《表3 CNN辨识结果:深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法》
![《表3 CNN辨识结果:深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法》](http://bookimg.mtoou.info/tubiao/gif/DLQB202004002_05100.gif)
本系列图表出处文件名:随高清版一同展现
《深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法》
表3所示的辨识效果不太理想,负荷中的400 W多用锅、2 000 W电吹风、1 500 W热水壶和600 W小太阳无法得到有效辨识。主要是因为仅仅以负荷投入时的暂态波形图像为负荷特征,CNN无法提取负荷之间的电流值差异。在相似负荷的辨识场景下,暂态电流图像相似,导致所提取的特征相近,部分负荷的在辨识过程中被识别成了相似的负荷,所以辨识的结果不佳,因此需要引入电流幅值特征提高辨识效果。
图表编号 | XD00149757800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.28 |
作者 | 黄友金、熊炜、袁旭峰、李卓 |
绘制单位 | 贵州大学电气工程学院、贵州大学电气工程学院、贵州大学电气工程学院、贵州大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |