ProDER 提出持续学习电网故障诊断方法

Emad Efatinasab 等作者发表论文提出 ProDER，一种面向演进智能电网故障分类与定位的持续学习方法，目标是缓解模型面对新故障类型和新监测区域时的灾难性遗忘。该方法在 DER++ 基础上加入原型吸引与原型级排斥损失、温度缩放 logit 蒸馏和原型感知回放记忆。 论文报告称，在测试的持续学习方法中，ProDER 在所有场景下准确率最高，平均 58.2%，比最强对比方法 DPDMR（51.6%）高 6.6 个百分点，比联合训练（61.4%）低 3.2 个百分点；回放缓冲区大幅缩小时它仍表现最佳。作者同时指出，在真实现场测量数据上的验证仍是必要的下一步。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。