Supervised Reinforcement Learning for the Coordination of Distributed Energy Resources
분산 에너지 자원(DER) 조율은 불확실성과 모델 복잡성으로 표준 강화학습(RL)의 샘플 비효율과 차선 정책 문제가 커서, 시연 데이터로 정책을 지도 사전학습한 뒤 RL로 파인튜닝하는 Supervised Reinforcement Learning(SRL) 프레임워크를 제안한다. 오프라인 시뮬레이션과 온라인 실환경의 2단계 파인튜닝을 추가했으며, 실험에서 모든 벤치마크를 크게 능가하고 저품질 시연 데이터에서도 높은 비용 효율을 달성했다.