Data-Driven Optimal Distributed Controller Synthesis via Spatial Regret

Resumen Técnico: Síntesis de Controladores Distribuidos Óptimos Basada en Datos mediante Arrepentimiento Espacial

Formulación del Problema
El artículo aborda el desafío de diseñar controladores distribuidos óptimos para sistemas lineales e invariantes en el tiempo (LTI) en red a gran escala bajo restricciones estructurales de comunicación. Los métodos tradicionales de control óptimo, como los diseños $H_2$ y $H_\infty$, suelen ser "agnósticos a la gráfica", tratando todas las perturbaciones de manera uniforme independientemente de su ubicación o de la topología de comunicación de la red. Este enfoque falla en capturar la degradación específica del rendimiento causada por el flujo de información limitado en entornos distribuidos.

Además, los métodos existentes para minimizar el "arrepentimiento espacial"—una métrica que cuantifica la brecha de rendimiento entre un controlador distribuido restringido y un "oráculo" con capacidades de comunicación mejoradas—dependen de modelos precisos en el espacio de estados. Para sistemas a gran escala, obtener tales modelos paramétricos suele ser inviable o poco fiable. El problema central consiste en sintetizar un controlador distribuido que minimice el arrepentimiento espacial directamente a partir de datos de respuesta en frecuencia obtenidos experimentalmente, sin requerir identificación intermedia del sistema, mientras se preserva la estabilidad del lazo cerrado y se adhiere a estructuras de comunicación fijas.

Metodología
El marco propuesto opera enteramente en el dominio de la frecuencia utilizando Funciones de Respuesta en Frecuencia (FRF) medidas. La metodología procede de la siguiente manera:

1. Adquisición de Datos: El comportamiento entrada-salida de la planta se captura mediante la FRF, estimando específicamente la función de transferencia $G_{22}$ a partir de datos entrada-salida persistentemente excitantes. Otras funciones de transferencia ($G_{11}, G_{12}, G_{21}$) son definidas por el usuario para codificar especificaciones de rendimiento y modelos de perturbación.
2. Definición del Oráculo: Se define un controlador "oráculo" $\hat{K}$ con una topología de comunicación mejorada ($\hat{K} \supseteq K$). Este oráculo sirve como un punto de referencia hipotético que puede acceder a mediciones adicionales o enlaces de comunicación. El arrepentimiento espacial se define como la brecha de rendimiento en el peor caso entre el controlador restringido $K$ y este oráculo $\hat{K}$ sobre perturbaciones acotadas.
3. Reformulación en el Dominio de la Frecuencia: El problema de minimización del arrepentimiento espacial se reformula en el dominio de la frecuencia. Utilizando el Lema 1, se demuestra que la métrica de arrepentimiento es equivalente al supremo del valor máximo propio de la diferencia entre las matrices de función de transferencia de lazo cerrado del controlador restringido y el oráculo.
4. Síntesis Convexa Iterativa:
   • El controlador se parametriza mediante una factorización izquierda $K = Y^{-1}X$.
   • El problema de optimización resultante es no convexo debido a términos cuadráticos y al requisito de estabilidad del lazo cerrado.
   • Los autores proponen un algoritmo iterativo (Teorema 1) que linealiza las restricciones no convexas utilizando una cota inferior convexa derivada de un controlador estabilizador previo $K_c$.
   • En cada iteración, se resuelve un problema de optimización convexa (un programa semi-infinito resuelto mediante malla de frecuencias) para actualizar $X$ y $Y$.
   • Crucialmente, si se inicializa con un controlador estabilizador, el algoritmo garantiza que el controlador sintetizado permanezca estabilizador en cada iteración.

Contribuciones Clave
El artículo realiza tres contribuciones principales:

1. Extensión de la Bien-Posedidad: Los autores extienden los resultados de bien-posedidad del arrepentimiento espacial (previamente establecidos para clases específicas de controladores) a clases de controladores arbitrarias. Demuestran que si el oráculo está diseñado para minimizar una norma clásica ($H_2$ o $H_\infty$) sobre el conjunto de restricciones mejorado, la métrica de arrepentimiento espacial está garantizada para ser no negativa para cualquier controlador restringido, asegurando que el punto de referencia sea válido.
2. Marco de Síntesis Basado en Datos: El artículo reformula la minimización del arrepentimiento espacial dentro de un marco basado en datos en el dominio de la frecuencia. Esto elimina la dependencia de la identificación paramétrica del sistema, permitiendo la síntesis de controladores directamente a partir de mediciones de respuesta en frecuencia.
3. Algoritmo que Preserva la Estabilidad: Se desarrolla un algoritmo convexo iterativo tratable que sintetiza controladores distribuidos de estructura fija. El método asegura la estabilidad del lazo cerrado a lo largo de las iteraciones, siempre que la inicialización sea estabilizadora.

Resultados
La metodología fue validada mediante experimentos numéricos en un modelo de red eléctrica de 5 barras con dinámicas de oscilación.

• Configuración: El controlador distribuido se restringió a comunicación entre vecinos más cercanos con un retraso de un paso. Al oráculo se le otorgó acceso inmediato a mediciones de una barra específica (Barra 1) propensa a perturbaciones.
• Comparación: El controlador de arrepentimiento espacial ($K_{SR}$) se comparó con controladores distribuidos clásicos $H_2$ ($K_2$) y $H_\infty$ ($K_\infty$).
• Rendimiento:
  • En el dominio de la frecuencia, $K_{SR}$ logró un compromiso favorable entre el rendimiento promedio de $K_2$ y la robustez de $K_\infty$ cerca de los picos de resonancia.
  • Para perturbaciones localizadas en el nodo específico (Barra 1), $K_{SR}$ imitó estrechamente el rendimiento del oráculo, superando significativamente tanto a $K_2$ como a $K_\infty$.
  • Las simulaciones en el dominio del tiempo con perturbaciones de multi-seno en la Barra 1 mostraron que $K_{SR}$ redujo la energía promedio de la salida regulada en un 21.72% con respecto a $K_2$ y en un 48.00% con respecto a $K_\infty$.

Significado y Afirmaciones
El artículo afirma que el arrepentimiento espacial proporciona una métrica de rendimiento más matizada para el control distribuido al tener en cuenta explícitamente el costo de las restricciones de comunicación y la localización de las perturbaciones. El marco basado en datos propuesto es significativo porque permite la síntesis de tales controladores óptimos sin la necesidad de modelos paramétricos precisos, los cuales a menudo no están disponibles para sistemas a gran escala.

Los autores reconocen limitaciones: la generalización a estructuras de controlador arbitrarias requiere una solución iterativa en lugar de un único programa convexo, y el método no garantiza la completitud sobre el conjunto de todos los controladores estabilizadores (explora un subconjunto definido por la factorización izquierda). Además, la complejidad computacional escala con el tamaño de la red, lo que sugiere que las implementaciones distribuidas del problema de optimización siguen siendo un área para investigación futura. El trabajo se basa en marcos previos de control basado en datos (por ejemplo, Schuchert et al., 2024; Gupta et al., 2026) y extiende el concepto de arrepentimiento espacial (Martinelli et al., 2025) a un entorno libre de modelos.