电力人工智能指标算法模型多场景鲁棒性评价方法

摘要

为解决传统的模型鲁棒性评价方法存在描述相符性较低，难以获得精准的场景匹配数据的不足，提出了一种新的电力人工智能指标算法模型多场景鲁棒性评价方法。针对多场景数据进行提取，设置局部空间的多场景数据扰动范围区间，控制空间范围的区间移动距离，在区间范围内预测样本点的数据获取结果。输入算法模型的基础特征参数，在输入参数维度提高的同时选择多场景数据获取距离范围数值，根据选取的数值进行初始数据评估操作。针对不确定的控制目标的特点进行数据基础分析，确保系统处于稳定状态中，并保持系统的动态特征，有效分析不同的系统参数之间的差异，构建偏差值范围，判断算法模型的多场景特点，实现数据评价。实验结果表明，该电力人工智能指标算法模型多场景鲁棒性评价方法能很好地变换采样点坐标，确保多场景采样点数据图像具备不变性，从而克服场景数据旋转敏感问题，提高响应速度。与传统评价方法相比，笔者提出的评价方法在干扰鲁棒性和仿射形变鲁棒性等方面具有较强的优势。

关键词

电力人工 / 人工智能 / 指标算法 / 模型多场景 / 鲁棒性评价 / 评价方法