ترجمه فارسی مقاله یادگیری صفر-شات در تخمین حالت عصبی سیستم‌های توزیع برق

چکیده

This paper addresses the challenge of neural state estimation in power distribution systems. We identified a research gap in the current state of the art, which lies in the inability of models to adapt to changes in the power grid, such as loss of sensors and branch switching. Our experiments demonstrate that graph neural networks are the most promising models for this use case and that their performance can degrade with scale. We propose augmentations to remedy this issue and perform a comprehensive grid search of different model configurations for common zero-shot learning scenarios in neural state estimation.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله به چالش تخمین حالت عصبی در سیستم های توزیع برق می پردازیم.ما یک شکاف تحقیقاتی را در وضعیت فعلی هنر شناسایی کردیم ، که در عدم توانایی مدل ها در سازگاری با تغییرات در شبکه برق ، مانند از دست دادن سنسورها و تعویض شاخه نهفته است.آزمایشات ما نشان می دهد که شبکه های عصبی نمودار امیدوار کننده ترین مدل ها برای این مورد استفاده هستند و عملکرد آنها می تواند با مقیاس کاهش یابد.ما برای اصلاح این مسئله و انجام یک جستجوی شبکه جامع از پیکربندی های مدل مختلف برای سناریوهای یادگیری صفر متداول در تخمین حالت عصبی پیشنهاد می کنیم.