申请/专利权人：天津大学

申请日：2020-10-10

公开（公告）日：2021-01-19

公开（公告）号：CN112241836A

主分类号：G06Q10/06(20120101)

分类号：G06Q10/06(20120101);G06N3/00(20060101);G06N3/04(20060101);G06N3/08(20060101);G06Q50/06(20120101)

优先权：

专利状态码：有效-授权

法律状态：2022.05.20#授权;2021.02.05#实质审查的生效;2021.01.19#公开

摘要：本发明公开了一种基于增量学习的虚拟负荷主导参数辨识方法，包括：1将虚拟负荷模型主导参数随机取值仿真；2建立深度学习神经网络；3深度神经网络增量学习；4在线快速辨识与循环训练；本发明主要介绍了增量学习应用于电力系统分析的可行性，并将其与负荷参数辨识相结合，在保证辨识精度的同时提高了训练效率，在防止灾难性遗忘的同时保持了存储开销，为参数辨识中训练样本的处理提供了一种新思路，也为虚拟负荷模型主导参数的在线辨识提供了技术支撑；通过持续训练在线快速辨识的思路，将卷积神经网络应用于负荷模型的参数辨识，在电网大数据平台上实现了虚拟负荷模型主导参数的在线辨识，不断循环，持续训练。

主权项：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。

全文数据：

权利要求：

百度查询： 天津大学 一种基于增量学习的虚拟负荷主导参数辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD