Data-Driven Reachability with Scenario Optimization and the Holdout Method
本文提出使用留出法进行数据驱动可达性分析，在多个数值示例中证明其概率边界更尖锐且样本需求更少，并论证了概率边界的必要性。
2025-09-11 cs.SY eess.SY
Probabilistic Reachability of Discrete-Time Nonlinear Stochastic Systems
针对含确定性输入与随机噪声的离散时间非线性系统，提出基于平均矩生成函数的紧概率界，并结合确定性可达性方法构建统一的概率可达集计算框架。
2024-09-14 cs.SY eess.SY math.OC
Reachability-based Time-domain Distance Protection
New Jersey Institute of Technology（新泽西理工学院）；National Laboratory of the Rockies（落基山国家实验室）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文针对距离继电器故障检测问题，提出基于可达性的时域距离保护方法，通过构建降阶二维模型实现高效计算，可定义基于微分方程的瞬时故障测试。
2026-08-21 cs.SY eess.SY
Multi-Agent Reachability Calibration with Conformal Prediction
针对融合其他智能体行为预测的自主智能体安全保障问题，提出结合分位数回归、共形预测与可达性分析的方法，生成概率安全且动态可行的预测集，并通过自动驾驶仿真与波音飞行器实验验证了其在规划安全认证中的效用。
2023-12-13 cs.SY eess.SY
Probabilistic Reachability Analysis of Stochastic Control Systems
本文提出统一框架，通过解耦确定性输入与随机扰动，并引入平均矩生成函数给出高概率界，从而改进连续时间随机控制系统的可达集估计。
2024-09-03 cs.SY eess.SY math.OC
From Global to Local: Hierarchical Probabilistic Verification for Reachability Learning
University of California Berkeley（加州大学伯克利分校）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出分层概率验证框架，结合全局认证与局部细化，提升高维非线性系统可达性学习的安全性与效率。
2026-10-16 cs.SY eess.SY
Reachability Analysis With Probabilistic Zonotopes: Learning Realized Disturbances and Refining Aleatory Uncertainty
University of Cyprus（塞浦路斯大学）；Aalto University（阿尔托大学）；Technical University of Munich（慕尼黑工业大学）；Michigan State University（密歇根州立大学）
提出一种数据驱动线性系统可达性框架，利用概率区域多面体建模扰动，通过轨迹数据精化保守先验，分离已实现扰动与偶然不确定性，并开发约束概率区域多面体演算以降低保守性。
2026-07-03 cs.SY eess.SY
PRREACH: Probabilistic Risk Assessment Using Reachability for UAV Control
Oregon State University（俄勒冈州立大学）
针对现有无人机风险评估框架数据依赖强、缺风险缓解控制方法的问题，提出基于可达性分析的PRReach方法，通过动力学与轨迹概率评估构建风险有界控制优化，可离线/在线应用，仿真显示比经典控制器最多降24%（离线）、53%（在线）风险。
2025-08-20 cs.RO cs.SY eess.SY
Safe reinforcement learning for probabilistic reachability and safety specifications: A Lyapunov-based approach
Seoul National University（首尔国立大学）
机器人和自主系统中的新兴应用，如自动驾驶和机器人手术，通常涉及关键的安全约束，即使有关系统模型的信息有限，也必须满足这些约束。在这方面，我们提出了一个无模型的安全规范方法，学习安全操作的最大概率，通过仔细结合概率可达性分析和安全强化学习（RL）。我们的方法构造了一个关于安全策略的李雅普诺夫函数来约束每个策略改进阶段。其结果是，它产生了一系列的安全策略，确定安全操作的范围，称为安全集，单调扩展，并逐渐收敛。我们还开发了一个有效的安全的探索计划，加快了未检查状态的安全性识别过程。利用李雅普诺夫屏蔽，我们的方法调节的探索性政策，以避免危险状态的高置信度。为了处理高维系统，我们通过引入拉格朗日松弛技术来进一步扩展我们的方法到深度RL，以建立一个易于处理的actor-critic算法。我们的方法的经验表现证明，通过连续控制基准问题，如达到任务的平面机器人手臂。
2020-02-24 cs.AI cs.RO cs.SY
Probabilistic Occupancy Function and Sets Using Forward Stochastic Reachability for Rigid-Body Dynamic Obstacles
University of New Mexico（新墨西哥大学）
本文提出基于前向随机可达性的概率占用函数与避让集计算方法，通过傅里叶变换和计算几何描述随机障碍动态，提供凸紧致条件及高效算法，适用于DMSP和DPV障碍模型，验证了在自行车动力学中的有效性。
2018-09-19 cs.SY eess.SY math.OC
Probabilistic Voltage Sensitivity based Preemptive Voltage Monitoring in Unbalanced Distribution Networks
随着可再生能源和活跃消费者的日益普及，配电网络的控制和管理变得具有挑战性。可再生能源可能会导致随机电压波动，因为它们的输出功率取决于天气条件。传统的电压控制方案，如抽头变换器和电容器组缺乏快速缓解电压违规所需的预见性。因此，迫切需要用于预测和减轻由于功率注入中的随机波动而导致的电压违规的有效方法。提出了一种基于低复杂度、数据驱动的概率电压灵敏度分析的电压监测方法。这项工作的有用性不仅是在预测电压违规不平衡的配电网，而且在打开大门，最佳电压控制。使用系统数据和预测，所提出的方法预测系统节点电压的分布，然后用于识别可能以高概率违反标称操作限制的节点。IEEE 37节点配电系统考虑集成分布式太阳能电源的方法进行了测试。该方法与经典的基于潮流的方法进行了对比验证，预测电压违规的准确率超过95%。
2020-08-25 cs.SY eess.SY
Probabilistic Verification and Reachability Analysis of Neural Networks via Semidefinite Programming
University of Pennsylvania（宾夕法尼亚大学）
量化神经网络的鲁棒性或验证其对输入不确定性或对抗性攻击的安全性已成为学习系统的重要研究领域。大多数结果集中在最坏的情况下，神经网络的输入在一个范数有界的不确定性集内扰动。在本文中，我们考虑一个概率设置，其中的不确定性是随机的，已知的前两个时刻。在这种情况下，我们讨论了两个相关的问题：（i）概率安全验证，其中的目标是找到违反安全规范的概率的上限;和（ii）置信椭圆估计，其中给定神经网络输入的置信椭圆，我们的目标是计算输出的置信椭圆。由于非线性激励函数的存在，这两个问题很难精确求解。为了简化分析，我们的主要思想是抽象的非线性激活函数的仿射和二次约束的组合，他们施加在他们的输入输出对。然后，我们表明，安全的抽象网络，这是足够的原始网络的安全性，可以使用半定规划分析。我们用数值实验说明了我们的方法的性能。
2019-10-09 cs.LG cs.SY eess.SY
Planning with Learned Dynamics: Probabilistic Guarantees on Safety and Reachability via Lipschitz Constants
University of Michigan（密歇根大学）
我们提出了一种方法，反馈运动规划系统的未知动态提供概率保证的安全性，可达性和目标稳定性。为了找到一个域，在这个域中，可以信任真实动态的学习控制仿射近似，我们估计真实动态和学习动态之间的差异的Lipschitz常数，并确保估计在给定的概率下是有效的。提供的系统至少有尽可能多的控制状态，我们还推导出存在条件的一步反馈法，可以保持真正的系统在一个小范围内的标称轨迹规划与学习动态。我们的方法将反馈律的存在作为基于采样的规划器中的约束，该规划器返回围绕标称规划的反馈策略，确保如果Lipschitz常数估计有效，则真实系统在计划执行期间是安全的，达到目标，并且最终在关于目标的小集合中是不变的。我们通过使用6D四旋翼和7DOF Kuka臂的学习模型进行规划来演示我们的方法。我们表明，使用相同的学习动力学进行规划而不考虑误差范围或反馈法的存在的基线可能无法稳定在计划周围并变得不安全。
2021-10-19 cs.LG cs.RO cs.SY
PRISM: Efficient and Locally Optimal Probabilistic Planning with Reachability Guarantees
Laboratory for Information and Decision Systems, Massachusetts Institute of Technology（信息与决策系统实验室，麻省理工学院）；Draper
提出PRISM算法，通过将信念空间规划分解为确定性均值规划和协方差收缩，并引入在线局部优化，在满足状态和控制约束下实现高覆盖率和低成本，同时提供可达性保证。
2026-06-26 cs.RO cs.SY eess.SY
Spatio-Temporal Probabilistic Voltage Sensitivity Analysis - A Novel Framework for Hosting Capacity Analysis
智能电网被设想为适应分布式光伏（PV）发电的高渗透，这可能在电压违规方面引起不利的电网影响。因此，PV托管容量（HC）被用作规划工具，以确定导致第一次电压违规的最大PV安装容量以及需要基础设施升级的最大PV安装容量。传统的HC分析方法计算复杂，因为它们基于迭代潮流算法，需要调查大量的情况，以准确评估PV影响。本文首先提出了一种计算效率高的分析方法来计算由于随机分布的多个PV的随机行为而导致的特定节点处的电压变化的概率分布。接下来，导出的分布用于识别各种PV渗透水平的电压违规，并随后确定系统的HC，而不需要检查多个场景。建议的时空概率电压灵敏度分析和HC的结果进行了验证，通过传统的基于潮流的模拟方法的IEEE 37和IEEE 123节点测试系统。
2021-02-08 cs.SY eess.SY
Modeling, Prediction and Risk Management of Distribution System Voltages with Non-Gaussian Probability Distributions
针对高比例可再生能源导致的配电网电压越限风险，提出基于高斯混合模型的不确定电压分量预测方法，实现非高斯电压分布的风险评估与管理，风险偏差仅为传统方法的15%。
2024-11-07 cs.SY eess.SY
Verification and Reachability Analysis of Fractional-Order Differential Equations Using Interval Analysis
在过去的几十年中，许多研究者研究并实现了经典常微分方程组初值问题的区间可达性分析方法。然而，在计算科学和工程中存在许多应用，其中连续时间系统动力学不能由整数阶微分方程充分描述。特别是在观察到长期记忆效应的情况下，分数阶系统表示有希望描述动态，一方面，具有足够的精度，另一方面，将所需的状态变量和参数的数量限制在合理的数量。这种分数阶模型的实际应用可以在电化学领域中找到，其中阻抗谱法通常用于识别电池的充电/放电行为的分数阶模型，或者如果在非稳态下操作，则用于识别燃料电池系统中电压和电流之间的动态关系。针对分数阶系统的可达性问题，提出了一种基于Mittag-Leffler函数区间算术扩展的迭代方法。一个说明性的例子，灵感来自电池系统的低阶模型得出结论这一贡献。
2021-01-14 cs.SY eess.SY
On Infusing Reachability-Based Safety Assurance within Probabilistic Planning Frameworks for Human-Robot Vehicle Interactions
Department of Aeronautics and Astronautics（航空与航天系）；Department of Mechanical Engineering（机械工程系）；School of Computing Science（计算科学学院）
本文提出一种最小干预的安全控制器，用于确保自动驾驶车辆与外部控制车辆的碰撞自由交互，通过实时控制器实现轨迹跟踪和安全保证，展示了在交通交织实验中自动驾驶车辆在对手车辆违反规划预期时仍能避免碰撞。
2018-12-29 cs.RO cs.SY eess.SY
Voronoi Partition-based Scenario Reduction for Fast Sampling-based Stochastic Reachability Computation of LTI Systems
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of New Mexico（新墨西哥大学）；University of Washington（华盛顿大学）
本文针对具有加性随机不确定性的线性系统提出了一种随机可达性问题的求解方法，通过采样方法计算在有限时间范围内保持安全集并最终到达目标集的最大概率，并利用Voronoi划分减少计算复杂度以提高效率。
2018-11-08 cs.SY eess.SY math.OC
Probabilistic Voltage Sensitivity Analysis (PVSA) to Quantify Impact of High PV Penetration on Unbalanced Distribution System
从操作和规划的角度来看，重要的是要量化的影响，越来越多的渗透的光化学对配电系统。大多数现有的影响评估研究都是以内罗毕为基础的，得出的结果是针对具体情况的，不能普遍化。此外，空间分布的PV的时间行为的随机性需要大量的场景，随着网络的大小和渗透水平的增加。因此，我们提出了一个新的计算效率高的分析框架的电压灵敏度分析，允许随机分析的电压变化，由于光伏发电的随机变化。首先，我们推导出一个解析近似的电压变化在网络的任何节点，由于在其他节点的功率变化在不平衡的配电网络。这种近似的质量通过近似误差的界限得到加强。然后，我们推导出由于网络多个位置的功率注入/消耗的随机变化而导致的某个节点处的电压变化的概率分布。所提出的PVSA的准确性说明使用IEEE 37总线测试系统的修改版本。所提出的PVSA可以作为主动监测/控制的强大工具，并减轻与基于扰动的网络安全机制相关的计算负担。
2020-09-12 cs.SY eess.SY
Variation-cognizant Probabilistic Power Flow Analysis via Multi-task Learning
随着太阳能光伏发电在电网中的渗透率越来越高，电压相量和支路潮流的波动越来越严重。在这种情况下，概率潮流（PPF）研究的目的是表征系统的状态相对于随机功率注入的统计特性。为了避免PPF研究中的重复潮流计算，本文利用回归算法和神经网络来提高估计性能和计算速度。具体来说，基于在每个总线的电压幅度的变化水平，我们开发了一个线性回归或一个完全连接的神经网络近似逆交流潮流映射。所提出的多任务学习技术进一步提高了分支流量估计的准确性，将电压角差的误差到损失函数的设计。在IEEE-300和IEEE-1354节点系统上的实测数据表明，所提出的方法在电压相量和支路潮流估计方面取得了较好的性能。
2022-05-02 cs.SY eess.SY
Reachability Guarantees for Energy Arbitrage
本文提出了一种统一框架，通过机会约束和在线阈值策略，提高电池在不确定市场价格下的能量套利可达性保证。
2026-09-21 cs.SY eess.SY
A Novel Probabilistic Framework to Study the Impact of PV-battery Systems on Low-Voltage Distribution Networks
The University of Sydney（悉尼大学）
本文提出了一种新的概率框架，用于研究光伏-电池系统对低压配电网的影响，通过结合家庭能源管理决策和蒙特卡罗时间序列功率流分析，生成统计上具有代表性的合成需求和光伏曲线，并利用策略函数近似来模拟基于优化的家庭能源管理决策，从而在蒙特卡罗框架内实现可行性。
2019-04-13 cs.SY eess.SY
Estimating Density Functions for Probabilistic Power Flow Using Invertible Neural Networks
Delft University of Technology（代尔夫特理工大学）；ETH Zurich（苏黎世联邦理工学院）；Eindhoven University of Technology（埃因霍温理工大学）
本文提出一种基于可逆神经网络的分析概率功率流框架，通过学习随机功率注入与系统电压之间的可逆映射，实现电压概率分布的高效近似，提升计算效率和准确性。
2026-10-21 cs.SY eess.SY
Learning Power Flow with Confidence: A Probabilistic Guarantee Framework for Voltage Risk
Department of Electrical Engineering, Indian Institute of Technology Roorkee, India（印度理工学院罗奥克分校电气工程系）；Los Alamos National Laboratory, New Mexico, USA（洛斯阿拉莫斯国家实验室）；MIT Energy Initiative, Boston, USA（麻省理工学院能源倡议）
针对机器学习在电力系统安全应用中缺乏形式化性能保证的问题，提出基于高斯过程回归的概率保证框架，通过顶点度核和网络扫描主动学习算法实现数据高效且可靠的电压风险评估。
2026-06-02 cs.LG cs.SY eess.SY
A Lyapunov Approach for Time Bounded Reachability of CTMCs and CTMDPs
时间有界可达性是连续随机逻辑规范的连续时间马尔可夫链（CTMC）和马尔可夫决策过程（CTMDP）模型检查中的一个基本问题。它可以通过数值求解特征线性动力系统来计算，但是该过程在计算上是昂贵的。我们采取控制理论的方法，并提出了一种减少技术，找到另一个动力系统的低维（变量数），这样，数值求解减少的动力系统提供了一个近似的解决方案，保证误差界的原始系统。我们的技术概括成块性（或概率互模拟）的定量设置。我们的主要结果是一个李雅普诺夫函数表征的两个动力学的轨迹，取决于初始失配和随时间呈指数下降的差异。特别是，李雅普诺夫函数使我们能够计算两个动态之间的误差界以及收敛速度。最后，我们表明，搜索的减少动力学可以计算在多项式时间使用舒尔分解的过渡矩阵。这使我们能够有效地解决减少动力系统通过计算上三角矩阵的指数表征减少的动态。对于CTMDPs，我们推广我们的方法使用分段二次李雅普诺夫函数切换仿射动力系统。我们合成的CTMDP通过其降阶切换系统，保证时间有界的可达性概率高于阈值的政策。我们提供的误差范围取决于最小停留时间的政策。我们展示了技术的例子，从集群网络，其中块不产生任何状态空间减少，但我们的技术合成的政策，使用减少版本的模型。
2020-01-06 cs.SY eess.SY
Probabilistic assessment of the impact of flexible loads under network tariffs in low voltage distribution networks
The University of Sydney（悉尼大学）
本文提出了一种概率框架，用于设计电价以最小化分布式能源资源对网络性能的影响，稳定电网公司收入并改善网络成本分配的公平性。通过结合自动化家庭能源管理系统减少高峰需求，该框架展示了如何通过非参数贝叶斯模型、热用水统计模型和新型HEMS来调度可控设备，从而降低客户成本并缓解网络约束。
2020-07-17 cs.SY eess.SY math.OC
Data-Efficient Strategies for Probabilistic Voltage Envelopes under Network Contingencies
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文提出多任务顶点度核高斯过程（MT-VDK-GP），通过融合少量网络配置下的VDK-GP潮流知识，在N-1和N-2事故场景中高效构建概率电压包络，显著降低预测误差与计算成本。
2024-04-04 cs.LG cs.SY eess.SY
Stochastic reachability of a target tube: Theory and computation
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；University of New Mexico（新墨西哥大学）
本文研究了在随机不确定环境下，如何通过凸优化方法计算目标管的随机可达集，并提出了一种可扩展且无网格的算法来合成开环控制器。
2020-11-30 cs.SY eess.SY math.OC
Computationally Efficient Analytical Models of Frequency and Voltage in Low-Inertia Systems
University of Colorado of Boulder（科罗拉多大学博尔德分校）；National Renewable Energy Laboratory（美国国家可再生能源实验室）
本文提出低惯量系统频率与电压的低阶解析模型，在逆变器占比增加时不增加计算负担，且比电磁暂态仿真快数个数量级，适用于规划、概率及筛选研究。
2025-11-06 cs.SY eess.SY
Scalable Data-Driven Reachability Analysis and Control via Koopman Operators with Conformal Coverage Guarantees
Georgia Institute of Technology（佐治亚理工学院）；School of ECE（电子工程学院）；Schools of Cybersecurity & Privacy & Aerospace Eng（网络安全与隐私及航空航天工程学院）
本文提出基于Koopman算子的可扩展数据驱动可达性分析与控制方法，通过符合预测保证系统覆盖，提升高维任务的可达集覆盖率和计算效率。
2026-01-03 cs.AI cs.LG cs.RO
Probabilistic load flow calculation of AC/DC hybrid system based on cumulant method
电力系统的运行工况变得更加复杂多变。针对含有光伏并网系统的电压源换流器-高压直流（VSC-HVDC）混杂系统，提出了一种基于累积量法的概率潮流算法（PLF-CM）。首先，为变换器设置相应的控制模式，包括下垂控制和主从控制。采用统一迭代法计算常规交直流潮流。其次，在负荷和光伏出力概率模型的基础上，基于上述潮流计算结果，利用本文的相关系数矩阵将相关样本转化为独立样本，得到负荷和光伏出力的累积量;然后，在步骤S102，利用Gram-2方法得到了状态变量的概率密度函数和累积分布函数。查理级数展开法最后，在改进的IEEE 34节点和IEEE 57节点输电系统上计算了节点电压和线路功率的均值和标准差。该算法能够反映新能源固有的不确定性，并取代复杂的卷积运算，大大提高了计算速度和收敛性。
2022-02-16 cs.SY eess.SY math.PR
Hierarchical Graph Neural Network for Probabilistic Power Flow with Grid Topology Contingencies
Xi’an University of Technology（西安理工大学）；University of Oslo（奥斯陆大学）
针对固定拓扑PPF模型泛化性差的问题，提出TDD-HBGNN，经IEEE和波兰电网测试，其相角误差更低、参数规模小且延迟低，性能优于6种基线方法。
2026-10-12 cs.GR cs.SY eess.SY
Probabilistic Conformance for Cyber-Physical Systems
在系统分析中，一致性表示两个系统同时满足相同的规范;因此，分析一个系统的结果自动转移到另一个系统，或者一个系统可以在实践中安全地取代另一个系统。在这项工作中，我们研究了信息物理系统（CPS）的概率一致性。我们提出了一个概念（近似）的概率一致性的信号时序逻辑（STL）表示的复杂规范集。基于一种新的统计测试，我们开发了第一个统计验证方法的概率一致性的广泛的一类CPS。使用该方法，我们验证了广泛使用的丰田动力系统的完整和简化模型的启动时间，基于模型预测控制和基于神经网络的汽车车道保持控制器的建立时间，以及完整和简化的电网系统的最大电压偏差的一致性。
2021-03-02 cs.SY eess.SY
A Probabilistic Framework for Power System Large-Disturbance Global Instability Risk Assessment in the Presence of Renewable Wind Generation
传统电力系统对大规模风电接入的需求日益增长，这给风电接入带来了诸多挑战。其中之一是电力系统在受到大的干扰（例如故障）时的稳定性。本文提出了一种基于概率风险的框架，计算一个全球性的不稳定性指标，结合角度，电压和频率稳定性，大的干扰。此外，还观察到大风穿透对该指数的影响。使用DIgSILENT PowerFactory软件在IEEE 39总线测试系统上进行案例研究和相关仿真。结果表明，较高的风力发电渗透率提高了电力系统的全局稳定性。此外，研究了系统发电量和负荷变化对全局不稳定性指标的影响。
2022-05-07 cs.SY eess.SY
Neural Continuous-Time Supermartingale Certificates
本文提出首个连续时间随机动态系统神经超鞅证书框架，融合机器学习与符号推理，为可达性、规避和持续性规范提供形式化概率界，并通过理论、算法与基准验证有效性。
2024-12-23 cs.AI cs.SY eess.SY
Myopically Verifiable Probabilistic Certificates for Safe Control and Learning
Department of Electrical and Computer Engineering, Carnegie Mellon University（电气与计算机工程系，卡内基梅隆大学）；Information Systems Technology and Design pillar, Singapore University of Technology and Design（信息系统技术与设计支柱，新加坡科技设计大学）；Department of Computer Science and Engineering, University of California San Diego（计算机科学与工程系，加州大学圣地亚哥分校）
本文提出了一种概率不变性技术，用于设计近视验证的概率证书，以确保安全控制与学习的长期安全。
2026-01-05 cs.LG cs.SY eess.SY
EigenSafe: A Spectral Framework for Learning-Based Probabilistic Safety Assessment
Seoul National University（首尔国立大学）；University of California, Berkeley（加州大学伯克利分校）
EigenSafe通过学习主导特征对提升强化学习的安全性，适用于机器人操作中的安全策略优化。
2026-02-16 cs.RO cs.SY eess.SY
