Ficha de publicación · 2025
An evolutionary deep reinforcement learning-based framework for efficient anomaly detection in smart power distribution grids
- Autores
- Año
- 2025
- Editorial
- MDPI
- Revista o publicación
- Energies
- Citas en Google Scholar
- 24
Indicadores de la revista
CiteScore 2025 (Scopus)8.3
Mejor cuartilQ1
Top 10 % en alguna categoríaSí
Posiciones por categoría
- Control and Optimization10/198 · Q1 · percentil 95 · Top 10%
- Engineering (miscellaneous)41/300 · Q1 · percentil 86
- Electrical and Electronic Engineering160/1030 · Q1 · percentil 84
- Energy Engineering and Power Technology68/347 · Q1 · percentil 80
- Fuel Technology37/138 · Q2 · percentil 73
- Renewable Energy, Sustainability and the Environment107/345 · Q2 · percentil 69
- Energy (miscellaneous)35/106 · Q2 · percentil 67
JCR (Clarivate): No verificado: el fichero aportado es CiteScore de Scopus, no JCR.
Incluida en el informe aportado sobre comportamiento bibliométrico no estándar (2017–2019).
El informe es un análisis independiente publicado en 2021; no es una lista oficial de veto o aprobación de ANECA.Resumen de investigación
Un detector de anomalías con aprendizaje por refuerzo profundo combina extracción de características CNN, modelado temporal recurrente y optimización de hiperparámetros mediante colonia artificial de abejas. Cuatro conjuntos eléctricos inteligentes permiten evaluar generalización, falsas alarmas y eficiencia.
Descripción original preparada para esta web; consulte la publicación para el abstract oficial.DOI 10.3390/en18102435 ↗ · Versión de acceso abierto ↗ · Ver registro en Google Scholar ↗