期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于遗忘记忆回溯和参数正则的电力系统事故前暂态稳定评估持续学习框架
1
作者 陈灏颖 管霖 +2 位作者 陈鎏凯 林冰颖 李永哲 《电网技术》 北大核心 2025年第9期3778-3787,I0079-I0082,共14页
基于数据驱动的事故前暂态稳定评估(pre-contingency transient stability assessment,PCTSA)模型在长期应用和持续更新过程中面临着灾难性遗忘和数据累积的双重挑战。为此,提出一种基于持续学习(continual learning,CL)的PCTSA框架,利... 基于数据驱动的事故前暂态稳定评估(pre-contingency transient stability assessment,PCTSA)模型在长期应用和持续更新过程中面临着灾难性遗忘和数据累积的双重挑战。为此,提出一种基于持续学习(continual learning,CL)的PCTSA框架,利用遗忘记忆回溯(forgotten memory replay,FMR)和基于梯度的参数正则(gradient-based parameter regularization,GPR)方法来指导模型参数的高效更新,同时避免遗忘。首先,FMR在CL过程中不断收集被错误分类的样本,构建遗忘样本池,进而利用遗忘概率采样策略从中挑选关键的弱记忆样本回放,显著提高了样本回放效率。其次,基于分类损失挑选样本进行存储,以节省存储资源。然后,GPR通过旧样本的分类损失对模型参数的梯度计算参数重要度,基于此构建参数正则损失以对模型参数的更新施加差异化约束,从而保留了模型中的重要旧知识。最后,通过准确率、抗遗忘指标、促泛化指标评价模型的CL效果。在IEEE 39节点系统上的测试结果表明,所提方法具有显著的时效优势,同时模型具备较强的抗遗忘能力和泛化性能。 展开更多
关键词 暂态稳定评估 持续学习 灾难性遗忘 记忆回放 错误分类样本 参数正则 参数重要度
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部