实体
IEEE-30 bus system
IEEE-30 bus system
PulseAugur coverage of IEEE-30 bus system — every cluster mentioning IEEE-30 bus system across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
机器学习增强电力系统安全分类
研究人员开发了一种机器学习方法，通过对应急场景进行分类来增强电力系统安全性。该研究利用了随机森林、支持向量机和 K-近邻等算法，并采用了 SMOTE 和 PCA 等数据预处理技术。随机森林模型表现出最高的性能，在 IEEE-30 母线系统上达到了 0.97 的 F1 分数。这种机器学习方法为电网的实时安全评估提供了比传统方法更具可扩展性和有效性的替代方案。
-
新AI框架增强电网稳定性评估
研究人员开发了一种事件结构物理信息神经网络（ES-PINN），旨在提高电网的暂态稳定性评估能力。该新框架将其表示与故障前、故障中和清除后动力学对齐，并在事件接口之间强制执行状态链，以更准确地估算临界清除时间（CCT）。在标准IEEE母线系统上的实验表明，ES-PINN在各种故障场景下，在准确性和计算效率方面均优于现有的神经代理基线。
-
AI 进展改进潮流计算和可行性评估 · 跟踪 2 个来源
研究人员开发了两种新颖的 AI 方法用于电网潮流计算。一种方法，上下文白化 (ICW)，使用一种无梯度技术来使机器学习代理模型适应网络拓扑变化，与现有方法相比，显著提高了准确性和适应速度。另一种方法利用变分图自编码器 (VGAE) 来评估潮流解决方案的可行性和有效性，特别是对于 AI 驱动的求解器，填补了当前数据驱动潮流研究中的空白。