Обучаемые контрольные вариаты для оценки редких отключений сети на зарядных станциях электромобилей
В статье предлагается использовать обученный бинарный классификатор в качестве контрольной вариаты для снижения дисперсии при оценке очень малых вероятностей перегрузки питающих линий из‑за общественной зарядки электромобилей. Авторы выводят выражение для уменьшения дисперсии через полноту и ложноположительную ставку классификатора, показывают, что обучаемые CV остаются эффективными в экстремально редких событиях, где гауссовские модели нагрузки теряют смысл, демонстрируют ≈25% уменьшения дисперсии для простого признака и ≈60% для повышающегося бустинга, и показывают, что применение метода в сети Сурабаи сокращает количество дней городских отключений примерно на треть по сравнению с Монте‑Карло при одинаковом бюджете симуляций.