemi legati alla tracciabilità di calcolo o applicano restrizioni aggiuntive, determinando prestazioni notevolmente ridotte. Per affrontare tale problema, il progetto CLariNet, finanziato dall’UE, svilupperà un nuovo paradigma di controllo online per reti su larga scala con la dinamica ibrida utilizzando una combinazione di controllo basato sull’ottimizzazione e di controllo basato sull’apprendimento.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Parole chiave
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) ERC-2020-ADG
Vedi altri progetti per questo bandoMeccanismo di finanziamento
ERC-ADG -Istituzione ospitante
2628 CN Delft
Paesi Bassi