Buchumschlag

Residual Power Flow for Neural Solvers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stiasny, Jochen, Cremer, Jochen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Systems and Control Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PINNSim: A Simulator for Power System Dynamics based on Physics-Informed Neural Networks
von: Stiasny, Jochen, et al.
Veröffentlicht: (2023)

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

Sensitivity Quantification for Distribution System State Estimation
von: Mamudi, Betül, et al.
Veröffentlicht: (2026)

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

Multi-Objective Reinforcement Learning for Power Grid Topology Control
von: Lautenbacher, Thomas, et al.
Veröffentlicht: (2025)

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

Neural Substitute Solver for Efficient Edge Inference of Power Electronic Hybrid Dynamics
von: Zheng, Jialin, et al.
Veröffentlicht: (2025)

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

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

Assessing Maintenance of Medium Voltage Cable Networks Under Time-Varying Loading
von: Cremer, Jochen Lorenz
Veröffentlicht: (2026)

DiffOPF: Diffusion Solver for Optimal Power Flow
von: Hoseinpour, Milad, et al.
Veröffentlicht: (2025)

Universal Approximation Power of Deep Residual Neural Networks via Nonlinear Control Theory
von: Tabuada, Paulo, et al.
Veröffentlicht: (2020)

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

Towards Generalization of Graph Neural Networks for AC Optimal Power Flow
von: Arowolo, Olayiwola, et al.
Veröffentlicht: (2025)

Customising Electricity Contracts at Scale with Large Language Models
von: Cremer, Jochen L.
Veröffentlicht: (2025)

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

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

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

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

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)

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

Security-Constrained Substation Reconfiguration Considering Busbar and Coupler Contingencies
von: Rajaei, Ali, et al.
Veröffentlicht: (2026)

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

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)

Constraints and Variables Reduction for Optimal Power Flow Using Hierarchical Graph Neural Networks with Virtual Node-Splitting
von: Pham, Thuan, et al.
Veröffentlicht: (2024)

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

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)

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

Powerformer: A Section-adaptive Transformer for Power Flow Adjustment
von: Chen, Kaixuan, et al.
Veröffentlicht: (2024)

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

Quantitative Flow Approximation Properties of Narrow Neural ODEs
von: Elamvazhuthi, Karthik
Veröffentlicht: (2025)

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

Dynamical Measure Transport and Neural PDE Solvers for Sampling
von: Sun, Jingtong, et al.
Veröffentlicht: (2024)

Residual Neural Terminal Constraint for MPC-based Collision Avoidance in Dynamic Environments
von: Derajić, Bojan, et al.
Veröffentlicht: (2025)

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

Power Failure Cascade Prediction using Graph Neural Networks
von: Chadaga, Sathwik, et al.
Veröffentlicht: (2024)

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

Physics-Informed Neural Networks for Accelerating Power System State Estimation
von: Falas, Solon, et al.
Veröffentlicht: (2023)