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

Informations projet

VeriPhIED

N° de convention de subvention: 949899

DOI 10.3030/949899

Date de signature de la CE 25 Août 2020

Date de début 1 Mai 2022

Date de fin 30 Avril 2027

Financé au titre de

• EXCELLENT SCIENCE - European Research Council (ERC)

Coût total € 1 499 183,00

Contribution de l’UE € 1 499 183,00

Coordonné par

DANMARKS TEKNISKE UNIVERSITET
Danemark

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Livrables

Open Research Data Pilot (1)

Data Management Plan (DMP)

Participation in the Open Research Data Pilot

Publications

Actes de conférence (1)

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

Auteurs: Stiasny, Jochen; Chevalier, Samuel; Nellikkath, Rahul; Sævarsson, Brynjar; Chatzivasileiadis, Spyros
Publié dans: 2022 iREP Symposium - Bulk Power System Dynamics and Control - XI (iREP), Numéro 4, 2022
Éditeur: 11th Bulk Power Systems Dynamics and Control Symposium (IREP 2022)
DOI: 10.48550/arxiv.2203.07505