Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaEnergiERI: Scalable Machine Learning Frameworks for Stability Enhancement in Inverter-Dominated Power Systems
Proyek riset & pengembangan

ERI: Scalable Machine Learning Frameworks for Stability Enhancement in Inverter-Dominated Power Systems

Ringkasan tujuan riset

Estimasi dan kendali kestabilan jaringan kaya inverter diteliti melalui pembelajaran federatif berbasis fisika serta soft actor-critic, menggunakan pengukuran lokal tanpa pertukaran data sensitif mentah.

Energi1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2552448Periode tercatat 2026-06-01 sampai 2028-05-31.NSF 2552448MulaiAkhir tercatat202620292026-06-012028-05-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Physics-informed neural network dipadukan dengan pembelajaran federatif untuk memperkirakan impedansi sistem ketika data terbatas. Kerangka penguatan memakai metrik redaman dan faktor partisipasi guna mengarahkan keputusan kendali. Validasi dilakukan pada platform hardware-in-the-loop berfidelitas tinggi yang meniru kondisi jaringan. Tujuan riset mencakup margin kestabilan, skalabilitas, dan pemantauan waktu nyata; ketahanan jaringan operasional masih harus dibuktikan setelah pengujian tersebut.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Regents of the University of Michigan - Dearborn
Program
ERI-Eng. Research Initiation
Periode pendanaan tercatat
2026-06-01 → 2028-05-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Electrical, Communications, & Cyber Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.