LEARNING
用于电力系统在线暂态稳定轨迹预测的因果结构动态图学习
Ibrahim Shahbaz, Omar Al-Refai, Isaac Lagoy, Ahmad Al-Khateeb, Sathvik Sankaranarayanan, Eman Hammad
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出因果动态网络表示（C-DNR）框架，融合基于测量的动态结构图和基于非线性因果发现的方向因果图，通过端到端边缘融合机制自适应加权，并利用门控循环单元（GRU）预测故障后轨迹。在IEEE 39节点系统上，该方法相比动态结构基线将自回归预测误差降低73%。
关键词
graph neural networktransient stabilitycausal discoverypower systemstrajectory prediction
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018