不同运行状态下基于增量学习的关键支路自适应筛选方法

本发明公开了不同运行状态下基于增量学习的关键支路自适应筛选方法，涉及电力系统关键支路识别技术领域，包括通过无监督聚类历史运行数据构建不同负载状态下的安全边界初步拟合模型；根据状态数据拟合对应的安全边界生成全网的安全边界集合；利用历史运行状态数据和拟合后的安全边界对增量学习模型进行训练，输出多越限支路；基于置信度评分判断是否将支路的安全边界纳入样本池。本发明通过结合增量学习与在线关键支路辨识技术，实现电力系统安全边界的实时生成和自适应更新。自适应更新机制使得模型能够在复杂运行状态下持续优化，准确识别可能越限的关键支路，帮助电网运营商提前预测并防范安全风险，从而提升电网的安全性、可靠性和调度效率。