A graph-informed regret metric for optimal distributed control

Formulação do Problema
O artigo aborda o desafio de projetar controladores distribuídos ótimos para sistemas lineares variantes no tempo (LTI) de grande escala, onde a topologia de comunicação do controlador deve espelhar o grafo de acoplamento da planta. Enquanto os métodos clássicos de controle ótimo dependem de normas de malha fechada como $H_2$ e $H_\infty$, essas métricas são "agnósticas ao grafo"; elas tratam todas as perturbações uniformemente, independentemente de o controlador possuir a estrutura de informação necessária para rejeitá-las de forma eficaz. Em configurações distribuídas, restrições estruturais (padrões de esparsidade e atrasos de comunicação) frequentemente impedem que os controladores alcancem o desempenho de um sistema totalmente centralizado. Os autores argumentam que os métodos existentes de controle com regime de regret ótimo, que tipicamente quantificam uma lacuna temporal contra um benchmark não causal centralizado, são insuficientes para configurações distribuídas, onde a limitação primária é espacial (disponibilidade de informação) em vez de temporal.

Metodologia
Os autores introduzem o regret espacial, uma métrica de desempenho informada pelo grafo, definida como a lacuna de desempenho de pior caso entre um controlador distribuído (restrito ao grafo de informação da planta $G$) e um oráculo. O oráculo é um benchmark hipotético com acesso a um grafo de comunicação aumentado $\hat{G} \supset G$, representando um cenário de "e se" especificado pelo usuário, no qual links adicionais de sensoriamento ou comunicação estão disponíveis.

A metodologia central envolve:

1. Definição da Métrica: O regret espacial é formulado como o supremo da diferença entre o custo do controlador distribuído e o do oráculo sobre um conjunto de perturbações limitadas. O oráculo é projetado para ser ótimo em relação às normas padrão ($H_2$, $H_\infty$ ou $L_1$) no grafo aumentado.
2. Bem-posto (Well-posedness): O artigo estabelece condições sob as quais o regret espacial é não-negativo (bem-posto). Especificamente, se a estrutura de informação do oráculo contiver a do controlador distribuído e o oráculo for ótimo para a norma escolhida, o regret é garantido como não-negativo.
3. Reformulação Convexa ($q=2$): Para o caso $H_2$, os autores derivam uma reformulação convexa exata do problema de minimização como um programa de dimensão infinita. Isso é aproximado por um Programa Semidefinido (SDP) de dimensão finita usando uma parametrização de resposta ao impulso finita (FIR) do parâmetro de Youla e amostragem de frequência.
4. Limite Superior Escalável ($q=\infty$): Para o caso $H_\infty$, o cálculo direto é intratável. Os autores derivam um limite superior convexo baseado na norma $L_1$ do erro de rastreamento entre o controlador distribuído e o oráculo. Esta formulação leva a um Programa Linear (LP) que pode ser resolvido de forma eficiente e distribuída usando o Método de Alternância de Direção dos Multiplicadores (ADMM), abordando problemas de escalabilidade para grandes redes.

Principais Contribuições

• Métrica de Regret Espacial: Introdução de uma nova métrica de desempenho que quantifica explicitamente o custo da informação limitada em redes distribuídas, comparando-a com um oráculo de informação aprimorada definido pelo usuário.
• Garantias Teóricas: Prova de que o regret espacial é bem-posto quando o grafo do oráculo é um supergrafo do grafo da planta e o oráculo é ótimo nas normas padrão.
• Frameworks de Síntese:
  • Uma formulação SDP convexa exata para minimizar o regret espacial sob critérios $H_2$.
  • Uma abordagem de otimização distribuída escalável (via ADMM) para minimizar um limite superior do regret espacial sob critérios $H_\infty$.
• Extensão para Feedback de Saída: Diferente de seu trabalho anterior em conferência, que focava em feedback de estado, este artigo estende o framework para feedback de saída, um cenário mais prático para sistemas do mundo real.

Resultos
O framework foi validado através de experimentos numéricos em um modelo de rede elétrica de 16 barras. O estudo comparou controladores de regret espacial ótimo contra baselines clássicos de $H_2$ e $H_\infty$.

• Em um subsistema de 5 barras, o controlador de regret espacial exato foi computado.
• No sistema completo de 16 barras, o limite superior escalável foi minimizado.
• Descobertas: Os controladores de regret espacial demonstraram desempenho superior na mitigação de perturbações localizadas (ex: perturbações que afetam nós individuais) em comparação com as métricas clássicas. Os resultados indicam que o framework de regret espacial aproveita efetivamente as capacidades de sensoriamento aprimoradas do oráculo para guiar o controlador distribuído em direção a uma melhor rejeição de perturbações em regiões específicas da rede.

Significância
O artigo afirma que o regret espacial fornece um objetivo de projeto mais significativo para o controle distribuído do que as normas clássicas quando as restrições de informação são o gargalo primário. Ao mudar o foco da minimização de uma norma global para a minimização da lacuna de desempenho em relação a um benchmark viável e com informação aprimorada, a abordagem direciona o esforço de controle para as partes do sistema onde informações adicionais renderiam o maior benefício. O trabalho preenche a lacuna entre o controle de regret teórico e a síntese distribuída prática, oferecendo um método escalável para projetar controladores que sejam robustos às limitações estruturais específicas de sistemas em rede de grande escala.