인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
The increasing integration of renewable energy sources (RES) poses significant challenges to maintaining transient stability in modern power systems. Traditional time-domain simulations, though accurate, are computationally intensive and impractical for real-time assessment. Recent machine learning (ML) techniques offer faster alternatives by learning system behavior from historical or simulated data. However, most existing ML models focus solely on binary classification, predicting whether the system is stable or unstable, without providing quantitative indicators necessary for risk-informed operational decisions. This paper presents a structured technical briefing on the role of emerging ML techniques in enhancing transient stability assessment (TSA). It categorizes stateof-the-art approaches into classification-based and regression-based models, with an emphasis on recent advances, including physics-informed neural networks (PINNs), uncertainty-aware models, and spatiotemporal learning using graphbased architectures. Furthermore, it discusses the challenges of data scarcity, model generalization, and interpretability, and outlines future pathways toward trustworthy, real-time TSA solutions for resilient power systems.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093929115
