融合迁移学习与生成对抗网络的电力系统状态估计方法

本发明公开了融合迁移学习与生成对抗网络的电力系统状态估计方法，在原拓扑的潮流数据上添加量测噪声得到原拓扑量测数据并进行预处理；搭建DA‑CNN‑BiLSTM神经网络，并利用预处理后的原拓扑量测数据集训练得到源域模型；在新拓扑的潮流数据上添加量测噪声得到模拟实际量测的小样本新拓扑量测数据集；利用CWGAN‑div模型对新拓扑量测数据集进行数据增强得到扩充后的新拓扑量测数据集；以源域模型和扩充后的新拓扑量测数据集进行迁移学习冻结部分层数并对未冻结部分进行微调训练得到目标域模型；在线估计时将新拓扑实时断面量测信息输入目标域模型预测得到当前系统状态量。本发明解决了拓扑变化时原拓扑估计模型估计精度不足的问题。