METHODS, CONTROLLERS AND SYSTEMS FOR THE CONTROL OF DISTRIBUTION SYSTEMS USING A NEURAL NETWORK ARHCITECTURE

A deep approximation neural network architecture is described which extrapolates data over unseen states for demand response applications in order to control distribution systems like product distribution systems of which energy distribution systems, e.g. heat or electrical power distribution, are one example. The present invention describes a model-free control technique mainly in the form of Reinforcement Learning (RL) whereby a controller learns from interaction with the system to be controlled to control product distribution s of which energy distribution systems, e.g. heat or electrical power distribution, are one example. L'invention concerne une architecture de réseau neuronal d'approximation profonde qui extrapole des données sur des états non vus pour des applications de réponse à une demande de façon à commander des systèmes de distribution, tels que des systèmes de distribution de produit, dont les systèmes de distribution d'énergie, par exemple la distribution d'énergie thermique ou électrique, sont un exemple. La présente invention décrit une technique de commande sans modèle essentiellement sous la forme d'un apprentissage de renforcement (RL), ce par quoi un dispositif de commande apprend, à partir d'une interaction avec le système à commander, à commander des distributions de produit dont les systèmes de distribution d'énergie, par exemple la distribution d'énergie thermique ou électrique, sont un exemple.