《表1 训练样本分布情况:基于三序分量法和PNN的配电网不对称故障类型识别》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于三序分量法和PNN的配电网不对称故障类型识别》
综合考虑过渡电阻、故障初始角对故障电流的影响,选取概率神经网络的训练样本。具体训练样本的故障类型与故障条件的分布情况如表1所示,共选择915个样本用来训练PNN网络。使用任意的33个作为测试样本代入训练完成的网络中,再把SPREAD分别设置为1、1.5、2、2.5、3、3.5、4进行仿真分析。当SPREAD=3时,PNN网络将得到最佳的故障识别率,然后再用Y=sim(net,p_test)函数,可以得到测试样本分类的效果如图8所示。其中“1”代表单相接地故障,“2”代表两相相间短路故障,“3”代表两相接地故障,“4”代表正常状态。可以看出:该方法故障分类效果较好,各个测试量与实际量相同,达到故障识别的目的。
图表编号 | XD00115466000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 陈新岗、陈小青、冯煜轩、贺娟、罗浩、余兵 |
绘制单位 | 重庆理工大学、重庆市能源互联网工程技术研究中心、重庆理工大学、重庆理工大学、重庆理工大学、重庆理工大学、重庆理工大学 |
更多格式 | 高清、无水印(增值服务) |