一种双向时序特征增强的自适应暂态稳定评估方法、系统

本发明公开了一种双向时序特征增强的自适应暂态稳定评估方法、系统，针对现有深度学习模型特征提取能力的不足，构建了由双向长短期记忆网络和Kolmogorov‑Arnold网络结合的双向时序特征增强评估模型BTFE，整合暂态过程中的双向时序特征，有效提升了模型对复杂动态过程的捕捉能力；针对基于深度学习的暂态稳定评估模型适应性的不足，设计了基于自适应样本筛选策略的模型更新方法，根据源域异质性与目标域不确定性，自适应地筛选出不同阶段模型更新需求的样本，降低了模型更新时样本的标注成本；基于模型迁移策略，利用筛选出的样本对BTFE模型进行微调，既增强模型对目标任务特定特征的适应能力，又加快了模型更新速度。