Robustness Analysis of AI Models in Critical Energy Systems

本论文分析了现有基于人工智能的电网运营模型在$N-1$安全准则下的鲁棒性。虽然这些模型在常规电网环境中表现良好，但我们的结果突出显示，在断开一条线路后，准确性显著下降。通过基于图论的分析，我们展示了节点连接性对这种损失的影响。我们的研究结果强调了在开发关键基础设施的人工智能方法时需要考虑实际情境的必要性。

本论文分析了基于人工智能的电网运营模型在N-1安全准则下的鲁棒性。虽然这些模型在常规电网设置下表现良好，但我们的结果强调了在断开线路后精度的显著损失。

使用基于图论的分析，论文展示了节点连通性对这种损失的影响。这篇论文的关键思路是考虑实际情景，开发用于关键基础设施的人工智能方法。

论文的亮点包括使用图论分析电网模型的鲁棒性，实验结果表明断开线路后模型精度显著下降。此外，论文强调了实际情景的重要性，以及开发用于关键基础设施的人工智能方法的必要性。

在这个领域中，最近的相关研究包括：1. “A Survey of Artificial Intelligence Applications in the Operation and Control of Power Systems”；2. “Artificial Intelligence in Power Systems: A Comprehensive Review”；3. “Deep Learning for Smart Grids: A Review”等。