• Treffer 13 von 120
Zurück zur Trefferliste

Day-Ahead Netzzustandsprognose auf Mittelspannungsebene mit neuronalen Netzen

Metadaten exportieren

Weitere Dienste

Suche bei Google Scholar frontdoor_oas
Metadaten
Verfasserangaben:Sebastian Storch, Michael Finkel, Martin Uhrig, Michael Kreißl, Lothar Behringer
URL:https://www.tugraz.at/fileadmin/user_upload/tugrazExternal/f560810f-089d-42d8-ae6d-8e82a8454ca9/files/lf/Session_C5/353_LF_Storch_S.pdf
Titel des übergeordneten Werkes (Deutsch):18. Symposium Energieinnovation (EnInnov2024)
Dokumentart:Konferenzveröffentlichung
Sprache:Deutsch
Jahr der Erstveröffentlichung:2024
Datum der Freischaltung:01.03.2024
Freies Schlagwort / Tag:Deep Learning; Generative Adversarial Network; Künstliche Intelligenz; Long Short-Term Memory; Mittelspannung; Netzzustandsschätzung; Neuronale Netze; Sensitivitätsanalyse
Seitenzahl:24
Bemerkung:
Beitrag: 18. Symposium Energieinnovation, Graz, Österreich, 14.02.2024 - 16.02.2024
Open Access:kostenlos im WWW
Fakultät:Fakultät für Elektrotechnik
DDC-Klassifikation:6 Technik, Medizin, angewandte Wissenschaften / 60 Technik
DFG-Fachsystematik:Ingenieurwissenschaften / Informatik, System- und Elektrotechnik / Elektrotechnik und Informationstechnik
Lizenz (Deutsch):License Logogemäß dem Veröffentlichungsvertrag nach dem deutschen Urheberrecht (UrhG)
Frontdoor-URL:https://opus4.kobv.de/opus4-hs-augsburg/1662
Verstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.