|
|
如何结合机器学习和电力系统？
关注者
78
被浏览
41,631
13 个回答
就我有限的知识来勉强谈谈。
机器学习（包括深度学习）在电力系统的应用，我觉得大体上可以考虑这三个方面：
- “传统的”机器学习（e.g., time series）、深度学习方法（including CNN, RNN and some others），比如序列分析、电压检测、高压线路巡检等；
2. 随机矩阵理论 （ Random Matrix Theory , RMT）在Smart Grid等方面的应用，比如贺兴、Robert Qiu（邱才明, IEEE Fellow）、张东霞等人的一系列工作，可以推荐阅读Qiu写作的专著《Smart Grid and Big Data： Theory and Practice》以进一步了解RMT在这一领域的运用；
3. Physics Informed Neural Networks (PINNs)
因为近一年多的研究，我对PINN以及带物理先验的神经网络系统设计比较熟悉，除了具体研究PINNs的理论扩展外，我还收集了它在几个相关领域的应用探索（后面有时间、有机会，会整理挂在网上）。具体来讲，PINN在电力系统的应用，最主要（甚至可以说是开端？）的工作就是从下面这篇文章开始
George S. Misyris, Andreas Venzke, and Spyros Chatzivasileiadis, Physics-informed neural networks for power systems , in 2020 IEEE PES General Meeting (PESGM), 2020. arXiv:1911.03737v3, 2020.
他们团队在近一两年来还进行了更多的探索和应用，例如
Jochen Stiasny, George S. Misyris, and Spyros Chatzivasileiadis, Physics-Informed Neural Networks for Non-linear System Identification for Power System Dynamics , in IEEE PES PowerTech, 2021. arXiv:2004.04026v2, 2020. pdf
更全面的相关文献材料可以阅读我为这一回答专门罗列的文章
刚刚翻了一下上面的回答，感谢上面有位 Star 同学的分享，这里我也将Spyros教授的主页放在下面，有很多Slides，大家感兴趣又没啥时间读论文的可以进去看看
当然需要 model driven，但问题是我个人了解 model driven 的方法，好几十年都没什么新进展了吧。
老师评职称要文章，学生要毕业，咋办呢，整点机器学习套上，旧瓶装新酒，完美。
仿真评估那些玩意儿，和真实的系统都对不上，别说现在模型可解释性极差，就算能解释也没人敢用啊。
留好运行安全裕度，才是最重要的，其他都是扯淡。