《表2 不同算法识别准确率》
利用第2节模拟实验可以获得PD的PRPD谱图和波形信号图,因此文中融合ELM算法包含2个子分类器。采集400组PD信号样本,每种放电类型各100组,提取相应的PRPD谱图和波形时频域特征值,从各放电类型中随机选取80组共计320组作为训练样本,余下共80组数据作为测试样本,利用文中的融合ELM算法、传统ELM算法和BP神经网络算法进行模式识别,代码由Matlab R2018a实现。其中,融合ELM算法中2个子分类器的隐层节点数各为15,传统ELM算法中隐层节点数为20,BP神经网络为50。考虑到单次测试具有偶然性,对3种方法分别进行10次测试,计算平均值作为模式识别的准确率,结果如表2所示。
图表编号 | XD00102790600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.28 |
作者 | 潘志新、刘利国、钱程、王震、袁栋 |
绘制单位 | 国网江苏省电力有限公司、国网江苏省电力有限公司、东南大学电气工程学院、国网江苏省电力有限公司无锡供电分公司、国网江苏省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |