《表4 不同分类器性能比较》
![《表4 不同分类器性能比较》](http://bookimg.mtoou.info/tubiao/gif/DLXT202006003_08900.gif)
本系列图表出处文件名:随高清版一同展现
《基于集成深度置信网络的精细化电力系统暂态稳定评估》
集成DBN模型考虑2种情况,第1种情况是按照2.2节式(7)进行去冗余后的特征作为输入,记为DBNa;另一种情况是不进行去冗余,将27个特征全部作为输入,记为DBNb。针对目前在电力系统暂态稳定预测中所使用的方法,本文将集成DBN模型与深度学习中的人工神经网络(artificial neural network,ANN)、多层感知机(multilayer perceptron,MLP)及浅层学习中的SVM,DT,RF和KNN进行对比,以说明本文所提方法不仅优于常规的浅层学习,也优于部分深度学习模型。针对以上分类器,分别选择其最优参数,其中:ANN的结构与DBN5相同;MLP经实验寻优,选取其结构为[23,500,500,2];SVM采用径向基函数作为核函数,采用网格法和五折交叉验证进行相关参数寻优;DT采用C5.0算法;RF采用90棵树进行集成;KNN经寻优后,k选为20。测试模型均基于开源机器学习库scikitlearn搭建。以故障切除后第20个周期(即0.33 s)的数据集为例,分别用以上方法进行暂态稳定预测,并对预测结果进行分析,如表4所示。
图表编号 | XD00130352000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 李宝琴、吴俊勇、邵美阳、张若愚、郝亮亮 |
绘制单位 | 北京交通大学电气工程学院、北京交通大学电气工程学院、北京交通大学电气工程学院、北京交通大学电气工程学院、北京交通大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |