.png){kind=icon}
返回
Machine learning-accelerated distributed optimisation methods for optimal power flow: A review
.png){kind=icon}
PRE
AI
DOI：10.1016/j.rser.2025.116190.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们回顾了分布式优化与机器学习在OPF中的交叉领域。
• 机器学习可以加速分布式优化的收敛。
• 分布式优化可以确保机器学习输出的可行性。
• 在可行且易处理的OPF方面，该领域具有巨大的创新潜力。
Keyword:
distributed optimisation
machine learning
optimal power flow
convergence acceleration
feasibility guarantees
期刊
IF:
16.3
论文数:
1.6W
被引数:
18.5W
机构
引用论文
分享收藏Optimal Power Flow Using Graph Neural Networks.png)
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
OAAI
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
OAAI分享收藏Experiments with the interior-point method for solving large scale Optimal Power Flow problems用内点法求解大规模最优潮流问题的实验OAAI
OAAI分享收藏
查看更多内容