计算机科学 > 机器学习
[提交于 2024年12月9日
]
标题: 数字孪生赋能的电力系统电压控制
标题: Digital Twin-Empowered Voltage Control for Power Systems
摘要: 新兴的数字孪生技术有潜力彻底改变电力系统的电压控制。 然而,当前的数字孪生方法在计算和采样效率方面存在不足,这限制了其应用。 为了解决这个问题,我们提出了一种Gumbel-一致性数字孪生(GC-DT)方法,通过提高计算和采样效率来增强电压控制。 首先,所提出的方法结合了一种基于Gumbel的策略改进,利用Gumbel-top技巧来增强非重复采样动作,并减少对蒙特卡洛树搜索模拟的依赖,从而提高计算效率。 其次,一致性损失函数将预测的隐藏状态与潜在空间中的实际隐藏状态对齐,从而提高预测准确性和采样效率。 在IEEE 123节点、34节点和13节点系统上的实验表明,所提出的GC-DT在计算和采样效率方面均优于最先进的DT方法。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.