Jul, 2024
基于半监督多任务学习的电力系统安全评估框架
Semi-Supervised Multi-Task Learning Based Framework for Power System
Security Assessment
TL;DR该论文提出了一种基于半监督多任务学习的新型机器学习框架,用于电力系统动态安全评估,具有准确性、可靠性和意识到拓扑变化的特点。该框架的学习算法通过集成条件掩码编码器和采用多任务学习进行分类感知特征表示,提高了准确性和适用于更大系统的可扩展性。此外,该框架还整合了对预测的置信度度量,提高了可靠性和可解释性。该框架还引入了拓扑相似性指标,以增加对拓扑的认识。对IEEE 68总线系统进行了各种实验来验证所提出的方法,使用了两种不同的数据库生成技术来生成所需的训练机器学习算法的数据。结果表明,我们的算法在准确性和鲁棒性方面优于现有的基于机器学习的安全评估技术。最后,我们的工作强调了使用自动编码器进行安全评估的价值,突出了准确性、可靠性和鲁棒性的改进。所有使用的数据集和代码已公开共享,以确保可重现性和透明度。