一种基于拓扑变换的元强化学习模型迁移训练方法及装置

本发明公开了一种基于拓扑变换的元强化学习模型迁移训练方法及装置，涉及机器学习技术领域；获取多个区域的电力数据，构建区域数据集；将区域数据集与预设训练模型的模型数据集进行数据特征对比，根据数据特征确定预设训练模型的更新策略；将区域数据集中的数据迁移至模型数据集中，根据更新策略执行更新操作得到目标模型。通过收集多区域电力数据构建区域数据集，并与预设训练模型的模型数据集进行数据特征对比，以确定模型更新策略，迁移训练方法有效的应用在模型更新上。此方法不仅加速了训练过程，提高了模型性能，还降低了计算资源需求，从而实现了高效且经济的模型更新方式，增强了模型在电力故障定位中的适应性和准确性。