Die Lastfrequenzregelung wird üblicherweise von einem herkömmlichen Proportional-Integral-Differential-Controller (PID) verwaltet. In den letzten Jahren haben adaptive Controller auf Basis von Deep Reinforcement Learning aufgrund ihrer herausragenden Leistung große Aufmerksamkeit erlangt. Allerdings weisen diese adaptiven Controller auf Basis von Deep Reinforcement Learning eine inhärente Verwundbarkeit auf und sind anfällig für gegnerische Angriffe. Zur Entwicklung robusterer Kontrollsysteme analysiert dieser Artikel eingehend die Verwundbarkeit adaptiver Controller auf Basis von Deep Reinforcement Learning unter gegnerischen Angriffen. Zunächst wurde ein adaptiver Controller basierend auf einem Deep Reinforcement Learning Algorithmus entwickelt. Zweitens wurde unter Berücksichtigung der begrenzten Fähigkeiten des Angreifers die Leistung der Lastfrequenzregelung auf Basis von Deep Reinforcement Learning unter gegnerischen Angriffen mittels einer Nullordnung-Optimierungsmethode bewertet. Schließlich wurde die Robustheit des adaptiven Controllers auf Basis von Deep Reinforcement Learning durch adversariales Training verbessert. Durch umfangreiche Simulationen wurde die Leistung des PID-Controllers auf Basis von Deep Reinforcement Learning bei Vorhandensein und Abwesenheit von gegnerischen Angriffen bewertet.

adaptiver Controller;Deep Reinforcement Learning;Lastfrequenzregelung;gegnerische Angriffe