考虑样本加权的迁移学习暂态稳定评估模型更新方法

作者：方熙; 王怀远^*; 党然; 温步瀛

来源：福州大学学报(自然科学版), 2023, 51(06): 777-783.

• 暂态稳定评估
• 样本加权
• 密度比估计
• 迁移学习
• 模型更新

在电力系统暂态稳定评估模型的更新过程中，针对与潜在故障相关性较小的故障样本影响迁移效果的问题，本研究从原始样本的特征量出发，发现其分布差异能反映故障之间的相关程度，由此提出考虑样本加权的迁移学习方法，进一步提高更新后评估模型的性能.首先，通过预先训练获得一个独立的域判别器，以此衡量训练模型的各故障样本相对于潜在故障的相似程度.其次，将量化后的分布差异通过密度比估计的方式进行转化，得到训练模型的各故障样本所赋予的权重大小.最后，将权重引入迁移学习更新评估模型的损失函数中，实现样本筛选.所提方法的有效性在IEEE-39节点系统和华东某区域的实际系统中均得到验证.

• 单位
  福州大学; 自动化学院