找到 2 条结果
物理增强辅助学习在电力系统暂态稳定评估中的应用
Physics-Augmented Auxiliary Learning for Power System Transient Stability Assessment
Chao Shen · Ke Zuo · Mingyang Sun · IEEE Transactions on Industrial Informatics · 2025年6月
数据驱动的暂态稳定评估（TSA）方法已被证明在应对可再生能源快速融入电力系统所带来的安全挑战方面是有效的。然而，这些方法通常面临训练成本高、物理一致性不足以及泛化能力有限的问题。为解决这些局限性，本文提出了一种用于暂态稳定评估的物理增强辅助学习（PA - AL）框架，该框架在多门控专家混合模型中实现，并采用物理信息范式进行端到端的稳定裕度预测。与传统的基于物理信息神经网络的方法不同，后者依赖于易产生累积误差的转子角度轨迹预测，而PA - AL通过整合辅助电气速度预测来嵌入物理定律。所提出的PA ...
解读: 从阳光电源的业务视角来看，这项基于物理增强辅助学习的暂态稳定评估技术具有重要的战略价值。随着公司光伏逆变器和储能系统大规模接入电网，新能源高渗透率带来的电力系统稳定性挑战日益突出，该技术为解决这一核心问题提供了创新路径。 该研究的核心价值在于将物理机理与数据驱动方法深度融合，通过嵌入摆动方程等物理...
网络攻击预测：从传统机器学习到生成式人工智能
Cyber Attack Prediction: From Traditional Machine Learning to Generative Artificial Intelligence
Shilpa Ankalaki · Aparna Rajesh Atmakuri · M. Pallavi · Geetabai S Hukkeri 等6人 · IEEE Access · 2025年1月
网络威胁日益复杂对个人、组织和国家构成重大风险。网络犯罪包括黑客攻击和数据泄露,具有严重经济和社会后果。传统安全解决方案难以应对不断演变的威胁态势。人工智能AI提供强大技术来应对这些挑战。本文探讨AI方法包括机器学习ML、深度学习DL、自然语言处理NLP、可解释AI和生成式AI在解决各种网络安全问题中的应用。关键贡献包括:1)ML和DL方法对比研究,评估准确性、适用性和各种网络安全挑战的适用性;2)可解释AI方法研究,增强AI安全解决方案的透明度和可解释性;3)生成式AI和NLP新兴趋势探索,检...
解读: 该网络安全AI技术对阳光电源iSolarCloud平台和智能设备安全防护有重要参考价值。阳光云平台连接海量光伏储能设备,面临网络攻击威胁。生成式AI和机器学习方法可应用于阳光平台的入侵检测和异常行为识别。可解释AI技术可提升阳光安全系统的透明度,辅助安全运维决策。威胁情报生成和攻击模拟方法对阳光安全...