Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Stromnetz”
Forschung

<h1>Benchmark: Kein Modell ist immer das Beste für US-Stromnetz-Vorhersagen</h1> <p>Die Auswahl des passenden Deep‑Learning‑Modells für die Vorhersage von Stromnetzlasten bleibt eine Herausforderung, weil die Leistung stark von den verfügbaren Daten abhängt. In einer neuen Studie wurden fünf moderne Architekturen systematisch miteinander verglichen.</p> <p>Zu den getesteten Modellen gehören zwei State‑Space‑Modelle (PowerMamba und S‑Mamba), zwei Transformer‑Varianten (iTransformer und PatchTST) sowie ein kl

arXiv – cs.LG
Forschung

<p>PINN-basierte RL beschleunigt Energieoptimierung in Smart Grids um 50 %</p> <p>Die Steuerung des Energieverbrauchs in modernen Stromnetzen ist wegen der engen Wechselwirkungen zwischen den einzelnen Komponenten ein komplexes Problem. Reinforcement Learning (RL) wurde bereits als Ansatz zur Lösung von Optimal Power Flow (OPF)-Aufgaben vorgeschlagen, doch die Notwendigkeit, wiederholt mit einer Umgebung zu interagieren, erfordert oft aufwändige Simulationsmodelle, die die Trainingszeit stark verlängern und

arXiv – cs.LG
Forschung

<h1>Neues Forschungsprojekt vergleicht KI-Modelle zur Vorhersage von EV‑Ladebedarf</h1> <p>Mit der rasanten Verbreitung von Elektrofahrzeugen wächst die Sorge, dass deren Ladeverhalten die Stromnetze stark beeinflussen könnte. Um dieser Herausforderung zu begegnen, ist die präzise Vorhersage des Ladebedarfs von entscheidender Bedeutung.</p> <p>In einer ersten systematischen Untersuchung wurden fünf Zeitreihenmodelle – von klassischen statistischen Verfahren bis hin zu modernen Machine‑Learning- und Deep‑Lea

arXiv – cs.LG