电力系统特定任务的少量数据微调与自修复生成模型压缩方法

本发明公开了一种电力系统特定任务的少量数据微调与自修复生成模型压缩方法，通过知识蒸馏和模型压缩技术减小计算需求，电力系统模型能够在资源受限的环境中高效运行。知识蒸馏提取大模型的核心知识并迁移至小模型，再结合剪枝和量化，优化了参数量，确保轻量化部署。与此同时，通过情境感知、自修复和反事实GAN，模型生成和适应能力得到进一步增强。情境感知GAN能够实时调整模型以应对环境变化，自修复GAN在数据异常时生成替代样本，确保数据输入质量；反事实GAN在假设情境中模拟不同策略，为风险评估与优化提供支持。通过此机制，模型在各类场景中维持高精度预测和响应，保障电力系统的高效与稳定运行。