使用高斯过程进行电力流学习的图结构核设计

该论文提出了一种基于物理学的图结构核心，用于使用高斯过程（GP）进行电力流学习。该核心名为顶点度核心（VDK），它依赖于基于网络图或拓扑的电压注入关系的潜在分解。此外，还提出了一种新的网络滑动主动学习方案，以智能地选择顺序输入来加速 VDK 的学习。模拟实验表明，所提出的 VDK-GP 与中等规模的 500-Bus 和大规模的 1354-Bus 电力系统相比，样本复杂性减少了两倍以上。此外，该论文证明了该方法在分布转移测试数据集上的不确定性量化应用中的性能。