Trust-ML: An Optimization-based Platform for Building Trust in Machine Learning Models used for Power Systems

Informacje na temat projektu

TRUST-ML

Identyfikator umowy o grant: 101066991

DOI

10.3030/101066991

Realizacja projektu zakończyła się 22 Stycznia 2024

Data podpisania przez KE 10 Czerwca 2022

Data rozpoczęcia 15 Czerwca 2022

Data zakończenia 14 Czerwca 2024

Finansowanie w ramach

• Marie Skłodowska-Curie Actions (MSCA)

Koszt całkowity

Brak danych

Wkład UE

€ 230 774,40

Koordynowany przez

DANMARKS TEKNISKE UNIVERSITET
Denmark

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Rezultaty

Data Management Plan (1)

Data Management Plan

The Data Management Plan describes the data management life cycle for all data sets that will be collected, processed or generated by the action. It is a document describing what data will be collected, processed or generated and following what methodology and standards, whether and how this data will be shared and/or made open, and how it will be curated and preserved.

Documents, reports (1)

Communication, Dissemination & Outreach Plan

The plan describes the planned measures to maximize the impact of the project, including the dissemination and exploitation measures that are planned, and the target group(s) addressed. Regarding communication measures and public engagement strategy, the aim is to inform and reach out to society and show the activities performed, and the use and the benefits the project will have for citizens.

Publikacje

Conference proceedings (6)

GPU-Accelerated Verification of Machine Learning Models for Power Systems

Autorzy: Chevalier, Samuel and Murzakhanov, Ilgiz and Chatzivasileiadis, Spyros
Opublikowane w: Proceedings of the 57th Hawaii International Conference on System Sciences, 2023
Wydawca: Proceedings of the 57th Hawaii International Conference on System Sciences
DOI: 10.48550/arXiv.2306.10617

Scalable Bilevel Optimization for Generating Maximally Representative OPF Datasets

Autorzy: Nadal, Ignasi Ventura; Chevalier, Samuel
Opublikowane w: ISGT Europe, 2023
Wydawca: ISGT Europe
DOI: 10.48550/arxiv.2304.10912

11th Bulk Power Systems Dynamics and Control Symposium

Autorzy: Jochen Stiasny, Samuel Chevalier, Rahul Nellikkath, Brynjar Sævarsson, Spyros Chatzivasileiadis
Opublikowane w: 11th Bulk Power Systems Dynamics and Control Symposium, 2022
Wydawca: 11th Bulk Power Systems Dynamics and Control Symposium
DOI: 10.48550/arXiv.2203.07505

Emission-Aware Optimization of Gas Networks: Input-Convex Neural Network Approach

Autorzy: Dvorkin, Vladimir; Chevalier, Samuel; Chatzivasileiadis, Spyros
Opublikowane w: Conference on Decision and Control, 2022
Wydawca: Conference on Decision and Control
DOI: 10.48550/arxiv.2209.08645

Optimization-Based Exploration of the Feasible Power Flow Space for Rapid Data Collection

Autorzy: Nadal, Ignasi Ventura; Chevalier, Samuel
Opublikowane w: Smart Grid Comm, 2022
Wydawca: Smart Grid Comm
DOI: 10.48550/arxiv.2206.12214

Towards Optimal Kron-based Reduction Of Networks (Opti-KRON) for the Electric Power Grid

Autorzy: Samuel Chevalier and Mads R. Almassalkhi
Opublikowane w: Conference on Decision and Control, 2022
Wydawca: Conference on Decision and Control
DOI: 10.48550/arXiv.2204.05554

Peer reviewed articles (2)

A Parallelized, Adam-Based Solver for Reserve and Security Constrained AC Unit Commitment

Autorzy: Chevalier, Samuel
Opublikowane w: EPSR, 2024, ISSN 1873-2046
Wydawca: EPSR
DOI: 10.48550/arxiv.2310.06650

IEEE Transactions on Industry Applications

Autorzy: Samuel Chevalier and Spyros Chatzivasileiadis
Opublikowane w: IEEE Industry Applications Society (Under Review), 2024, ISSN 0093-9994
Wydawca: Institute of Electrical and Electronics Engineers
DOI: 10.48550/arXiv.2211.07125

Monographic books (1)

Interpretable Machine Learning for Power Systems: Establishing Confidence in SHapley Additive exPlanations

Autorzy: Hamilton, Robert I.; Stiasny, Jochen; Ahmad, Tabia; Chevalier, Samuel; Nellikkath, Rahul; Murzakhanov, Ilgiz; Chatzivasileiadis, Spyros; Papadopoulos, Panagiotis N.
Opublikowane w: ICLR 2024, 2024
Wydawca: ICLR 2024
DOI: 10.48550/arxiv.2209.05793