Buchumschlag

Powerformer: A Section-adaptive Transformer for Power Flow Adjustment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Kaixuan, Luo, Wei, Liu, Shunyu, Wei, Yaoquan, Zhou, Yihe, Qing, Yunpeng, Zhang, Quan, Song, Jie, Song, Mingli
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transmission Interface Power Flow Adjustment: A Deep Reinforcement Learning Approach based on Multi-task Attribution Map
von: Liu, Shunyu, et al.
Veröffentlicht: (2024)

Is Centralized Training with Decentralized Execution Framework Centralized Enough for MARL?
von: Zhou, Yihe, et al.
Veröffentlicht: (2023)

Interaction Pattern Disentangling for Multi-Agent Reinforcement Learning
von: Liu, Shunyu, et al.
Veröffentlicht: (2022)

A2PO: Towards Effective Offline Reinforcement Learning from an Advantage-aware Perspective
von: Qing, Yunpeng, et al.
Veröffentlicht: (2024)

Temporal Prototype-Aware Learning for Active Voltage Control on Power Distribution Networks
von: Xu, Feiyang, et al.
Veröffentlicht: (2024)

A Survey on Explainable Reinforcement Learning: Concepts, Algorithms, Challenges
von: Qing, Yunpeng, et al.
Veröffentlicht: (2022)

Scaling Laws of Machine Learning for Optimal Power Flow
von: Liu, Xinyi, et al.
Veröffentlicht: (2026)

A SISA-based Machine Unlearning Framework for Power Transformer Inter-Turn Short-Circuit Fault Localization
von: Liu, Nanhong, et al.
Veröffentlicht: (2026)

Ask-AC: An Initiative Advisor-in-the-Loop Actor-Critic Framework
von: Liu, Shunyu, et al.
Veröffentlicht: (2022)

From GNNs to Trees: Multi-Granular Interpretability for Graph Neural Networks
von: Yang, Jie, et al.
Veröffentlicht: (2025)

Learning a Mini-batch Graph Transformer via Two-stage Interaction Augmentation
von: Li, Wenda, et al.
Veröffentlicht: (2024)

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

Online Planning of Power Flows for Power Systems Against Bushfires Using Spatial Context
von: Xu, Jianyu, et al.
Veröffentlicht: (2024)

Inverse Chance Constrained Optimal Power Flow
von: Wang, Shenglu, et al.
Veröffentlicht: (2025)

Learning of Linear Dynamical Systems as a Non-Commutative Polynomial Optimization Problem
von: Zhou, Quan, et al.
Veröffentlicht: (2020)

A Link-Based Flow Model with Turn-Level Queue Transmission and Time-Varying Free-Flow Speed for Urban Road Networks
von: Wei, Lei, et al.
Veröffentlicht: (2023)

Beyond the Neural Fog: Interpretable Learning for AC Optimal Power Flow
von: Pineda, Salvador, et al.
Veröffentlicht: (2024)

Learning the Optimal Power Flow: Environment Design Matters
von: Wolgast, Thomas, et al.
Veröffentlicht: (2024)

Unveiling Global Interactive Patterns across Graphs: Towards Interpretable Graph Neural Networks
von: Wang, Yuwen, et al.
Veröffentlicht: (2024)

Reduced Optimal Power Flow Using Graph Neural Network
von: Pham, Thuan, et al.
Veröffentlicht: (2022)

BOOST-RPF: Boosted Sequential Trees for Radial Power Flow
von: Okoyomon, Ehimare, et al.
Veröffentlicht: (2026)

gridfm-datakit-v1: A Python Library for Scalable and Realistic Power Flow and Optimal Power Flow Data Generation
von: Puech, Alban, et al.
Veröffentlicht: (2025)

Discrete-time Contraction-based Control of Nonlinear Systems with Parametric Uncertainties using Neural Networks
von: Wei, Lai, et al.
Veröffentlicht: (2021)

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

Power Flow Approximations for Multiphase Distribution Networks using Gaussian Processes
von: Glover, Daniel, et al.
Veröffentlicht: (2025)

Graph Neural Network-Accelerated Network-Reconfigured Optimal Power Flow
von: Pham, Thuan, et al.
Veröffentlicht: (2024)

PowerFlowNet: Power Flow Approximation Using Message Passing Graph Neural Networks
von: Lin, Nan, et al.
Veröffentlicht: (2023)

Learning Power Flow with Confidence: A Probabilistic Guarantee Framework for Voltage Risk
von: Pareek, Parikshit, et al.
Veröffentlicht: (2023)

Residual Correction Models for AC Optimal Power Flow Using DC Optimal Power Flow Solutions
von: Za'ter, Muhy Eddin, et al.
Veröffentlicht: (2025)

Machine Learning and Deep Learning Models for Short Term Electricity Price Forecasting in Australia's National Electricity Market
von: Lu, Wei, et al.
Veröffentlicht: (2026)

Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models
von: Lyu, Qing, et al.
Veröffentlicht: (2026)

PGLearn -- An Open-Source Learning Toolkit for Optimal Power Flow
von: Klamkin, Michael, et al.
Veröffentlicht: (2025)

Optimal Sensor Placement in Power Transformers Using Physics-Informed Neural Networks
von: Li, Sirui, et al.
Veröffentlicht: (2025)

N-1 Reduced Optimal Power Flow Using Augmented Hierarchical Graph Neural Network
von: Pham, Thuan, et al.
Veröffentlicht: (2024)

PowerFlowMultiNet: Multigraph Neural Networks for Unbalanced Three-Phase Distribution Systems
von: Ghamizi, Salah, et al.
Veröffentlicht: (2024)

An Efficient Learning-Based Solver for Two-Stage DC Optimal Power Flow with Feasibility Guarantees
von: Zhang, Ling, et al.
Veröffentlicht: (2023)

Transformer-Based Power Optimization for Max-Min Fairness in Cell-Free Massive MIMO
von: Chafaa, Irched, et al.
Veröffentlicht: (2025)

Quantum Neural Networks for Power Flow Analysis
von: Kaseb, Zeynab, et al.
Veröffentlicht: (2023)

Tight Constraint Prediction of Six-Degree-of-Freedom Transformer-based Powered Descent Guidance
von: Briden, Julia, et al.
Veröffentlicht: (2025)

Marginalize, Rather than Impute: Probabilistic Wind Power Forecasting with Incomplete Data
von: Wen, Honglin, et al.
Veröffentlicht: (2024)