Toward Physically Reliable Energy AI
Toward Physically Reliable Energy AI
Reliable and Intelligent Decision Making for Energy (RIDE) Lab
Integrating machine learning, mathematical optimization, and physical information for reliable decisions.
Embedded Files
From Physics-Informed to Physically Reliable Energy AI
RIDE 랩은 AI, 최적화 그리고 시스템의 물리 정보를 결합하여 에너지 시스템을 위한 신뢰할 수 있는 의사결정 알고리즘을 연구합니다. 에너지 저장장치(ESS), 전기차(EV) 등 개별 요소들의 운영부터 에너지 관리 시스템(EMS), 전력망 운영까지 다양한 규모의 문제를 다루며, 불확실한 환경에서도 에너지를 안정적이고 효율적으로 활용하는 방법을 연구합니다.
이를 위해 물리 정보 학습과 최적화의 결합, 확률적 예측을 통한 지능형 에너지 관리 시스템 및 에너지 파운데이션 모델을 연구합니다. 이러한 연구를 통해 데이터에서 얻은 예측과 지식이 실제 물리 시스템에서 실행 가능한 의사결정으로 이어지도록 하여, 지속 가능한 에너지 시스템에 기여하고자 합니다.
News
News
[2026.09] 📑 Our paper has been accepted for publication in IEEE Transactions on Power Systems.
[2026.09] 🔬 A new project has been funded by Hanbat National University.
[2026.09] 🔬 A new project has been funded by the National Research Foundation of Korea (NRF).
[2026.05] 🔬 A new project has been funded by 60Hz.
Research at RIDE
Research at RIDE
01 / Foundation models for energy systems
Learning from diverse energy data for zero-shot forecasting and transfer to unseen power systems.
02 / Physics-embedded optimization
Learning to solve optimal power flow and grid switching problems while respecting physical constraints.
03 / Forecasting under uncertainty
Probabilistic models for renewable generation, electricity demand, and dynamic line ratings.
04 / Intelligent energy management
Learning and optimization for storage scheduling, electricity markets, and distributed intelligence.
Page updated
Google Sites
Report abuse