Verified physics-aware machine learning to transform non-linear power system stability and optimization

Projektinformationen

VeriPhIED

ID Finanzhilfevereinbarung: 949899

DOI

10.3030/949899

EK-Unterschriftsdatum 25 August 2020

Startdatum 1 Mai 2022

Enddatum 30 April 2027

Finanziert unter

• EXCELLENT SCIENCE - European Research Council (ERC)

Gesamtkosten

€ 1 499 183,00

EU-Beitrag

€ 1 499 183,00

Koordiniert durch

DANMARKS TEKNISKE UNIVERSITET
Denmark

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Leistungen

Open Research Data Pilot (1)

Data Management Plan (DMP)

Participation in the Open Research Data Pilot

Veröffentlichungen

Peer reviewed articles (10)

Bayesian Physics-informed Neural Networks for system identification of inverter-dominated power systems

Autoren: Simon Stock, Davood Babazadeh, Christian Becker, Spyros Chatzivasileiadis
Veröffentlicht in: Electric Power Systems Research, Ausgabe 235, 2024, Seite(n) 110860, ISSN 0378-7796
Herausgeber: Elsevier BV
DOI: 10.1016/j.epsr.2024.110860

Learning Active Constraints to Efficiently Solve Linear Bilevel Problems: Application to the Generator Strategic Bidding Problem

Autoren: Eléa Prat, Spyros Chatzivasileiadis
Veröffentlicht in: IEEE Transactions on Power Systems, Ausgabe 38, 2024, Seite(n) 2376-2387, ISSN 0885-8950
Herausgeber: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tpwrs.2022.3188432

Machine Learning in Power Systems: Is It Time to Trust It?

Autoren: Spyros Chatzivasileiadis, Andreas Venzke, Jochen Stiasny, Georgios Misyris
Veröffentlicht in: IEEE Power and Energy Magazine, Ausgabe 20, 2022, Seite(n) 32-41, ISSN 1540-7977
Herausgeber: Institute of Electrical and Electronics Engineers
DOI: 10.1109/mpe.2022.3150810

Modeling the AC power flow equations with optimally compact neural networks: Application to unit commitment

Autoren: Alyssa Kody, Samuel Chevalier, Spyros Chatzivasileiadis, Daniel Molzahn
Veröffentlicht in: Electric Power Systems Research, Ausgabe 213, 2024, Seite(n) 108282, ISSN 0378-7796
Herausgeber: Elsevier BV
DOI: 10.1016/j.epsr.2022.108282

PINNSim: A simulator for power system dynamics based on Physics-Informed Neural Networks

Autoren: Jochen Stiasny, Baosen Zhang, Spyros Chatzivasileiadis
Veröffentlicht in: Electric Power Systems Research, Ausgabe 235, 2024, Seite(n) 110796, ISSN 0378-7796
Herausgeber: Elsevier BV
DOI: 10.1016/j.epsr.2024.110796

Can Machine Learning Help Keep the System Secure?: Power Systems and Change Addressing the Increasing Complexity and Uncertainty During the Energy Transition

Autoren: Panagiotis N. Papadopoulos, Spyros Chatzivasileiadis, Antoine Marot
Veröffentlicht in: IEEE Power and Energy Magazine, Ausgabe 22, 2024, Seite(n) 100-111, ISSN 1540-7977
Herausgeber: Institute of Electrical and Electronics Engineers
DOI: 10.1109/mpe.2024.3421388

On Machine Learning-Based Techniques for Future Sustainable and Resilient Energy Systems

Autoren: Jiawei Wang, Pierre Pinson, Spyros Chatzivasileiadis, Mathaios Panteli, Goran Strbac, Vladimir Terzija
Veröffentlicht in: IEEE Transactions on Sustainable Energy, Ausgabe 14, 2024, Seite(n) 1230-1243, ISSN 1949-3029
Herausgeber: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tste.2022.3194728

Physics-informed neural networks for phase locked loop transient stability assessment

Autoren: Rahul Nellikkath, Ilgiz Murzakhanov, Spyros Chatzivasileiadis, Andreas Venzke, Mohammad Kazem Bakhshizadeh
Veröffentlicht in: Electric Power Systems Research, Ausgabe 236, 2024, Seite(n) 110790, ISSN 0378-7796
Herausgeber: Elsevier BV
DOI: 10.1016/j.epsr.2024.110790

Physics-Informed Neural Networks for AC Optimal Power Flow

Autoren: Rahul Nellikkath, Spyros Chatzivasileiadis
Veröffentlicht in: Electric Power Systems Research, Ausgabe 212, 2024, Seite(n) 108412, ISSN 0378-7796
Herausgeber: Elsevier BV
DOI: 10.1016/j.epsr.2022.108412

Physics-informed neural networks for time-domain simulations: Accuracy, computational cost, and flexibility

Autoren: Jochen Stiasny, Spyros Chatzivasileiadis
Veröffentlicht in: Electric Power Systems Research, Ausgabe 224, 2024, Seite(n) 109748, ISSN 0378-7796
Herausgeber: Elsevier BV
DOI: 10.1016/j.epsr.2023.109748

Other (3)

A Dataset Generation Toolbox for Dynamic Security Assessment: On the Role of the Security Boundary

Autoren: Bastien Giraud, Lola Charles, Agnes Marjorie Nakiganda, Johanna Vorwerk, Spyros Chatzivasileiadis
Veröffentlicht in: 2025
Herausgeber: Working Paper
DOI: 10.48550/arxiv.2501.09513

Minimizing Worst-Case Violations of Neural Networks

Autoren: Nellikkath, Rahul; Chatzivasileiadis, Spyros
Veröffentlicht in: Ausgabe 2, 2022
Herausgeber: Working Paper
DOI: 10.48550/arxiv.2212.10930

Correctness Verification of Neural Networks Approximating Differential Equations

Autoren: Petros Ellinas, Rahul Nellikath, Ignasi Ventura, Jochen Stiasny, Spyros Chatzivasileiadis
Veröffentlicht in: Working Paper, 2024
Herausgeber: ArXiV
DOI: 10.48550/arxiv.2402.07621

Conference proceedings (8)

Enriching Neural Network Training Dataset to Improve Worst-Case Performance Guarantees

Autoren: Rahul Nellikkath, Spyros Chatzivasileiadis
Veröffentlicht in: 2023 IEEE Belgrade PowerTech, 2023, Seite(n) 1-6
Herausgeber: IEEE
DOI: 10.1109/powertech55446.2023.10202770

GPU-Accelerated Verification of Machine Learning Models for Power Systems

Autoren: Samuel Chevalier, Ilgiz Murzakhanov, Spyros Chatzivasileiadis
Veröffentlicht in: Proceedings of the 57th Hawaii International Conference on System Sciences, 2024
Herausgeber: IEEE

Bayesian Physics-Informed Neural Networks for Robust System Identification of Power Systems

Autoren: Simon Stock, Jochen Stiasny, Davood Babazadeh, Christian Becker, Spyros Chatzivasileiadis
Veröffentlicht in: 2023 IEEE Belgrade PowerTech, 2023, Seite(n) 1-6
Herausgeber: IEEE
DOI: 10.1109/powertech55446.2023.10202692

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

Autoren: Vladimir Dvorkin, Samuel Chevalier, Spyros Chatzivasileiadis
Veröffentlicht in: 2023 62nd IEEE Conference on Decision and Control (CDC), 2024, Seite(n) 1575-1579
Herausgeber: IEEE
DOI: 10.1109/cdc49753.2023.10383948

Closing the Loop: A Framework for Trustworthy Machine Learning in Power Systems

Autoren: Stiasny, Jochen; Chevalier, Samuel; Nellikkath, Rahul; Sævarsson, Brynjar; Chatzivasileiadis, Spyros
Veröffentlicht in: 2022 iREP Symposium - Bulk Power System Dynamics and Control - XI (iREP), Ausgabe 4, 2022
Herausgeber: 11th Bulk Power Systems Dynamics and Control Symposium (IREP 2022)
DOI: 10.48550/arxiv.2203.07505

Neural Networks for Encoding Dynamic Security-Constrained Optimal Power Flow

Autoren: Murzakhanov, Ilgiz; Venzke, Andreas; Misyris, George S.; Chatzivasileiadis, Spyros
Veröffentlicht in: Proceedings of 11th Bulk Power Systems Dynamics and Control Symposium, Ausgabe 5, 2022
Herausgeber: IEEE
DOI: 10.48550/arxiv.2003.07939

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

Autoren: Robert I. Hamilton, Jochen Stiasny, Tabia Ahmad, Samuel Chevalier, Rahul Nellikkath, Ilgiz Murzakhanov, Spyros Chatzivasileiadis, Panagiotis N. Papadopoulos
Veröffentlicht in: Climate Change Workshop of the International Conference on Learning Representations (ICLR), 2024
Herausgeber: ICLR
DOI: 10.48550/arxiv.2209.05793

Accelerating Dynamical System Simulations with Contracting and Physics-Projected Neural-Newton Solvers

Autoren: Samuel Chevalier, Jochen Stiasny, Spyros Chatzivasileiadis
Veröffentlicht in: Proceedings of Machine Learning Research, Ausgabe vol 168, 2022, Seite(n) 1-14
Herausgeber: 4th Annual Conference on Learning for Dynamics and Control