研究人员开发了一个新的概率框架，使用高斯过程回归为电力系统中的机器学习模型提供正式的性能保证。该方法旨在解决在电压风险估计等安全关键应用中对置信度和可解释性的关键需求。该框架建立了估计误差的界限，将预测方差与风险评估的置信度联系起来，并确保与传统方法在统计上等效，同时显著降低计算成本。 AI
影响 为安全关键的电网运行中可靠部署机器学习提供了一个框架，有可能增加其采用率。
排序理由 这是一篇详细介绍电力系统机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →