Fast Grid State Estimation for Power Networks: An Ensemble Machine Learning Approach
Shahoud, Shadi 1; Khalloof, Hatem 2; Khalouf, Ragheed 1; Düpmeier, Clemens 2; Cakmak, Huseyin K.
2; Forderer, Kevin
2; Hagenmeyer, Veit
2
1 Karlsruher Institut für Technologie (KIT)
2 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)
2; Forderer, Kevin
2; Hagenmeyer, Veit
21 Karlsruher Institut für Technologie (KIT)
2 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)
| Zugehörige Institution(en) am KIT | Institut für Automation und angewandte Informatik (IAI) |
| Publikationstyp | Proceedingsbeitrag |
| Publikationsjahr | 2022 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-1-66549-930-9 ISSN: 2575-2677, 2575-2693 KITopen-ID: 1000152049 |
| HGF-Programm | 37.12.02 (POF IV, LK 01) Design,Operation & Digitalization of the Future Energy Grids |
| Erschienen in | 2022 IEEE 10th International Conference on Smart Energy Grid Engineering (SEGE) |
| Veranstaltung | 10th IEEE International Conference on Smart Energy Grid Engineering (SEGE 2022), Oshawa, Kanada, 10.08.2022 – 12.08.2022 |
| Verlag | Institute of Electrical and Electronics Engineers (IEEE) |
| Seiten | 12–18 |
| Serie | IEEE International Conference on Smart Energy Grid Engineering (SEGE) |
| Vorab online veröffentlicht am | 19.09.2022 |
| Nachgewiesen in | Scopus OpenAlex Dimensions |
| Globale Ziele für nachhaltige Entwicklung |