Buchumschlag

BOOST-RPF: Boosted Sequential Trees for Radial Power Flow

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Okoyomon, Ehimare, Goebel, Christoph
Format:	Preprint
Veröffentlicht:	2026
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 Inductive Biases for Voltage Prediction in Distribution Grids
von: Okoyomon, Ehimare, et al.
Veröffentlicht: (2025)

Exploring Variational Graph Autoencoders for Distribution Grid Data Generation
von: Abbas, Syed Zain, et al.
Veröffentlicht: (2025)

GenTL: A General Transfer Learning Model for Building Thermal Dynamics
von: Raisch, Fabian, et al.
Veröffentlicht: (2025)

Transfer Learning for Neural Parameter Estimation applied to Building RC Models
von: Raisch, Fabian, et al.
Veröffentlicht: (2026)

Adapting to Change: A Comparison of Continual and Transfer Learning for Modeling Building Thermal Dynamics under Concept Drifts
von: Raisch, Fabian, et al.
Veröffentlicht: (2025)

Counter-Dyna: Data-Efficient RL-Based HVAC Control using Counterfactual Building Models
von: de Vargas, Jan Marco Ruiz, et al.
Veröffentlicht: (2026)

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)

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)

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

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)

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)

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

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

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)

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)

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

Sequential QCQP for Bilevel Optimization with Line Search
von: Sharifi, Sina, et al.
Veröffentlicht: (2025)

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

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

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

Learning to Boost the Performance of Stable Nonlinear Systems
von: Furieri, Luca, et al.
Veröffentlicht: (2024)

Robust and Interpretable Graph Neural Networks for Power Systems State Estimation
von: Yaniv, Arbel, et al.
Veröffentlicht: (2026)

Constrained Diffusion Models for Synthesizing Representative Power Flow Datasets
von: Hoseinpour, Milad, et al.
Veröffentlicht: (2025)

Improving Sequential Market Coordination via Value-oriented Renewable Energy Forecasting
von: Zhang, Yufan, et al.
Veröffentlicht: (2024)

Time-Series-Informed Closed-loop Learning for Sequential Decision Making and Control
von: Hirt, Sebastian, et al.
Veröffentlicht: (2024)

Differentiable Optimization for Deep Learning-Enhanced DC Approximation of AC Optimal Power Flow
von: Rosemberg, Andrew, et al.
Veröffentlicht: (2025)

PowerModelsGAT-AI: Physics-Informed Graph Attention for Multi-System Power Flow with Continual Learning
von: Ezeakunne, Chidozie, et al.
Veröffentlicht: (2026)

Tree Meets Transformer: A Hybrid Architecture for Scalable Power Allocation in Cell-Free Networks
von: Chafaa, Irched, et al.
Veröffentlicht: (2025)

An Interpretable Power System Transient Stability Assessment Method with Expert Guiding Neural-Regression-Tree
von: Wang, Hanxuan, et al.
Veröffentlicht: (2024)

Learning AC Power Flow Solutions using a Data-Dependent Variational Quantum Circuit
von: Le, Thinh Viet, et al.
Veröffentlicht: (2025)

Sequential Modeling of Complex Marine Navigation: Case Study on a Passenger Vessel (Student Abstract)
von: Fan, Yimeng, et al.
Veröffentlicht: (2024)

Transfer Learning Assisted XgBoost For Adaptable Cyberattack Detection In Battery Packs
von: Ghosh, Sanchita, et al.
Veröffentlicht: (2025)

A General Approach of Automated Environment Design for Learning the Optimal Power Flow
von: Wolgast, Thomas, et al.
Veröffentlicht: (2025)