Salted Fisher Information for Hybrid Systems

Titolo: Salted Fisher Information for Hybrid Systems (Matrice di Fisher Salata per Sistemi Ibridi)

Autori: Bukunmi G. Odunlami, Marcos Netto, Hai Lin

---

1. Il Problema

La matrice di Fisher Information (FIM) è uno strumento fondamentale per quantificare l'identificabilità dei parametri e i limiti inferiori della varianza degli stimatori (Cramér-Rao bound). Tuttavia, le formulazioni classiche della FIM presuppongono che le sensibilità dei parametri evolvano in modo continuo e liscio nel tempo, governate esclusivamente da equazioni differenziali.

Questo approccio fallisce nei sistemi ibridi, che combinano flussi continui con eventi discreti (es. commutazioni di modalità, attivazione di protezioni, soglie di controllo). In tali sistemi:

• Gli eventi discreti alterano la propagazione dell'influenza dei parametri.
• Le sensibilità subiscono aggiornamenti istantanei (salti) al momento dell'evento, non solo durante il flusso continuo.
• Le formulazioni esistenti o ignorano questi aggiornamenti (trattando le transizioni come semplici reparametrizzazioni) o non catturano come le perturbazioni dei parametri influenzino il tempo esatto in cui avviene l'evento (guard crossing).

Di conseguenza, l'uso di modelli continui approssimati o la neglect delle dinamiche di salto porta a una sottostima dell'informazione disponibile e a una valutazione errata dell'identificabilità dei parametri.

2. Metodologia

Gli autori propongono un nuovo framework teorico basato su due concetti chiave:

A. La Matrice di Saltazione (Saltation Matrix)

Per caratterizzare correttamente l'evoluzione delle sensibilità attraverso un evento discreto, il paper utilizza la matrice di saltazione ($\Xi$). A differenza della semplice matrice Jacobiana della mappa di reset ($D_xR$), la matrice di saltazione tiene conto di:

1. La mappa di reset che aggiorna lo stato.
2. La differenza tra i campi vettoriali prima e dopo la transizione.
3. La dipendenza del tempo di commutazione dalle condizioni iniziali e dai parametri (spostamento del tempo di evento).

La matrice di saltazione fornisce un'approssimazione del primo ordine di come una perturbazione dello stato ($\delta x$) e dei parametri si trasformi attraversando una superficie di guardia.

B. Derivazione della Salted Fisher Information Matrix (SFIM)

Il paper deriva una nuova formulazione della FIM, denominata SFIM, che unifica:

1. Accumulo continuo: L'integrale dell'informazione durante i flussi continui (come nella FIM classica).
2. Aggiornamenti discreti: Termini aggiuntivi calcolati istantaneamente ai tempi degli eventi ($\tau_j$), basati sulla sensibilità dell'output dopo il salto ($J(\tau_j^+)$).

La SFIM è definita come:
$$I_S(\theta) = \int_{0}^{T} J(t)^\top V^{-1} J(t) \, dt + \sum_{j} J(\tau_j^+)^\top V_j^{-1} J(\tau_j^+)$$
dove $J(t)$ è la sensibilità dell'output, che evolve secondo le equazioni variazionali ibride (inclusa la moltiplicazione per la matrice di saltazione $\Xi_j$ agli eventi).

C. Sensibilità dei Tempi di Evento

Un contributo metodologico cruciale è la derivazione della sensibilità del tempo di commutazione $\tau$ rispetto ai parametri $\theta$ (Proposizione 3.4). Poiché le condizioni di guardia $g(x, \theta, t) = 0$ definiscono l'evento, una variazione dei parametri sposta il momento esatto in cui l'evento si verifica. Questo spostamento temporale contribuisce ulteriormente all'aggiornamento delle sensibilità, un effetto che le approssimazioni basate solo sul reset Jacobiano ignorano.

3. Contributi Chiave

1. Formulazione Unificata: Introduzione della SFIM, che integra correttamente sia la dinamica continua che gli aggiornamenti discreti indotti dagli eventi.
2. Condizione di Eccitazione: Dimostrazione che la Persistenza di Eccitazione Ibrida (HPE) è una condizione sufficiente per garantire che la SFIM sia definita positiva. Questo assicura che i parametri siano identificabili se il sistema è sufficientemente eccitato sia durante i flussi che agli eventi.
3. Analisi della Geometria dell'Informazione: Spiegazione di come la matrice di saltazione deformi la geometria delle perturbazioni, aggiungendo informazione che altrimenti andrebbe persa.
4. Validazione su Sistema Reale: Applicazione del framework a un sistema di potenza complesso (rete a tre bus con generatore eolica), dimostrando vantaggi pratici rispetto ai modelli continui mediati.

4. Risultati Sperimentali

Gli autori hanno testato il framework su un sistema ibrido di potenza (generatore sincrono + turbina eolica) soggetto a commutazioni basate sulla velocità del rotore e sulla potenza elettrica.

• Confronto con Modelli Continui: Il modello FIM "liscio" (che ignora gli eventi) risultava rank-deficient (non pieno rango) e mostrava un accumulo di informazione molto basso.
• Performance della SFIM:
  • La SFIM ha raggiunto il pieno rango, indicando che tutti i parametri sono identificabili.
  • I metrici di informazione (autovalore minimo $\lambda_{min}$, scala dell'informazione $\sigma$, e log-determinante) sono aumentati drasticamente (es. il log-determinante è passato da ~8 a ~62).
  • L'analisi degli autovettori ha rivelato che, sebbene ci fosse una forte correlazione negativa tra i guadagni PI ($k_p, k_i$), la SFIM ha permesso di identificare entrambi i parametri localmente, cosa impossibile con il modello continuo.
• Impatto degli Eventi: Gli incrementi di informazione ($\Delta I_j$) generati dalle transizioni sono stati significativi (tra 25 e 129 unità), confermando che gli eventi discreti sono fonti ricche di informazione per l'identificazione dei parametri.

5. Significato e Conclusioni

Questo lavoro risolve una lacuna fondamentale nella teoria dell'identificazione dei parametri per sistemi ibridi. Dimostra che:

• Ignorare la natura ibrida dei sistemi (eventi discreti) porta a una sottostima critica dell'informazione disponibile.
• La matrice di saltazione è essenziale per catturare la corretta propagazione delle sensibilità attraverso le discontinuità.
• La SFIM offre un criterio rigoroso per la progettazione di esperimenti e la valutazione dell'identificabilità in sistemi di controllo moderni (come le reti elettriche con rinnovabili, dove le commutazioni sono frequenti).

Il paper conclude che l'approccio proposto fornisce una struttura informativa molto più ricca rispetto alle approssimazioni continue o basate solo sul reset, aprendo la strada a migliori strategie di stima e controllo per sistemi ibridi complessi. Le future ricerche si concentreranno sull'estensione a sistemi ibridi stocastici e sulla progettazione di traiettorie per massimizzare la SFIM.