Zobrazeno 1 - 10
of 33
pro vyhledávání: '"Eskandarpour, Rozhin"'
Autor:
Koretsky, Samantha, Gokhale, Pranav, Baker, Jonathan M., Viszlai, Joshua, Zheng, Honghao, Gurung, Niroj, Burg, Ryan, Paaso, Esa Aleksi, Khodaei, Amin, Eskandarpour, Rozhin, Chong, Frederic T.
In the present Noisy Intermediate-Scale Quantum (NISQ), hybrid algorithms that leverage classical resources to reduce quantum costs are particularly appealing. We formulate and apply such a hybrid quantum-classical algorithm to a power system optimiz
Externí odkaz:
http://arxiv.org/abs/2110.12624
Practical quantum computing applications to power grids are nonexistent at the moment. This paper investigates how a fundamental grid problem, namely DC power flow, can be solved using quantum computing. Power flow is the most widely used power syste
Externí odkaz:
http://arxiv.org/abs/2106.12032
Autor:
Eskandarpour, Rozhin, Ghosh, Kumar, Khodaei, Amin, Zhang, Liuxi, Paaso, Aleksi, Bahramirad, Shay
In this paper, we model and solve a fundamental power system problem, i.e., DC power flow, using a practical quantum computer. The Harrow-Hassidim-Lloyd (HHL) quantum algorithm is used to solve the DC power flow problem. The HHL algorithm for the sol
Externí odkaz:
http://arxiv.org/abs/2010.02442
Publikováno v:
2018 Grid of the Future Symposium
In this paper, an artificial intelligence based grid hardening model is proposed with the objective of improving power grid resilience in response to extreme weather events. At first, a machine learning model is proposed to predict the component stat
Externí odkaz:
http://arxiv.org/abs/1810.02866
Publikováno v:
RE US National Committee 2017 Grid of the Future Symposium
A machine learning model is proposed in this paper to help estimate potential nodal load curtailment in response to an extreme event. This is performed through identifying which grid components will fail as a result of an extreme event, and consequen
Externí odkaz:
http://arxiv.org/abs/1802.05833
Autor:
Eskandarpour, Rozhin, Khodaei, Amin
Publikováno v:
Power & Energy Society General Meeting, 2017 IEEE
Predicting power system component outages in response to an imminent hurricane plays a major role in preevent planning and post-event recovery of the power system. An exact prediction of components states, however, is a challenging task and cannot be
Externí odkaz:
http://arxiv.org/abs/1802.05831
Publikováno v:
Power Symposium (NAPS), 2017 North American
In this paper, in an attempt to improve power grid resilience, a machine learning model is proposed to predictively estimate the component states in response to extreme events. The proposed model is based on a multi-dimensional Support Vector Machine
Externí odkaz:
http://arxiv.org/abs/1802.05828
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.