电力分配系统神经状态估计中的零样本学习
机器学习
2025-06-03 v2 系统与控制
系统与控制
摘要
本文研究了电力分配系统中神经状态估计的挑战。我们识别了当前技术前沿中的一个研究空白，即模型无法以零样本方式适应电力电网的变化，如传感器丢失和支路切换。根据文献，我们确定图神经网络是这一用例中最有前景的模型类别。我们的实验证实了它们对某些电网变化的鲁棒性，同时也表明更深的网络并不总是表现更好。我们提出了数据增强方法来提升性能，并对不同模型配置在常见零样本学习场景下进行了全面的网格搜索。
引用
@article{arxiv.2408.05787,
title = {On zero-shot learning in neural state estimation of power distribution systems},
author = {Aleksandr Berezin and Stephan Balduin and Thomas Oberließen and Sebastian Peter and Eric MSP Veith},
journal= {arXiv preprint arXiv:2408.05787},
year = {2025}
}
备注
13 pages, 2 figures, associated source code available at https://gitlab.com/transense/nse-tl-paper/tree/IARIA