Buchumschlag

Machine-Learning Driven Load Shedding to Mitigate Instability Attacks in Power Grids

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tackett, Justin, Francis, Benjamin, Garcia, Luis, Grimsman, David, Warnick, Sean
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Generalized Singular Value Theory for Neural Networks
von: Brown, Brian Charles, et al.
Veröffentlicht: (2026)

Machine Learning for Scalable and Optimal Load Shedding Under Power System Contingency
von: Zhou, Yuqi, et al.
Veröffentlicht: (2024)

The Value of Graph-based Encoding in NBA Salary Prediction
von: Su, Junhao, et al.
Veröffentlicht: (2026)

Machine Learning for Campus Energy Resilience: Clustering and Time-Series Forecasting in Intelligent Load Shedding
von: Oyinlola, Salim, et al.
Veröffentlicht: (2025)

Optimizing Load Scheduling in Power Grids Using Reinforcement Learning and Markov Decision Processes
von: Luo, Dongwen
Veröffentlicht: (2024)

Load Forecasting in the Era of Smart Grids: Opportunities and Advanced Machine Learning Models
von: Maneshni, Aurausp
Veröffentlicht: (2025)

Unleashing the Power of Unlabeled Data: A Self-supervised Learning Framework for Cyber Attack Detection in Smart Grids
von: Zeng, Hanyu, et al.
Veröffentlicht: (2024)

Power Plays: Unleashing Machine Learning Magic in Smart Grids
von: Rashid, Abdur, et al.
Veröffentlicht: (2024)

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

Furina: Fragmented Uncertainty-Driven Refusal Instability Attack
von: Wu, Tongxi, et al.
Veröffentlicht: (2026)

RL2Grid: Benchmarking Reinforcement Learning in Power Grid Operations
von: Marchesini, Enrico, et al.
Veröffentlicht: (2025)

Anomaly Detection with Machine Learning Algorithms in Large-Scale Power Grids
von: Gillioz, Marc, et al.
Veröffentlicht: (2026)

An SVD-like Decomposition of Bounded-Input Bounded-Output Functions
von: Brown, Brian Charles, et al.
Veröffentlicht: (2024)

Redesigning Traffic Signs to Mitigate Machine-Learning Patch Attacks
von: Shua, Tsufit, et al.
Veröffentlicht: (2024)

Shedding Light on Problems with Hyperbolic Graph Learning
von: Katsman, Isay, et al.
Veröffentlicht: (2024)

Machine Learning for Physical Simulation Challenge Results and Retrospective Analysis: Power Grid Use Case
von: Leyli-Abadi, Milad, et al.
Veröffentlicht: (2025)

Prediction Instability in Machine Learning Ensembles
von: Kedziora, Jeremy
Veröffentlicht: (2024)

Privacy-Preserving Collaborative Split Learning Framework for Smart Grid Load Forecasting
von: Iqbal, Asif, et al.
Veröffentlicht: (2024)

Predicting Fault-Ride-Through Probability of Inverter-Dominated Power Grids using Machine Learning
von: Nauck, Christian, et al.
Veröffentlicht: (2024)

Bayesian Transformer for Probabilistic Load Forecasting in Smart Grids
von: Debnath, Sajib, et al.
Veröffentlicht: (2026)

Diagnostics for Individual-Level Prediction Instability in Machine Learning for Healthcare
von: Miller, Elizabeth W., et al.
Veröffentlicht: (2026)

Characterization and Mitigation of Training Instabilities in Microscaling Formats
von: Su, Huangyuan, et al.
Veröffentlicht: (2025)

Power Grid Control with Graph-Based Distributed Reinforcement Learning
von: Fabrizio, Carlo, et al.
Veröffentlicht: (2025)

Graph Reinforcement Learning for Power Grids: A Comprehensive Survey
von: Hassouna, Mohamed, et al.
Veröffentlicht: (2024)

Mitigating Paraphrase Attacks on Machine-Text Detectors via Paraphrase Inversion
von: Soto, Rafael Rivera, et al.
Veröffentlicht: (2024)

GShield: Mitigating Poisoning Attacks in Federated Learning
von: M., Sameera K., et al.
Veröffentlicht: (2025)

On the (In)Security of Loading Machine Learning Models
von: Digregorio, Gabriele, et al.
Veröffentlicht: (2025)

Identification and Mitigating Bias in Quantum Machine Learning
von: Swaminathan, Nandhini, et al.
Veröffentlicht: (2024)

CommonPower: A Framework for Safe Data-Driven Smart Grid Control
von: Eichelbeck, Michael, et al.
Veröffentlicht: (2024)

Preference Instability in Reward Models: Detection and Mitigation via Sparse Autoencoders
von: Liu, Shunchang, et al.
Veröffentlicht: (2026)

A Zero Trust Framework for Realization and Defense Against Generative AI Attacks in Power Grid
von: Munir, Md. Shirajum, et al.
Veröffentlicht: (2024)

Grid Games: The Power of Multiple Grids for Quantizing Large Language Models
von: Egiazarian, Vage, et al.
Veröffentlicht: (2026)

Electrical Load Forecasting in Smart Grid: A Personalized Federated Learning Approach
von: Rahman, Ratun, et al.
Veröffentlicht: (2024)

Anomaly Detection in Power Grids via Context-Agnostic Learning
von: Park, SangWoo, et al.
Veröffentlicht: (2024)

An Unsupervised Adversarial Autoencoder for Cyber Attack Detection in Power Distribution Grids
von: Zideh, Mehdi Jabbari, et al.
Veröffentlicht: (2024)

Mitigating Attrition: Data-Driven Approach Using Machine Learning and Data Engineering
von: Vijayan, Naveen Edapurath
Veröffentlicht: (2025)

Fairness in Machine Learning-based Hand Load Estimation: A Case Study on Load Carriage Tasks
von: Rahman, Arafat, et al.
Veröffentlicht: (2025)

Quantum Cognition Machine Learning for Forecasting Chromosomal Instability
von: Di Caro, Giuseppe, et al.
Veröffentlicht: (2025)

Machine Learning Architectures for the Estimation of Predicted Occupancy Grids in Road Traffic
von: Nadarajan, Parthasarathy, et al.
Veröffentlicht: (2025)

Data-Driven vs Traditional Approaches to Power Transformer's Top-Oil Temperature Estimation
von: Tembo, Francis, et al.
Veröffentlicht: (2025)