Buchumschlag

PowerGraph: A power grid benchmark dataset for graph neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Varbella, Anna, Amara, Kenza, Gjorgiev, Blazhe, El-Assady, Mennatallah, Sansavini, Giovanni
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

Physics-Informed GNN for non-linear constrained optimization: PINCO a solver for the AC-optimal power flow
von: Varbella, Anna, et al.
Veröffentlicht: (2024)

Power Reserve Capacity from Virtual Power Plants with Reliability and Cost Guarantees
von: Zapparoli, Lorenzo, et al.
Veröffentlicht: (2025)

A day-ahead market model for power systems: benchmarking and security implications
von: Stankovski, Andrej, et al.
Veröffentlicht: (2026)

Efficient Multi-Market Scheduling of Virtual Power Plants via Spectral Representation of Uncertainty
von: Zapparoli, Lorenzo, et al.
Veröffentlicht: (2026)

Optimal Duration of Reserve Capacity Ancillary Services for Distributed Energy Resources
von: Zapparoli, Lorenzo, et al.
Veröffentlicht: (2025)

Risk-Aware Multi-Market Scheduling of Virtual Power Plants with Dynamic Network Tariffs
von: Zapparoli, Lorenzo, et al.
Veröffentlicht: (2026)

Multi-level informed optimization via decomposed Kriging for large design problems under uncertainty
von: Ampellio, Enrico, et al.
Veröffentlicht: (2025)

Wasserstein-based Kernel Principal Component Analysis for Clustering Applications
von: Oneto, Alfredo, et al.
Veröffentlicht: (2025)

Future Deployment and Flexibility of Distributed Energy Resources in the Distribution Grids of Switzerland
von: Zapparoli, Lorenzo, et al.
Veröffentlicht: (2025)

Graph neural networks for power grid operational risk assessment under evolving grid topology
von: Zhang, Yadong, et al.
Veröffentlicht: (2024)

Operational risk quantification of power grids using graph neural network surrogates of the DC OPF
von: Zhang, Yadong, et al.
Veröffentlicht: (2023)

Enhanced physics-informed neural networks (PINNs) for high-order power grid dynamics
von: Nair, Vineet Jagadeesan
Veröffentlicht: (2024)

An Improved Anomaly Detection Model for Automated Inspection of Power Line Insulators
von: Das, Laya, et al.
Veröffentlicht: (2023)

Generating adversarial inputs for a graph neural network model of AC power flow
von: Parker, Robert
Veröffentlicht: (2026)

The impact of sensor placement on graph-neural-network-based leakage detection
von: van Gemert, J. J. H., et al.
Veröffentlicht: (2026)

Probabilistic forecasting of power system imbalance using neural network-based ensembles
von: Van Gompel, Jonas, et al.
Veröffentlicht: (2024)

Shape error prediction in 5-axis machining using graph neural networks
von: Huuk, Julia, et al.
Veröffentlicht: (2024)

SyntaxShap: Syntax-aware Explainability Method for Text Generation
von: Amara, Kenza, et al.
Veröffentlicht: (2024)

Challenges and Opportunities in Text Generation Explainability
von: Amara, Kenza, et al.
Veröffentlicht: (2024)

Concept-Level Explainability for Auditing & Steering LLM Responses
von: Amara, Kenza, et al.
Veröffentlicht: (2025)

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)

Foundation Models for the Electric Power Grid
von: Hamann, Hendrik F., et al.
Veröffentlicht: (2024)

Novel application of Relief Algorithm in cascaded artificial neural network to predict wind speed for wind power resource assessment in India
von: Malik, Hasmat, et al.
Veröffentlicht: (2024)

Control of dynamical systems with neural networks
von: Böttcher, Lucas
Veröffentlicht: (2025)

On zero-shot learning in neural state estimation of power distribution systems
von: Berezin, Aleksandr, et al.
Veröffentlicht: (2024)

Reliably-stabilizing piecewise-affine neural network controllers
von: Fabiani, Filippo, et al.
Veröffentlicht: (2021)

Complex-Value Spatio-temporal Graph Convolutional Neural Networks and its Applications to Electric Power Systems AI
von: Wu, Tong, et al.
Veröffentlicht: (2022)

Improved uncertainty quantification for neural networks with Bayesian last layer
von: Fiedler, Felix, et al.
Veröffentlicht: (2023)

Topology-Aware Reinforcement Learning over Graphs for Resilient Power Distribution Networks
von: Jacob, Roshni Anna, et al.
Veröffentlicht: (2026)

Fault Detection for agents on power grid topology optimization: A Comprehensive analysis
von: Lehna, Malte, et al.
Veröffentlicht: (2024)

A neural network-based approach to hybrid systems identification for control
von: Fabiani, Filippo, et al.
Veröffentlicht: (2024)

Tuning the burn-in phase in training recurrent neural networks improves their performance
von: Schiller, Julian D., et al.
Veröffentlicht: (2026)

Controlled oscillation modeling using port-Hamiltonian neural networks
von: Linares, Maximino, et al.
Veröffentlicht: (2026)

Identifying the nonlinear string dynamics with port-Hamiltonian neural networks
von: Linares, Maximino, et al.
Veröffentlicht: (2026)

Large width penalization for neural network-based prediction interval estimation
von: Amnuaypongsa, Worachit, et al.
Veröffentlicht: (2024)

Approximate non-linear model predictive control with safety-augmented neural networks
von: Hose, Henrik, et al.
Veröffentlicht: (2023)

Efficient model predictive control for nonlinear systems modelled by deep neural networks
von: Lan, Jianglin
Veröffentlicht: (2024)

HARDCORE: H-field and power loss estimation for arbitrary waveforms with residual, dilated convolutional neural networks in ferrite cores
von: Kirchgässner, Wilhelm, et al.
Veröffentlicht: (2024)

Deep multitask neural networks for solving some stochastic optimal control problems
von: Yeo, Christian
Veröffentlicht: (2024)

Building a temperature forecasting model for the city with the regression neural network (RNN)
von: Tran, Nguyen Phuc, et al.
Veröffentlicht: (2024)