arXiv · Machine Learning· Carmine Delle Femine, Leire Garin Atxaga, Asier Diaz-Iglesias, Juan Pablo Maroto Herrera, Ane Miren Florez-Tapia, Marco Quartulli, Izaro Goienetxea Urkizu·· 13 小时前AI 评分37
用于潮流计算的层次化 GNN：让物理规律塑造层次结构
Hierarchical GNNs for power flow: letting physics shape the hierarchy
AI 导读
研究将层次化潜在通信模块用于 GENCO 的潮流校正网络，通过两个缩减图传递信息，替代两步局部校正。Kron 方案在三种训练拓扑上的宏观家族平衡电压误差为 0.851±0.110，较训练解拟合的逐母线均值基准低 51.3%，较 Quotient 低 31.0%。但在两种未见拓扑上，当前模型经校准迁移仍未优于该基准。
来源：arXiv · Machine Learning · arxiv.org