从黑箱到清晰：基于Kolmogorov-Arnold网络的AI驱动智能电网优化
From Black Box to Clarity: AI-Powered Smart Grid Optimization with Kolmogorov-Arnold Networks
AI总结：
本文首次将KAN引入智能电网优化，提出考虑复杂不确定性的一般性框架，并以混合交直流系统随机最优潮流问题验证其可解释性与有效性。
摘要：
本工作是首个将人工智能领域的最新突破——Kolmogorov-Arnold Networks（KAN）用于智能电网优化的研究。为充分发挥KAN的可解释性，提出了一个考虑复杂不确定性的一般性框架。选取混合交直流系统中的随机最优潮流问题作为特别困难的案例研究，以证明该框架的有效性。
英文摘要：
This work is the first to adopt Kolmogorov-Arnold Networks (KAN), a recent breakthrough in artificial intelligence, for smart grid optimizations. To fully leverage KAN's interpretability, a general framework is proposed considering complex uncertainties. The stochastic optimal power flow problem in hybrid AC/DC systems is chosen as a particularly tough case study for demonstrating the effectiveness of this framework.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
