一种失电研判网络在线优化方法及系统

    公开(公告)号:CN118114732A

    公开(公告)日:2024-05-31

    申请号:CN202410194025.3

    申请日:2024-02-21

    摘要: 本发明提供一种失电研判网络在线优化方法及系统。本发明对于源源不断的数据量,实时生成训练样本,然后采用FTRL框架使用实时样本在线优化停电研判网络,使得停电研判模型具有较强的实时性以及对系统变化的迅速适应性,并且由FTRL得到的稀疏解满足了模型实时推理的要求。每隔一段时间,对模型进行验证校准,若校准结果足够好,则将其更新到模型参数中,否则,将历史模型参数加载回停电研判网络。为了解决灾难性遗忘问题,本专利引入了教师学生网络的概念。引入一个稳定的“教师”模型,负责保持先前学到的知识,该“教师”模型在早期的训练阶段就已经相对稳定。此时,在线的停电研判模型被视为“学生”,学生学习到的实时的知识会通过EMA的方式更新给教师停电研判网络,从而提高在线学习的稳定性,减轻模型对于不同时间段数据分布差异的敏感性,更好地适应电力系统的动态特性。通过这一全新的在线学习方法,本专利模型致力于解决停电数据随时间的数据分布偏移的关键问题,更全面地捕捉电力系统中复杂的时空关系,提高停电研判的鲁棒性和可靠性。