基于残差信息的代数回路解学习
机器学习
2025-10-13 v1 数值分析
数值分析
摘要
本文提出了一种基于残差信息的机器学习方法，用于用神经网络代理替换方程基 Modelica 模型中的代数回路。前馈神经网络直接使用代数回路的残差（误差）作为损失函数进行训练，无需监督数据集。该训练策略还解决了多解歧义问题，使代理能够收敛到一致解而非多个有效解的平均值。应用于大规模 IEEE 14-Bus 系统，所提方法相比传统仿真实现了 60% 的仿真时间减少，同时通过误差控制机制保持了相同的精度水平。
引用
@article{arxiv.2510.09317,
title = {Residual-Informed Learning of Solutions to Algebraic Loops},
author = {Felix Brandt and Andreas Heuermann and Philip Hannebohm and Bernhard Bachmann},
journal= {arXiv preprint arXiv:2510.09317},
year = {2025}
}
备注
16 pages, 16 figures, 5 tables, submitted to IDaS-Schriftenreihe from Hochschule Bielefeld - University of Applied Sciences and Arts (HSBI)