分数阶电网预报拆成两件事：频率预测交给学习，误差界交给单独重建的记忆力
核心概要
分数阶电网的观测窗口看不到更早的运动，而这段历史通过一个“记忆力”影响未来频率。研究把频率点预测与记忆重建分成两个学习目标：在六节点、十环、十网孔和二十网孔算例上，响应训练的线性预测器经神经残差修正后，主噪声水平下频率均方根误差相对该线性预测器下降0.074至0.104。单独重建的记忆力作为参考，配合能量不等式与角度判据，可在点预测器本身无法给出界的情形下签发频率误差包络。
深度剖析
分数阶电网的频率预报被拆成两个互不替代的任务：一个模型只负责把未来频率预测准，另一个模型只负责把观测窗口之前的记忆状态重建准，后者用作误差界的参考。 此前的做法是让同一个记忆估计既服务频率预测又充当物理误差界的依据，而观测窗口起点晚于物理历史起点，窗口内的相位和频率不足以确定更早的运动。 在观测噪声标准差0.002下，力坐标神经修正把六节点、十环、十网孔、二十网孔四组的频率均方根误差从响应岭回归的1.600、1.662、2.027、2.059降到1.506、1.558、1.952、1.985，八个配对置信区间均不含零。
两个任务分开后，预测精度的提升不再被当作记忆重建更准的证据，因为学习到的修正有一部分是在抵消观测噪声。 把带噪的初始状态换成精确初始状态后，神经修正相对线性预测器的优势发生反转，说明增益与记忆重建误差可以同时变大。 在噪声0.002下，力修正的力误差为0.000331，高于响应岭回归的0.000288；改用精确初始状态后其频率误差为1.797，而响应岭回归为1.669。
单独重建的记忆力被送进一个移动参考的能量不等式，再叠加数值传播缺陷和参考与点预测之差，从而在点预测器无法支撑误差界时仍能签发频率包络。 只用点预测器自身作参考时，高噪声下二十网孔组64个事件无一签发；改用单独的记忆重建作参考后，同一组仍为零，但六节点、十环、十网孔三组开始有事件通过判据。 高噪声下神经参考在六节点组签发76至82个（共96个）、十环组24至34个（共64个）、十网孔组22至30个（共64个），直接参考在四组均为全部签发；已签发的物理界在存储时刻无一失败。
启示与展望
演示范围是已知参数、全节点相位与频率可观测、共同分数阶次和共同核的有限松弛模型仿真暂态，网络为六节点、十环、十网孔和二十网孔，线路故障后仍保持连通；作者提出的下一步是把概率陈述扩展到现场频率量测、多尺度数据和不同调度场景，这需要能代表新工况的校准事件。
签发保证是边际的联合失败概率陈述，不是已签发界之间的条件覆盖率；校准按网络与噪声组分别进行，仅靠拓扑迁移不提供覆盖保证。高噪声二十网孔组的临界半径小于校准半径，因此全部弃权，作者说明这反映角度余量被消耗，并不表示动态失稳。解析保证针对实数运算下的指定有限方程，双精度评估含算术保护但不构成定向舍入的计算机辅助证明。