Non-parametric probabilistic load flow using Gaussian process learning
The load flow problem is fundamental to characterize the equilibrium behavior of a power system. Uncertain power injections such as those due to demand variations and intermittent renewable resources will change the system's equilibrium unexpectedly, and thus potentially jeopardizing the system...
محفوظ في:
المؤلفون الرئيسيون: | Pareek, Parikshit, Wang, Chuan, Nguyen, Hung Dinh |
---|---|
مؤلفون آخرون: | School of Electrical and Electronic Engineering |
التنسيق: | مقال |
اللغة: | English |
منشور في: |
2021
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/150720 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
المؤسسة: | Nanyang Technological University |
اللغة: | English |
مواد مشابهة
-
Probabilistic robust small-signal stability framework using gaussian process learning
بواسطة: Pareek, Parikshit, وآخرون
منشور في: (2021) -
A framework for analytical power flow solution using Gaussian process learning
بواسطة: Pareek, Parikshit, وآخرون
منشور في: (2021) -
Optimal steady-state voltage control using Gaussian process learning
بواسطة: Pareek, Parikshit, وآخرون
منشور في: (2021) -
Non-parametric joint chance-constrained OPF via maximum mean discrepancy penalization
بواسطة: Pareek, Parikshit, وآخرون
منشور في: (2022) -
Gaussian Process Learning-based Probabilistic Optimal Power Flow
بواسطة: Pareek, Parikshit, وآخرون
منشور في: (2021)