一种基于梯度强化策略优化的电力调度操作票审核模型动态微调方法、系统、设备及存储介质

本发明公开了一种基于梯度强化策略优化的电力调度操作票审核模型动态微调方法、系统、设备及存储介质，所述方法包括以下步骤：将电力调度规则库转换为可微分损失函数融入GRPO训练框架；提取文本语义与电网拓扑图特征，利用改进后的GRPO训练框架，基于蒙特卡洛搜索树MCTS进行预训练，生成符合电网物理约束的对抗样本模型；实时更新规则在线导入对抗样本模型；本发明聚焦规则动态嵌入与样本不平衡联合优化。