基于深度联邦迁移学习的电网瞬态稳定性评估方法和系统

本申请提供了一种基于深度联邦迁移学习的电网瞬态稳定性评估方法和系统，包括：采集电网历史数据，包括对称故障和不对称故障场景下的PMU量测序列，并对电网历史数据进行数据预处理；使用电网历史数据在源域电网预训练FLACON模型，得到预训练模型参数；将预训练模型参数作为全局初始参数，分发给不同区域电网节点的客户端；多个客户端使用本地数据更新本地模型，得到本地模型参数；客户端将本地模型参数上传到中央服务器，中央服务器根据本地模型参数的数据特征匹配度加权聚合全局参数；采集实时量测数据，利用FLACON模型对实时量测数据进行推理，输出稳定性预测结果。本申请解决现有技术中存在关键数据的安全风险和数据传输容易延迟的技术问题。