Buchumschlag

PINNSim: A Simulator for Power System Dynamics based on Physics-Informed Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stiasny, Jochen, Zhang, Baosen, Chatzivasileiadis, Spyros
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Systems and Control Machine Learning Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physics-Informed Neural Networks: a Plug and Play Integration into Power System Dynamic Simulations
von: Nadal, Ignasi Ventura, et al.
Veröffentlicht: (2024)

Error estimation for physics-informed neural networks with implicit Runge-Kutta methods
von: Stiasny, Jochen, et al.
Veröffentlicht: (2024)

Correctness Verification of Neural Networks Approximating Differential Equations
von: Ellinas, Petros, et al.
Veröffentlicht: (2024)

Verification and Validation of Physics-Informed Surrogate Component Models for Dynamic Power-System Simulation
von: Ellinas, Petros, et al.
Veröffentlicht: (2026)

Global Performance Guarantees for Neural Network Models of AC Power Flow
von: Chevalier, Samuel, et al.
Veröffentlicht: (2022)

Physics-Informed Neural Networks in Power System Dynamics: Improving Simulation Accuracy
von: Nadal, Ignasi Ventura, et al.
Veröffentlicht: (2025)

Physics-Informed Machine Learning for Characterizing System Stability
von: Koike, Tomoki, et al.
Veröffentlicht: (2025)

Residual Power Flow for Neural Solvers
von: Stiasny, Jochen, et al.
Veröffentlicht: (2026)

Competitive Physics Informed Networks
von: Zeng, Qi, et al.
Veröffentlicht: (2022)

Error Bounds for Physics-Informed Neural Networks in Fokker-Planck PDEs
von: Kong, Chun-Wei, et al.
Veröffentlicht: (2024)

Neural network-enhanced integrators for simulating ordinary differential equations
von: Othmane, Amine, et al.
Veröffentlicht: (2025)

Kernel Methods for Stochastic Dynamical Systems with Application to Koopman Eigenfunctions: Feynman-Kac Representations and RKHS Approximation
von: Hamzi, Boumediene, et al.
Veröffentlicht: (2026)

Neural Operators for Power Systems: A Physics-Informed Framework for Modeling Power System Components
von: Karampinis, Ioannis, et al.
Veröffentlicht: (2025)

AutoBalance: An Automatic Balancing Framework for Training Physics-Informed Neural Networks
von: An, Kang, et al.
Veröffentlicht: (2025)

Dual Cone Gradient Descent for Training Physics-Informed Neural Networks
von: Hwang, Youngsik, et al.
Veröffentlicht: (2024)

Graph Neural Networks for Fast Contingency Analysis of Power Systems
von: Nakiganda, Agnes M., et al.
Veröffentlicht: (2023)

AW-EL-PINNs: A Multi-Task Learning Physics-Informed Neural Network for Euler-Lagrange Systems in Optimal Control Problems
von: Li, Chuandong, et al.
Veröffentlicht: (2025)

On the Width Scaling of Neural Optimizers Under Matrix Operator Norms I: Row/Column Normalization and Hyperparameter Transfer
von: Xu, Ruihan, et al.
Veröffentlicht: (2026)

Randomized Space-Time Sampling for Affine Graph Dynamical Systems
von: Gong, Le, et al.
Veröffentlicht: (2025)

Toolbox for Developing Physics Informed Neural Networks for Power Systems Components
von: Karampinis, Ioannis, et al.
Veröffentlicht: (2025)

Data driven approach towards more efficient Newton-Raphson power flow calculation for distribution grids
von: Yan, Shengyuan, et al.
Veröffentlicht: (2025)

A comparison between joint and dual UKF implementations for state estimation and leak localization in water distribution networks
von: Romero-Ben, Luis, et al.
Veröffentlicht: (2025)

Symmetric Hermite quadrature-based balanced truncation for learning linear dynamical systems from derivative data
von: Reiter, Sean, et al.
Veröffentlicht: (2026)

Curvature-Aware Optimization for High-Accuracy Physics-Informed Neural Networks
von: Jnini, Anas, et al.
Veröffentlicht: (2026)

Data-driven identification of port-Hamiltonian DAE systems by Gaussian processes
von: Zaspel, Peter, et al.
Veröffentlicht: (2024)

Bayesian Physics-informed Neural Networks for System Identification of Inverter-dominated Power Systems
von: Stock, Simon, et al.
Veröffentlicht: (2024)

The Vanishing Gradient Problem for Stiff Neural Differential Equations
von: Fronk, Colby, et al.
Veröffentlicht: (2025)

Parsimonious Physics-Informed Random Projection Neural Networks for Initial-Value Problems of ODEs and index-1 DAEs
von: Fabiani, Gianluca, et al.
Veröffentlicht: (2022)

Continuous Data Assimilation with Learned Surrogate Dynamics
von: Li, Wenwen, et al.
Veröffentlicht: (2026)

A Heterogeneous Multiscale Method for Efficient Simulation of Power Systems with Inverter-Based Resources
von: Huang, Kaiyang, et al.
Veröffentlicht: (2025)

From Cursed to Competitive: Closing the ZO-FO Gap via Input-to-State Stability
von: Farzin, Amir Ali, et al.
Veröffentlicht: (2026)

On the Stability Connection Between Discrete-Time Algorithms and Their Resolution ODEs: Applications to Min-Max Optimisation
von: Farzin, Amir Ali, et al.
Veröffentlicht: (2026)

ZORMS-LfD: Learning from Demonstrations with Zeroth-Order Random Matrix Search
von: Dry, Olivia, et al.
Veröffentlicht: (2025)

From Adam to Adam-Like Lagrangians: Second-Order Nonlocal Dynamics
von: Heredia, Carlos
Veröffentlicht: (2026)

KANtrol: A Physics-Informed Kolmogorov-Arnold Network Framework for Solving Multi-Dimensional and Fractional Optimal Control Problems
von: Aghaei, Alireza Afzal
Veröffentlicht: (2024)

Solving Elliptic Optimal Control Problems via Neural Networks and Optimality System
von: Dai, Yongcheng, et al.
Veröffentlicht: (2023)

Physics-Informed Graph Neural Network for Dynamic Reconfiguration of Power Systems
von: Authier, Jules, et al.
Veröffentlicht: (2023)

Finding Unknown Unknowns using Cyber-Physical System Simulators (Extended Report)
von: Wehbe, Semaan Douglas, et al.
Veröffentlicht: (2025)

A Numerical Method for Coupling Parameterized Physics-Informed Neural Networks and FDM for Advanced Thermal-Hydraulic System Simulation
von: Shin, Jeesuk, et al.
Veröffentlicht: (2026)

Numerically Robust Fixed-Point Smoothing Without State Augmentation
von: Krämer, Nicholas
Veröffentlicht: (2024)