电力人工智能指标算法模型多场景鲁棒性评价方法(1).pdf

第42卷第1期吉林大学学报（信息科学版）Vol.42No.1

ScienceEdition

2024年1月JournalofJilinUniversity(lnformationJan.2024

文章编号5896(2024)01-0162-06

电力人工智能指标算法模型多场景鲁棒性评价方法

黄云1.2，董天宇！

（1.国网信通产业集团安徽继远检验检测技术有限公司评估实验中心，合肥230031；

2.合肥工业大学计算机与信息学院，合肥230031）

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。输人算法

模型的基础特征参数，在输人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

中图分类号：TP39文献标志码：A

Multi-ScenarioRobustnessEvaluationMethodofPower

ArtificialIntelligenceIndexAlgorithmModel

HUANGYun2,DONGTianyu

(1.AnhuiJiyuanInspectionandTestingTechnologyCompanyLimited,EvaluationExperimentCenter,StateGridXintongIndustryGroup,

Hefei230031,China;2.SchoolofComputerScienceandInformation,HefeiUniversityofTechnology,Hefei230031,China)

Abstract:Toaddresstheshortcomingsoftraditionalmodelrobustnessevaluationmethods,suchaslow

descriptionconsistencyanddifficultyinobtainingaccuratescenematchingdata,anewpowerartificial

intelligenceindexalgorithmmodelofmultiscenariorobustnessevaluationmethodisproposed.Themultiscene

dataisextracted,thedisturbancerangeintervalofmultiscenedatainlocalspaceisset,theintervalmovement

distanceofspatialrangeiscontroll