首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

GridForge:适用于英国 11 kV 地下配电电缆的开放式物理信息数字孪生和基准套件

摘要

arXiv:2611.23241v1 Announce Type: new Abstract: The UK distribution-cable monitoring sector is data-rich but framework-poor: each Distribution Network Operator (DNO) collects megabytes of telemetry pe...

and the reference for benchmark dataset models four IEC PINN
2026-11-19 1 阅读 约2分钟阅读 Lilliane Linnet Musoke
分享:
字号:
arXiv:2611.23241v1 公告类型:新 摘要:英国配电电缆监控行业数据丰富,但框架匮乏:每个配电网络运营商 (DNO) 每天为每项资产收集兆字节的遥测数据,但没有公共基准数据集,没有共享参考模型,也没有普遍商定的评估协议来对部门、数据密集型模型进行基准测试以支持运营决策;特别是维护计划和优先级。我们通过 GridForge 解决了这一差距,GridForge 是一个用于故障诊断和预测的开源物理信息数字孪生和基准套件,集成了四个构建块:(i) 基于 IEC 60287 和 IEC 60853 的经过验证的稳态和瞬态热模型; (ii) 64 条电缆(覆盖 320 电缆年)的校准综合数据集,代表四种典型的英国 11 kV 热原型和四种条件模式; (iii) 物理信息神经网络 (PINN) 代理,在训练期间满足 IEC 60287 定义的代数平衡,并在针对参考分析预言机的独立保持集上达到 0.148 {\deg}C 的 RMSE; (iv) 一个五任务基准测试套件,其中包括三个参考基线模型(纯物理、梯度增强树和 PINN)。所有数值参数均源自公共标准,代码获得 MIT 许可,经过训练的 PINN 只需两分钟即可收敛(在第 10.1 节的计算平台上运行),从而能够由 DNO 工程和研究从业人员进行独立验证。目前,只有虚拟传感器任务(T4)能够区分参考基线;其他任务在此测试拆分中绑定或未定义,因此使用特定于任务的逻辑扩展基线是未来增强的优先事项。对于开放验证,数据集、测试集和模型可在 https://github.com/mlily2024/Gridforge 上获取
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱