.png){kind=icon}
返回
Explainable hybrid forecasting model for a 4-node smart grid stability
.png){kind=icon}
PRE
AI
DOI：10.1016/j.egyr.2025.04.039.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能电网（SGs）的4-节点架构通过区分运行特性来增强其稳定性和无中断电力分配。该架构包含1个发电节点和3个消费节点，以保持SGs的稳定性。然而，电网组件故障、电力分配不足或峰值需求可能导致4-节点架构失衡。为预测此类失衡对SG稳定性的影响，本文利用可解释人工智能（AI）和深度学习模型来验证由于上述缺陷导致的4-节点架构中的偏差。为此，本文计算并验证了组件运行率和需分配比率以计算偏差。深度学习模型训练可解释AI模型，以识别来自分配区间的潜在缺陷。利用深度学习模型的训练，评估4-节点架构的性能，以预测未来分配的电网稳定性。使用集成混合模型与EAI，在不同负载、峰值需求和设备性能下验证了4-节点架构的稳定性。所提出的模型在变化传播时段内提高了14.53%的预测精度，并将缺陷检测中的损失降低了13.41%。
Keyword:
4node architecture
Deep learning
Explainable AI
Smart grid
Stability forecast
期刊
M
IF:
13.8
论文数:
1.4K
被引数:
1.3K
机构
引用论文
Leveraging the power of machine learning and data balancing techniques to evaluate stability in smart grids利用机器学习与数据平衡技术评估智能电网的稳定性
PREAI
分享收藏Topology-Based Machine Learning: Predicting Power Line Communication Quality in Smart Grids.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Low computational cost convolutional neural network for smart grid frequency stability predictionINTERNET OF THINGS
OAAI
INTERNET OF THINGSIF7.6
OAAI分享收藏Transforming smart homes via P2P energy trading using robust forecasting and scheduling frameworkOAAI
OAAI分享收藏Optimizing IoT-driven smart grid stability prediction with dipper throated optimization algorithm for gradient boosting hyperparameters基于Dipper throated优化算法的梯度提升超参数优化，以提升物联网驱动的智能电网稳定性预测OAAI
OAAI分享收藏Advancements in intelligent cloud computing for power optimization and battery management in hybrid renewable energy systems: A comprehensive review混合可再生能源系统中用于电源优化和电池管理的智能云计算的进展: 综合评述OAAI
OAAI分享收藏Transfer-learning enabled adaptive framework for load forecasting under concept-drift challenges in smart-grids across different-generation-modalities基于迁移学习的、适应于概念漂移挑战的、跨不同世代模态的智能电网负荷预测自适应框架OAAI
OAAI分享收藏
查看更多内容