OPF-Learn: An Open-Source Framework for Creating Representative AC Optimal Power Flow Datasets
OPF-Learn: An Open-Source Framework for Creating Representative AC Optimal Power Flow Datasets
复制标题
OPF-Learn：用于创建代表性交流最佳潮流数据集的开源框架
DOI：
10.1109/isgt50606.2022.9817509
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Zamzam, Ahmed S.
中科院分区：
文献类型：
--
作者：
Joswig-Jones, Trager;Baker, Kyri;Zamzam, Ahmed S.
登录
查看更多内容
树形网络上的 AC 可行性是 NP 难的
影响因子：
6.6
作者：
Karsten Lehmann;Alban Grastien;Pascal Van Hentenryck
通讯作者：
Pascal Van Hentenryck
交流最佳潮流的学习增强方法
DOI：
10.1016/j.ijepes.2021.106908
发表时间：
2021
影响因子：
5.2
作者：
Jubeyer Rahman;C. Feng;J. Zhang
通讯作者：
J. Zhang
学习交流最佳功率流的热启动点
DOI：
10.1109/mlsp.2019.8918690
发表时间：
2019
期刊：
2019 IEEE 29th International Workshop on Machine Learning for Signal Processing (MLSP)
影响因子：
--
作者：
K. Baker
通讯作者：
K. Baker
PowerModels.J1：用于探索潮流公式的开源框架
DOI：
--
发表时间：
2017
期刊：
Power Systems Computation Conference
影响因子：
--
作者：
Carleton Coffrin;R. Bent;K. Sundar;Yeesian Ng;Miles Lubin
通讯作者：
Miles Lubin
DeepOPF-V：高效解决AC-OPF问题
影响因子：
6.6
作者：
Huang, Wanjun;Pan, Xiang;Chen, Minghua;Low, Steven H.
通讯作者：
Low, Steven H.