网络科学研究速递

Arxiv网络科学论文摘要22篇(2020-06-03)

2020-06-03  本文已影响0人  ComplexLY

通过平均场博弈控制流行病的传播

原文标题： Controlling Propagation of epidemics via mean-field games

地址： http://arxiv.org/abs/2006.01249

作者： Wonjun Lee, Siting Liu, Hamidou Tembine, Wuchen Li, Stanley Osher

摘要： 2019年冠状病毒病（COVID-19）大流行正在改变并影响全球范围的生命。在本文中，我们引入了均值场博弈模型来控制流行病在空间域上的传播。首先针对经典疾病模型（例如SIR模型）引入控制变量（空间速度）。对于此提出的模型，我们提供了基于近邻原始对偶方法的快速数值算法。数值实验表明，所提出的模型说明了如何有效地在空间范围内分离感染患者。

SARS-CoV-2缓解措施的财政和死亡率影响平衡

原文标题： Balancing Fiscal and Mortality Impact of SARS-CoV-2 Mitigation Measurements

地址： http://arxiv.org/abs/2006.01363

作者： Mayteé Cruz-Aponte, José Caraballo-Cueto

摘要： 流行病会带来人力和财政成本。对于大流行，最好的解决方案是限制国界以识别和隔离受感染的个体。但是，当这种机会没有得到充分利用并且没有预防性干预措施时，必须选择第二好的选择。在本文中，我们开发了一个微分方程系统，可以模拟与不同缓解措施相关的财政和人力成本。在模拟了几种情况之后，我们得出结论，就人力和财政成本而言，群体免疫（或引发大流行）是最糟糕的政策。我们发现，第二好的策略是在大流行后的前20天建立的严格策略（例如，进行大规模测试的物理隔离），从而将感染的可能性降低了80％。以美国为例，与群体豁免案相比，这项严格的政策将为纳税人挽救23.9万多人的生命，并节省近1,708亿美元。

在危机事件期间发现需求并确定需求优先级的经验方法

原文标题： An Empirical Methodology for Detecting and Prioritizing Needs during Crisis Events

地址： http://arxiv.org/abs/2006.01439

作者： M. Janina Sarol, Ly Dinh, Rezvaneh Rezapour, Chieh-Li Chin, Pingjing Yang, Jana Diesner

摘要： 在危机时期，确定基本需求是向受影响实体提供适当资源和服务的关键步骤。 Twitter之类的社交媒体平台包含有关公众需求的大量信息。但是，信息的稀疏性以及嘈杂的内容数量对从业人员提出了挑战，要求他们从有效地识别这些平台上的共享信息。在这项研究中，我们为两种不同但相关的需求检测任务提出了两种新颖的方法：1）确定按优先级排序的所需资源清单，以及2）指定谁需要什么资源的句子。我们根据有关COVID-19危机的一系列推文评估了我们的方法。对于任务1（检测到最高需求），我们将结果与两个给定的资源列表进行了比较，并获得了64％的精度。对于任务2（检测谁需要什么），我们在1,000条带注释的推文上比较了我们的结果，并获得了68％的F1得分。

监测、建模、预测和控制Covid-19大流行的数据驱动方法：利用数据科学、流行病学和控制理论

原文标题： Data-Driven Methods to Monitor, Model, Forecast and Control Covid-19 Pandemic: Leveraging Data Science, Epidemiology and Control Theory

地址： http://arxiv.org/abs/2006.01731

作者： Teodoro Alamo, D. G. Reina, Pablo Millán

摘要： 本文档分析了Covid-19大流行中数据驱动方法的作用。我们提供从访问数据源到最终决策步骤的SWOT分析和路线图。我们旨在审查可用的方法，同时预测在开发以数据为导向的战略以应对Covid-19大流行时遇到的困难和挑战。提出了3M分析：监视，建模和决策。重点是着眼于众所周知的数据驱动方案来应对大流行带来的各种挑战：i）监测和预测流行的传播； （ii）评估政府决策的有效性； （iii）做出及时的决定。通过回顾综合理论结果及其在Covid-19环境中的潜在应用，详细说明了路线图的每个步骤。如果可能，我们提供其在过去或现在的流行病中的应用实例。我们没有提供方法，算法和应用程序的详尽列举。我们确实试图充当跨学科之间的桥梁，以提供一种全面的流行病学方法：数据科学，流行病学，控制理论等。也就是说，我们重点介绍了有效的数据驱动方法论，这些方法论在其他情况下也很成功并有可能在拟议路线图的不同步骤中应用。为了使本文档更具功能性并适合每个学科的具体情况，我们鼓励研究人员和从业人员提供反馈。我们将定期更新本文档。

资源不确定的数据驱动型传染病控制

原文标题： Data-Driven Infectious Disease Control with Uncertain Resources

地址： http://arxiv.org/abs/2006.01743

作者： Ceyda Yaba Best, Amin Khademi, Burak Eksioglu

摘要： 我们研究了在资源不确定的情况下在包含种群中包含传染病的资源分配问题。我们提出了一个两阶段模型，决策者试图在第二阶段资源是随机的两个阶段中分配资源。我们不是使用非线性微分方程组来控制优化模型约束中的流行轨迹，而是使用数据驱动的函数形式对受感染个体的累积数量进行建模。这种灵活的数据驱动建模选择使我们能够将优化问题转换为易于处理的混合整数线性程序。我们灵活的方法可以处理在线决策过程，决策者可以利用有关流行病进展的新信息来更新他们的决策，以开放治疗单位并分配床位。我们利用详细的模拟模型，并通过2014年塞拉利昂埃博拉疫情的真实数据进行了验证。我们的结果表明，与实际流行期间实施的政策相比，我们的政策在塞拉利昂产生的受感染人数减少了约400。我们还提供了由优化框架生成的分配策略的详细比较，阐明了不同区域的最佳资源分配。

针对SARS-CoV-2大流行的南非封城制度的量化及其所需的免疫力水平

原文标题： Quantification of the South African Lockdown Regimes, for the SARS-CoV-2 Pandemic, and the Levels of Immunity They Require to Work

地址： http://arxiv.org/abs/2006.01497

作者： Simon Childs

摘要： 这项研究用SARS-CoV-2大流行的基本繁殖数量 r_0 来量化南非的各种禁闭制度。它进一步计算了使这些相同的锁定机制开始起作用所需的免疫级别。基于有限的知识，第一个5级锁定是一次雄心勃勃的尝试，以遏制高度传染性的SARS-CoV-2病毒。它的基本复制数（ r_0 = 1.93 ）从来没有接近小于1的要求。显然，可以预料的是，随后的较低级别的锁定将同样适用。发现四级锁定的基本再现数字为 1.69 。因此，建议是，第4级锁定可能比“较难”第5级锁定“智能”一些，尽管其基本复制数量可能仅反映了公众对新常态的调整，甚至反映了通常，与数据集相关的当前错误。在瑞典的情况下，该大流行的基本繁殖数量经计算为 3.12 。因此，锁定措施可以确保医疗系统不被淹没，为其花费了宝贵的时间进行准备并提供了有用的数据。尽管如此，封锁仍未能达到遏制大流行的任何目标。

金融系统中的网络评估

原文标题： Network Valuation in Financial Systems

地址： http://arxiv.org/abs/1606.05164

作者： Paolo Barucca, Marco Bardoscia, Fabio Caccioli, Marco D'Errico, Gabriele Visentin, Guido Caldarelli, Stefano Battiston

摘要： 我们引入一个通用模型，以在互连的金融系统中对银行间同业债权的资产负债表进行一致评估。我们的模型代表了相互依赖债务清算模型的扩展，以解决银行外部资产存在不确定性的问题。同时，它也将经典的结构性信用风险模型自然地扩展到互连系统的情况。我们描述了估值的存在和唯一性，该估值可以使所有银行的个人和总股权价值最大化。我们将模型应用于系统性风险评估，尤其是在压力测试的情况下。此外，我们提供了一个定点算法来进行网络评估及其收敛条件。

SSumM：大规模图的稀疏汇总

原文标题： SSumM: Sparse Summarization of Massive Graphs

地址： http://arxiv.org/abs/2006.01060

作者： Kyuhan Lee, Hyeonsoo Jo, Jihoon Ko, Sungsu Lim, Kijung Shin

摘要： 给定一个图G和所需的大小k（以位为单位），我们如何在k位内总结G，同时将信息损失降至最低？大规模图已无处不在，带来了相当大的计算挑战。如果将足够大的图压缩到足以放入主内存甚至是缓存中，那么分析这些大图就可以快速而轻松地进行。图摘要生成了带有合并节点的粗粒度摘要图，在图压缩技术中具有许多优势。因此，已经开发出许多算法来获得简明的概要图，该概要图具有很少的信息损失或相当小的重构误差。但是，现有方法仅专注于减少节点数，并且它们通常会产生密集的摘要图，无法实现更好的压缩率。此外，由于它们的可伸缩性有限，它们只能应用于中等大小的图。在这项工作中，我们提出了SSumM，这是一种可扩展且有效的图汇总算法，可生成稀疏的汇总图。 SSumM不仅将节点合并在一起，而且还使摘要图稀疏，并且根据最小描述长度原则仔细平衡了这两种策略。与最先进的竞争对手相比，SSumM具有以下优点：（a）简洁：产生多达11.2倍的较小汇总图，并具有相似的重构误差；（b）准确：实现高达4.2倍的较小重构误差，并具有类似的简洁输出；以及（c）可扩展性：总结出26倍大的图，同时展现出线性可扩展性。我们通过在10个真实世界的图上进行广泛的实验来验证这些优势。

大规模消息数据中的词-表情符号嵌入反映了表示符号的真实世界语义关联

原文标题： Word-Emoji Embeddings from large scale Messaging Data reflect real-world Semantic Associations of Expressive Icons

地址： http://arxiv.org/abs/2006.01207

作者： Jens Helge Reelfs, Oliver Hohlfeld, Markus Strohmaier, Niklas Henckell

摘要： 我们在从Jodel在线社会网络获得的大规模消息传递数据上训练词表情符号嵌入。我们的数据集包含超过4000万个句子，其中1100万个句子带有Unicode 13.0标准表情符号列表的子集。通过分析表情符号之间，表情符号和文本之间以及文本和表情符号之间的关联，我们探索了此嵌入中包含的语义表情符号关联。我们的研究表明，在大规模消息传递数据上训练的单词表情嵌入可以反映现实世界中的语义关联。为了进行进一步的研究，我们发布了Jodel Emoji嵌入数据集（JEED1488），该数据集包含300个维度上的1488个Emoji及其嵌入。

在消极协调下进行平均场博弈的薛定谔方法

原文标题： Schrodinger approach to Mean Field Games with negative coordination

地址： http://arxiv.org/abs/2006.01221

作者： Thibault Bonnemain, Thierry Gobron, Denis Ullmo

摘要： 平均场博弈提供了一个强大的框架，可以分析交互中大量受控主体的动态。在这里，当主体之间的相互作用导致负协调时，我们考虑这样的系统，并使用现已建立的与非线性薛定谔方程的对应关系，分析耦合的PDE关联系统的行为。我们关注长的优化时间限制以及在配置上使我们考虑的博弈经历不同的制度，其中混乱的相对重要性，行为主体之间的相互作用和外部潜能发生变化，这使得有可能对均值博弈方程的前后结构的作用有深刻的了解这些不同制度的联系方式。

用于对话式社交媒体文本中的披露和支持建模的基于BERT的集成方法

原文标题： BERT-based Ensembles for Modeling Disclosure and Support in Conversational Social Media Text

地址： http://arxiv.org/abs/2006.01222

作者： Tanvi Dadu, Kartikey Pant, Radhika Mamidi

摘要： 人们越来越了解人类如何发起和进行对话。对对话的情感理解集中在说话者如何利用情绪对情况和彼此做出反应的问题上。在CL-Aff共享任务中，组织者发布了Get it #OffMyChest数据集，其中包含来自随意交谈和悔对话的Reddit评论，并标明了其公开和支持的特征。在本文中，我们介绍了一种利用微调的上下文化词嵌入RoBERTa和ALBERT的预测集成模型。我们表明，在所有考虑的指标中，我们的模型均优于基本模型，F1得分提高了3 %%。我们进一步进行统计分析，并概述对给定数据集的更深刻见解，同时提供对数据集影响的新表征。

超图上的动力系统

原文标题： Dynamical systems on Hypergraphs

地址： http://arxiv.org/abs/2006.01243

作者： Timoteo Carletti, Duccio Fanelli, Sara Nicoletti

摘要： 网络是一种广泛使用的高效范例，用于对基本单元成对交互的现实系统进行建模。许多身体的相互作用经常在起作用，并且不能通过采用二进制交换来建模。在这项工作中，我们考虑锚定在超图上的一类动力学系统。理想情况下，任意大小的超边都围绕单个单元，以解决多个同时发生的相互作用。后者是由组合拉普拉斯算子介导的，在此进行介绍和表征。主稳定性功能的形式适用于当前设置。对于超图上发展的一类通用系统，研究了图灵模式和非线性（规则和混沌）振荡器的同步性。对外部施加的扰动的响应带有相互作用的更高阶性质的烙印。

具有分层继承关系的信息网络的可扩展Top-k查询

原文标题： Scalable Top-k Query on Information Networks with Hierarchical Inheritance Relations

地址： http://arxiv.org/abs/2006.01279

作者： Fubao Wu, Lixin Gao

摘要： 在大规模异构信息网络（HIN）上，图查询，模式挖掘和知识发现变得充满挑战。涉及路径传播的最新技术主要集中在对节点标签和邻域结构的推断上。但是，现实世界中的实体链接也包含丰富的层次继承关系。例如，产品版本的漏洞可能是从其旧版本继承的。利用分层继承可以潜在地提高查询结果的质量。为此，我们探索了实体之间的层次继承关系，并提出了具有层次继承关系的HIN图查询问题。我们通过将原始查询图分解为多个星查询来提出一种图查询搜索算法，并将星查询算法应用于每个星查询。然后构造每个星查询结果的其他候选项，以得到对原始查询的最终前k个查询答案。为了有效地从大规模HIN中获取图查询结果，我们设计了一种基于边界的修剪技术，该方法通过使用统一成本搜索来修剪搜索空间。我们在GraphX中实现我们的算法，以测试合成数据集和真实数据集的有效性和效率。与两种常见的图查询算法相比，我们的算法可以有效地获得更准确的结果和具有竞争力的性能。

图展开网络：用于图信号降噪的可解释神经网络

原文标题： Graph Unrolling Networks: Interpretable Neural Networks for Graph Signal Denoising

地址： http://arxiv.org/abs/2006.01301

作者： Siheng Chen, Yonina C. Eldar, Lingxiao Zhao

摘要： 我们提出了一种可解释的图神经网络框架，以对单个或多个噪声图信号进行去噪。所提出的图展开网络将算法展开扩展到图域，并从信号处理的角度提供了体系结构设计的解释。通过将每次迭代映射到单个网络层中来展开迭代去噪算法，其中前馈过程等效于迭代去噪图信号。我们通过无监督学习训练图展开网络，其中输入的有噪图信号用于监督网络。通过利用神经网络的学习能力，我们可以从输入噪声图信号中自适应地捕获适当的先验，而不是手动选择信号先验。图展开网络的核心组件是边权重共享图卷积运算，该运算通过可训练核函数（每个边界共享可训练参数）对每个边权进行参数化。所提出的卷积是置换等变的，并且可以灵活地将边权重调整为各种图信号。然后，我们分别通过展开稀疏编码和趋势过滤来考虑此类网络的两种特殊情况：图展开稀疏编码（GUSC）和图展开趋势过滤（GUTF）。为了验证所提出的方法，我们在真实数据集和模拟数据集上进行了广泛的实验，并证明了与传统的去噪算法和最新的图神经网络相比，我们的方法具有更小的去噪误差。为了对单个平滑图信号进行降噪，所提出网络的归一化均方误差分别比图拉普拉斯降噪和图小波的均方差低约40％和60％。

在LinkedIn中识别虚假档案文件

原文标题： Identifying Fake Profiles in LinkedIn

地址： http://arxiv.org/abs/2006.01381

作者： Shalinda Adikari, Kaushik Dutta

摘要： 随着组织越来越依赖诸如LinkedIn（此类社会网络中最大的社会网络）之类的面向专业的网络来建立业务联系，在网络中吸引个人简介的价值越来越高。随着该值的增加，出于不道德的目的滥用网络的诱惑也会增加。伪造的配置文件对整个网络的可信赖性产生不利影响，并且在基于虚假信息建立连接时可能会花费大量时间和精力。不幸的是，伪造的个人资料很难识别。已经提出了一些社会网络的方法。但是，这些通常依赖于LinkedIn资料无法公开获得的数据。在这项研究中，我们确定了在LinkedIn中识别伪造的个人资料所需的最少一组个人资料，并提出了一种用于伪造的个人资料识别的适当数据挖掘方法。我们证明，即使使用有限的配置文件数据，我们的方法也可以以87％的准确性和94％的真实否定率识别伪造的配置文件，这与基于较大数据集和更广泛的配置文件信息获得的结果相当。此外，与使用相似数量和类型的数据的方法相比，我们的方法可将精度提高约14％。

一次一步：渐进主义能建立协调吗？

原文标题： One Step at a Time: Does Gradualism Build Coordination?

地址： http://arxiv.org/abs/2006.01386

作者： Maoliang Ye, Jie Zheng, Plamen Nikolov, Sam Asher

摘要： 这项研究调查了促进协调的潜在机制。在基于信念的学习模型的理论指导下，我们进行了一个多周期，二元选择和最弱链接的实验室协调实验，以研究渐进主义的效果-随着时间的推移而不是逐渐地增加所需的贡献水平（桩）需要立即做出高水平的贡献-在小组协调方面。我们随机将对象分配给三种处理方法：从高风险开始和继续，从低风险开始，但在一段时间之后跳到高风险，从低风险开始，同时随着时间的推移逐渐增加风险（渐进式治疗） 。我们发现，相对于其他两种治疗，小组在渐进主义治疗中的高风险下最成功地进行了协调。我们还发现了支持基于信念的学习模型的证据。这些发现指出了促进成功的自愿协调的简单机制。

Twitter数据采样如何影响美国选民行为特征

原文标题： How Twitter Data Sampling Biases U.S. Voter Behavior Characterizations

地址： http://arxiv.org/abs/2006.01447

作者： Kai-Cheng Yang, Pik-Mai Hui, Filippo Menczer

摘要： 在线社交媒体是公众讨论政治问题的重要平台。结果，研究人员已使用来自这些平台的数据来分析民意并预测选举结果。最近的研究表明存在诸如恶意社交机器人和巨魔之类的不真实行为者，这表明并非每条消息都是合法用户的真实表达。但是，社交数据流中不真实活动的普遍性仍不清楚，因此很难根据此类数据来评估分析的偏见。在本文中，我们旨在使用2018年美国中期选举的Twitter数据来弥补这一差距。活动样本中的活动过多帐户过多。我们使用快速和低成本的启发式方法，将其特征与随机抽样帐户和自我识别选民的特征进行比较。我们显示，与可能的选民相比，活动过度的帐户更有可能表现出各种可疑行为并共享低可信度信息。随机账户与可能的选民更相似，尽管他们显示可疑行为的机会略高。我们的工作提供使用在线观察时对偏颇的选民表征的洞见，从而强调了在基于社交媒体数据的政治问题研究中，对虚假演员进行会计处理的重要性。

社会网络的统计物理学

原文标题： Statistical physics of social networking

地址： http://arxiv.org/abs/2006.01605

作者： Vaibhav Wasnik

摘要： 在这项工作中，我们尝试从数学的角度理解社会网络。在第一个实例中，我们考虑一个网络，在该网络中，代表个人的每个节点都可以以一定的概率与相邻节点连接，并与作为朋友的朋友的个人连接。我们发现，在选定的参数组合的特定值之上，两个广泛分离的节点之间的连接概率是无标度的。接下来，我们考虑在线社交媒体网络的一种简化情况，其中每个人每单位时间以恒定的概率向朋友添加：来自建议邻居以及他/她的朋友列表的朋友。我们发现，在自网络形成以来的长时间限制内，两个广泛分离的个体之间的连接概率是无标度的。因此，我们证明了文献中未讨论过的网络的不同尺度的自由面。

分解多余的通勤：蒙特卡洛模拟方法

原文标题： Decomposing Excess Commuting: A Monte Carlo Simulation Approach

地址： http://arxiv.org/abs/2006.01638

作者： Yujie Hu, Fahui Wang

摘要： 过量或浪费的通勤是指在假定人们可以自由交换城市房屋和工作的情况下，超过最小（最佳）通勤的实际通勤比例。研究通常依靠调查数据来定义实际通勤，并通过线性规划（LP）在总体区域水平上测量最佳通勤。调查的旅行时间可能包括报告错误，并且受访者可能无法代表他们所居住的地区；并且在总体区域级别上得出的最佳通勤也受到区域效应的影响。两者都可能使过量通勤的估计产生偏差。基于路易斯安那州巴吞鲁日的2006-2010年运输规划数据普查（CTPP）数据，本研究使用了蒙特卡洛方法来模拟人口普查区域内的居民工人和个人工作，估计通勤距离和通勤时间工作旅行，并根据模拟的个人位置定义最佳通勤路线。调查结果表明，报告错误和区域总数据的使用均会造成对通勤过度计算的错误计算。

从社交轨迹中学习意见动态

原文标题： Learning Opinion Dynamics From Social Traces

地址： http://arxiv.org/abs/2006.01673

作者： Corrado Monti, Gianmarco De Francisci Morales, Francesco Bonchi

摘要： 意见动态-研究人们的意见如何在社会环境中形成和发展的研究领域-传统上使用基于主体的模型来验证社会学理论的含义。这些模型对驱动观点形成过程的因果机制进行编码，并具有易于解释的优势。但是，由于他们没有利用数据的可用性，因此其预测能力受到限制。而且，参数校准和模型选择是手动且困难的任务。在这项工作中，我们提出了一种推理机制，用于将生成的，类似于主体的意见动态模型拟合到现实世界中的社会痕迹。给定一组可观察值（例如，主体之间的动作和交互），我们的模型可以恢复与过程动态假设兼容的最可能的潜在意见轨迹。这种类型的模型保留了基于主体的模型的优点（即因果解释），同时增加了对真实数据执行模型选择和假设检验的能力。我们通过将经典的基于主体的意见动态模型转化为其生成的对应模型来展示我们的建议。然后，我们基于在线期望最大化设计推理算法，以学习模型的潜在参数。这种算法可以从基于经典主体的模型生成的轨迹中恢复潜在意见轨迹。此外，它可以识别用于生成数据跟踪的最可能的宏参数集，从而可以测试社会学假设。最后，我们将模型应用于Reddit的真实数据，以探索有关逆火效应影响的长期存在的问题。我们的结果表明，在Reddit的政治对话中影响的重要性不高。

超越成对交互之外的网络：结构和动力学

原文标题： Networks beyond pairwise interactions: structure and dynamics

地址： http://arxiv.org/abs/2006.01764

作者： Federico Battiston, Giulia Cencetti, Iacopo Iacopini, Vito Latora, Maxime Lucas, Alice Patania, Jean-Gabriel Young, Giovanni Petri

摘要： 许多生物，社会和技术系统的复杂性源于它们各个单元之间相互作用的丰富性。在过去的几十年中，已经成功地将各种各样的复杂系统描述为网络，其相互作用的节点对通过链接连接。然而，在面对面的人类交流，化学反应和生态系统中，相互作用可以以三个或更多节点的组形式发生，并且不能仅通过简单的二元简单描述。直到最近，很少有人关注真正的复杂系统的高阶体系结构。但是，越来越多的证据表明，考虑这些系统的高阶结构可以极大地增强我们的建模能力，并帮助我们理解和预测其出现的动力学行为。在这里，我们提供了除成对交互之外的网络新兴领域的完整概述。我们首先讨论表示高阶交互的方法，并统一描述用于描述高阶系统的不同框架，重点介绍现有概念和表示之间的链接。我们回顾了旨在表征这些系统结构的措施以及文献中提出的用于生成合成结构的模型，例如随机和不断增长的简单复形，二部图和超图。我们介绍和讨论对高阶动力学系统和动力学拓扑的快速增长的研究。我们将重点放在新颖的新兴现象上，这些新兴现象具有里程碑意义的动态过程的特征，例如扩散，传播，同步和博弈，它们超出了两两互动的范围。我们阐明了高阶拓扑与动力学特性之间的关系，并总结了经验应用，为当前建模和概念前沿提供了展望。

电网频率数据库

原文标题： Power grid frequency data base

地址： http://arxiv.org/abs/2006.01771

作者： Richard Jumar, Heiko Maaß, Benjamin Schäfer, Leonardo Rydin Gorjão, Veit Hagenmeyer

摘要： 由于来自可再生能源的能源供应的增加，电力系统的转型已引起了不同研究领域的广泛关注。网格控制，网格建模和网格体系结构的新方法被广泛提出。但是，来自实际电力系统运行的数据很少可用，但对于分析实际情况或评估模型至关重要。在本文中，我们介绍了一个经过精确时间戳处理的数据集，该数据集包含以十二分之一秒的分辨率从十二个不同大小的独立同步区域进行的电网频率测量。此外，数据还包括欧洲大陆同步区域内频率的同步测量，以及葡萄牙，德国和土耳其的测量点，从而最大限度地扩大了地理跨度。最后，我们提供了基础原始数据的摘录。使用自行开发的类似相量测量单元（PMU）的设备电子数据记录器（EDR）收集数据，该设备主要连接到传统的低压电源插座。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。

上一篇下一篇

猜你喜欢

热点阅读