An Optimized DRL-GAN Approach for Robust Anomaly Detection in Multi-Scale Energy Systems: Insights from PSML and LEAD1. 0

Anita Ershadi Oskouei; Maral Keramat Dashliboroun; Pardis Sadatian Moghaddam; Nuria Serrano; F. Hernando-Galego; Diego Martín; José Vicente Álvarez-Bravo

doi:10.20944/preprints202512.0508.v1

Ficha de publicación · 2025

An Optimized DRL-GAN Approach for Robust Anomaly Detection in Multi-Scale Energy Systems: Insights from PSML and LEAD1. 0

Autores: Anita Ershadi Oskouei · Maral Keramat Dashliboroun · Pardis Sadatian Moghaddam · Nuria Serrano · F. Hernando-Galego · Diego Martín · José Vicente Álvarez-Bravo
Año: 2025
Editorial: MDPI
Revista o publicación: Energies 19 (1), 198, 2025
Citas en Google Scholar: 1

Resumen de investigación

Un DRL-GAN optimizado combina decisiones adaptativas con detección de anomalías basada en reconstrucción para sistemas eléctricos, de hidrógeno y energías renovables. Las pruebas sobre PSML y LEAD1.0 analizan precisión, convergencia, tiempo y robustez.

Descripción original preparada para esta web; consulte la publicación para el abstract oficial.

DOI 10.20944/preprints202512.0508.v1 ↗ · Versión de acceso abierto ↗ · Ver registro en Google Scholar ↗