[发明专利]一种基于增量学习的虚拟负荷主导参数辨识方法

权利要求书

1.一种基于增量学习的虚拟负荷主导参数辨识方法，其特征在于，包括以下步骤：

步骤1：从虚拟负荷模型选取主导参数随机取值进行PSASP仿真获得新训练样本；

步骤2：选取卷积神经网络建立深度学习神经网络；

步骤3：对深度神经网络中样本进行增量学习；其中：选取旧样本中代表性的样本送入步骤2中建立的深度学习网络，与步骤1中生成的新训练样本结合进行训练，在训练过程中同时使用不同批次的训练样本，达成训练新样本的同时对老样本的误差进行约束；

步骤4：在线快速辨识与循环训练：从PMU等量测模块得到有效的在线量测波形后，将其送入步骤3中已训练的深度学习神经网络进行参数辨识，得出的辨识参数进行PSASP仿真评估性的量测样本；将所述量测样本送入步骤3中训练样本中循环训练；其中：

从PMU等量测模块得到有效的在线量测数据后，将其送入步骤3中训练好的深度神经网络进行参数辨识，得出的结果再送入PSASP进行仿真；经仿真后得出的波形与实际量测波形进行对比，评估辨识准确性：若拟合准确，则输出辨识结果，并保存至样本库参与后续训练；若拟合有误差，则通过粒子群算法进行单独辨识，结果保存至样本库参与后续训练，如此循环。

2.根据权利要求1所述的基于增量学习的虚拟负荷主导参数辨识方法，其特征在于：所述步骤3中，所述深度学习神经网络中有关网络参数训练的增量学习方法为：

通过对深度学习神经网络的旧样本选取代表性样本形成样本库；提取代表性样本与步骤1中生成的新训练样本按比例结合送入深度学习神经网络继续训练；达到在训练过程中同时使用不同批次的训练样本，训练新样本的同时对老样本的误差进行约束。