Publication

Optimization and learning of load restoration strategies

Alain Germond
1996
Conference Papers

Résumé

This paper describes an application of optimization and machine learning to load restoration in a generation-transmission system. An optimization procedure, combining a genetic algorithm and a power system dynamic simulator, generates the appropriate sequence of operations for each state of the power system. A machine learning technique (induction of decision trees) is applied to extract decision criteria that will guide the load restoration after a generalised black-out. The paper also presents the results of applying these techniques to a power system of realistic size

Source officielle

https://infoscience.epfl.ch/entities/publication/def874ba-c512-4784-b618-0056030637f6

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Alain Germond
1996
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/def874ba-c512-4784-b618-0056030637f6

À propos de ce résultat

Concepts associés (32)

Apprentissage automatique

L'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.

Algorithme génétique

Les algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Les algorithmes génétiques utilisent la notion de sélection naturelle et l'appliquent à une population de solutions potentielles au problème donné.

Algorithme mémétique

Les algorithmes mémétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode de résolution pour résoudre le problème de manière exacte en un temps raisonnable. Les algorithmes mémétiques sont nés d'une hybridation entre les algorithmes génétiques et les algorithmes de recherche locale. Ils utilisent le même processus de résolution que les algorithmes génétiques mais utilisent un opérateur de recherche locale après celui de mutation.

Afficher plus

Publications associées (26)

Afficher plus

Optimization and learning of load restoration strategies

Chattez avec Graph Search

FairTree: Subgroup Fairness Auditing of Machine Learning Models with Bias-Variance Decomposition

Constrained Meta Reinforcement Learning with Provable Test-Time Safety

Predicting Autism Spectrum Disorder in Children Using Glowworm Optimization With Extreme Learning Machine Networks