《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。