★ 2
PoSE：用流匹配学习先验的配电网贝叶斯状态估计
论文提出 PoSE 方法，仅用流匹配训练的神经网络学习变电站注入分布，潮流方程与拓扑只在采样阶段通过卡尔曼式修正引入。在 IEEE 33 节点馈线上 CRPS 降低 6.7-7.5%，90% 区间覆盖率接近精确后验。240 节点不平衡三相馈线上各项误差最低，快速版本单快照耗时 0.2-0.6 秒。
arXiv cs.LG6 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 PoSE 方法，仅用流匹配训练的神经网络学习变电站注入分布，潮流方程与拓扑只在采样阶段通过卡尔曼式修正引入。在 IEEE 33 节点馈线上 CRPS 降低 6.7-7.5%，90% 区间覆盖率接近精确后验。240 节点不平衡三相馈线上各项误差最低，快速版本单快照耗时 0.2-0.6 秒。