一种基于迁移学习的电力系统暂态稳定自适应评估

本发明公开了一种基于迁移学习的电力系统暂态稳定自适应评估方法，该方法将故障切除后发电机功角轨迹簇的27个几何特征的时数据作为原始输入特征；构建基于卷积神经网络的暂稳预测模型，它由输入特征、卷积层1、池化层1、卷积层2、池化层2、全连接层、分类层和输出结果组成；并改进反向传播算法的损失函数；最后利用迁移学习策略，将一种运行方式和拓扑结构系统下得到的预训练模型的网络结构、两个卷积层、两个池化层和全连接层的参数都迁移到新模型，仅随机初始化分类层的参数，在新的运行方式和拓扑结构下，用新场景下的训练样本集对分类层进行训练，即可使新模型很快地跟踪电力系统的运行方式和拓扑结构的变化，保持较高预测准确率。

搜集汇总

背景与挑战

背景概述

该数据集涉及一种基于迁移学习的电力系统暂态稳定自适应评估方法，以故障切除后发电机功角轨迹簇的27个几何特征为输入，构建卷积神经网络暂稳预测模型。通过改进反向传播损失函数，并利用迁移学习将预训练模型的大部分参数迁移至新场景，仅重新训练分类层，使模型能快速适应运行方式和拓扑结构变化，保持高预测准确率。