PulseAugur
实时 08:30:51
English(EN) On Approximating the Dynamic Response of Synchronous Generators via Operator Learning: A Step Towards Building Deep Operator-based Power Grid Simulators

算子学习框架提升电网仿真精度

研究人员开发了一种新颖的算子学习框架,用于近似同步发电机的动态行为,同步发电机是电网的关键组成部分。该框架利用深度算子网络(DeepONets)创建神经网络模型,这些模型可以与现有电网模拟器集成,或充当发电机瞬态响应的影子。该方法包括一个用于随时间模拟发电机响应的数值方案和一个可以整合现有数学模型的残差DeepONet,并附带误差估计。此外,还提出了一种数据聚合策略(DAgger),用于在交互式仿真期间微调这些网络以获得更好的性能。 AI

排序理由 这是一篇研究论文,详细介绍了一种使用算子学习近似电网组件动态响应的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Christian Moya, Amirhossein Mollaali, Guang Lin, Meng Yue ·

    On Approximating the Dynamic Response of Synchronous Generators via Operator Learning: A Step Towards Building Deep Operator-based Power Grid Simulators

    arXiv:2301.12538v2 Announce Type: replace-cross Abstract: This paper develops an Operator Learning framework for approximating the dynamic response of synchronous generators. The framework can be used to (i) build a neural network-based generator model that interacts with a power…