《表6 仿真数据的识别结果》

  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AD-CNN算法的配电网内部过电压识别技术》

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

为验证所提方法的性能，将所提方法与已有的低维特征结合浅层分类器的识别方法进行对比。按照文献[9]中提取特征量的方法提取过电压信号在时域和时频域上的特征。在时域中，提取三相电压有效值、绝对平均值和崤度；在时频域中，对得到的特征原子谱分相进行奇异值分解（SVD），构造奇异谱最大奇异值、均值、脉冲因子、熵和标准差。将时域和时频域特征按相拼接得到1×24的低维特征后，结合多级支持向量机（SVM）和极限学习机（ELM）进行识别。同时，为了证明相对于浅层学习CNN对高维数据具有自主学习和类型识别的优势，将三相特征原子谱按相展开成1×2 025的形式直接送入SVM和ELM进行识别，得到识别结果见表6。