.png){kind=icon}
返回
Data-physics joint-driven N-k static security assessment with higher-order graph convolution model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijepes.2025.111128.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 一种混合数据-物理方案能够在局部扰动后实现鲁棒性的N-k安全评估。
• 多跳图卷积能够高效捕捉长链电力潮流转移模式。
• 分支级特征嵌入能够实现精确的电力潮流预测。
• 基于基尔霍夫约束的滤波在多样化场景下提升了预测可靠性。
Keyword:
Data-physical joint-driven N-k static security assessment (N-k DPSSA)
Graph convolution network with multi-hop perception (MPGCN)
Kirchhoff discriminator (KD)
Power flow transfer feature modeling
Prediction robustness
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
5
论文数:
1.1W
被引数:
3.1W
机构
引用论文
Liao W, Bak-Jensen B, Pillai J R, et al. A review of graph neural networks and their applications in power systems[J]. Journal of Modern Power Systems and Clean Energy, 2021, 10(2): 345-360.廖伟（Liao W），Bak-Jensen B，Pillai J R，等. 图神经网络及其在电力系统中的应用综述[J]. 现代电力系统与清洁能源杂志，2021，10(2): 345-360..png)
IF0
PREAI
分享收藏GPU-Based N-1 Static Security Analysis Algorithm With Preconditioned Conjugate Gradient MethodIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Phosphine-Catalyzed[4+1] Annulation of Salicyl Imines with Maleimides and Synthesis of Spiro[benzofuran-2,3'-pyrrolidine] Derivatives膦催化水杨醛亚胺与马来酰亚胺的[4+1]环加成反应及螺[苯并呋喃-2,3'-吡咯烷]衍生物的合成
OAAI
OAAI分享收藏分享收藏
查看更多内容