跳到正文
热点事件持续更新

TFM助力电力安全评估

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Olayiwola Arowolo等人提出了一种基于表格基础模型（TFM）的电力系统动态安全性评估方法。该方法利用TFM通过上下文学习评估电网动态风险，无需模型再训练或超参数优化。 在IEEE 68节点系统测试中，该模型评估每个故障仅需120个样本即可达到约90%的Macro F1，性能优于传统机器学习与深度学习基线。针对新出现的故障类型，模型结合改良的EDC编码方案后，仅使用10个样本便实现了与不可部署的转移学习oracle相当的准确率，显著降低了小样本场景下的评估成本。

AI 根据报道生成 · 7 小时前更新

最新进展11月5日 13:00
表格基础模型在数据驱动动态安全性评估中的新进展

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. arXiv · AI
    表格基础模型在数据驱动动态安全性评估中的新进展

    该研究使用表格基础模型（TFM）通过上下文学习评估电网动态风险，单次评估多个故障，无需再训练或调参。 在 IEEE 68 节点系统上，TFM 每个故障仅需 120 个样本即可达到约 90% 的 Macro F1，优于传统 ML 和 DL 基线；针对新故障，结合改良 EDC 编码时，10 个样本即可实现与不可部署的转移学习 oracle 相当的准确率。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月5日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。