Buchumschlag

Domain Consistent Industrial Decarbonisation of Global Coal Power Plants

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ashraf, Waqar Muhammad, Dua, Vivek, Debnath, Ramit
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Neural Network-enabled Domain-consistent Robust Optimisation for Global CO$_2$ Reduction Potential of Gas Power Plants
von: Ashraf, Waqar Muhammad, et al.
Veröffentlicht: (2025)

Data-driven Bi-level Optimization of Thermal Power Systems with embedded Artificial Neural Networks
von: Ansar, Talha, et al.
Veröffentlicht: (2026)

Domain-Informed Operation Excellence of Gas Turbine System with Machine Learning
von: Ashraf, Waqar Muhammad, et al.
Veröffentlicht: (2025)

From drift to adaptation to the failed ml model: Transfer Learning in Industrial MLOps
von: Ashraf, Waqar Muhammad, et al.
Veröffentlicht: (2026)

A Safe Reinforcement Learning Algorithm for Supervisory Control of Power Plants
von: Sun, Yixuan, et al.
Veröffentlicht: (2024)

Machine Learning Infused Distributed Optimization for Coordinating Virtual Power Plant Assets
von: Li, Meiyi, et al.
Veröffentlicht: (2023)

Heterogeneous Graph Neural Networks for Short-term State Forecasting in Power Systems across Domains and Time Scales: A Hydroelectric Power Plant Case Study
von: Theiler, Raffael, et al.
Veröffentlicht: (2025)

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

Assessing Electricity Network Capacity Requirements for Industrial Decarbonisation in Great Britain
von: Gailani, Ahmed, et al.
Veröffentlicht: (2024)

A Concentration Bound for TD(0) with Function Approximation
von: Chandak, Siddharth, et al.
Veröffentlicht: (2023)

Multilayer GNN for Predictive Maintenance and Clustering in Power Grids
von: Kazim, Muhammad, et al.
Veröffentlicht: (2025)

Residual-based Attention Physics-informed Neural Networks for Spatio-Temporal Ageing Assessment of Transformers Operated in Renewable Power Plants
von: Ramirez, Ibai, et al.
Veröffentlicht: (2024)

Agentic AI for Intent-Based Industrial Automation
von: Romero, Marcos Lima, et al.
Veröffentlicht: (2025)

Reinforcement Learning in Non-Markovian Environments
von: Chandak, Siddharth, et al.
Veröffentlicht: (2022)

Multi-Objective Reinforcement Learning for Energy-Efficient Industrial Control
von: Schäfer, Georg, et al.
Veröffentlicht: (2025)

Intelligent Condition Monitoring of Industrial Plants: An Overview of Methodologies and Uncertainty Management Strategies
von: Ahang, Maryam, et al.
Veröffentlicht: (2024)

Interpolation Conditions for Data Consistency and Prediction in Noisy Linear Systems
von: Vanelli, Martina, et al.
Veröffentlicht: (2025)

Dynamic Load Model for Data Centers with Pattern-Consistent Calibration
von: Lu, Siyu, et al.
Veröffentlicht: (2026)

Finite Sample Frequency Domain Identification
von: Tsiamis, Anastasios, et al.
Veröffentlicht: (2024)

Learning Physically Consistent Lagrangian Control Models Without Acceleration Measurements
von: Laiche, Ibrahim, et al.
Veröffentlicht: (2025)

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

PyScrew: A Comprehensive Dataset Collection from Industrial Screw Driving Experiments
von: West, Nikolai, et al.
Veröffentlicht: (2025)

Policy Gradient for LQR with Domain Randomization
von: Fujinami, Tesshu, et al.
Veröffentlicht: (2025)

Towards Intrinsically Calibrated Uncertainty Quantification in Industrial Data-Driven Models via Diffusion Sampler
von: Ma, Yiran, et al.
Veröffentlicht: (2026)

Deep Learning-Based Weather-Related Power Outage Prediction with Socio-Economic and Power Infrastructure Data
von: Wang, Xuesong, et al.
Veröffentlicht: (2024)

Learning for Feasible Region on Coal Mine Virtual Power Plants with Imperfect Information
von: Huang, Hongxu, et al.
Veröffentlicht: (2025)

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

State and Action Factorization in Power Grids
von: Losapio, Gianvito, et al.
Veröffentlicht: (2024)

Domain Adaptation of Drag Reduction Policy to Partial Measurements
von: Plaksin, Anton, et al.
Veröffentlicht: (2025)

PowerMamba: A Deep State Space Model and Comprehensive Benchmark for Time Series Prediction in Electric Power Systems
von: Menati, Ali, et al.
Veröffentlicht: (2024)

Graph Neural Networks in Wind Power Forecasting
von: Castellano, Javier, et al.
Veröffentlicht: (2025)

Contingency Analysis of a Grid of Connected EVs for Primary Frequency Control of an Industrial Microgrid Using Efficient Control Scheme
von: Sabhahit, J. N., et al.
Veröffentlicht: (2024)

AoI-Aware Task Offloading and Transmission Optimization for Industrial IoT Networks: A Branching Deep Reinforcement Learning Approach
von: Chen, Yuang, et al.
Veröffentlicht: (2025)

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

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

Active Learning of Dynamics Using Prior Domain Knowledge in the Sampling Process
von: Miller, Kevin S., et al.
Veröffentlicht: (2024)

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

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

Transferable Deployment of Semantic Edge Inference Systems via Unsupervised Domain Adaption
von: Jiao, Weiqiang, et al.
Veröffentlicht: (2025)

Quantum-Enhanced Reinforcement Learning for Power Grid Security Assessment
von: Peter, Benjamin M., et al.
Veröffentlicht: (2025)