PINN-based reconstruction of frequency spatiotemporal characteristics in power systems
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Integrating renewable energy sources into power grids has led to prominent electromagnetic and frequency oscillation challenges. Analysing these oscillation mechanisms is inherently complex due to the lack of analytical solutions and the difficulties in accurate modelling. This paper focuses on mechanical oscillations as a representative case study to explore the application of Physics-Informed Neural Networks (PINNs) for analysing and solving oscillation problems in power systems. We demonstrate the effectiveness of PINNs through numerical results, establishing a foundation for future research on modelling and solving grid oscillations under more complex scenarios.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- PINN-based reconstruction of frequency spatiotemporal characteristics in power systems
- Date Crossref
- 01/03/2026
- Éditeur
- Institution of Engineering and Technology (IET)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.