Indexed by：
Abstract：
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.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报(自然科学版)
ISSN： 1000-2243
CN： 35-1337/N
Year： 2023
Issue： 06
Volume： 51
Page： 777-783
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
