研究团队提出基于Flow Matching的配网状态估计方法PoSE
Start here
2026年11月，研究人员提出基于Flow Matching的贝叶斯配电系统状态估计方法PoSE。该方法利用历史数据对变电站注入分布进行建模，并在采样阶段引入卡尔曼校正确保生成的样本符合物理潮流规律。测试表明，在IEEE 33-bus馈线上，PoSE将CRPS误差降低了6.7%至7.5%，并在240-bus馈线上取得了全指标最低误差。此外，PoSE的快速变体单快照耗时仅为0.2至0.6秒，且无需重新训练即可适配7种重构拓扑。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习基于 Flow Matching 的贝叶斯配电系统状态估计方法 PoSE
研究人员提出基于 Flow Matching 的贝叶斯配电系统状态估计方法 PoSE，利用历史数据建模变电站注入分布，并在采样阶段通过卡尔曼校正确保样本符合物理潮流。在 IEEE 33-bus 馈线上，PoSE 将 CRPS 误差降低 6.7-7.5%，并在 240-bus 馈线上取得全指标最低误差。其快速变体单快照耗时仅 0.2-0.6s，无需重新训练即可适配 7 种重构拓扑。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.