《表3 不同电压暂降源辨识方法正确率》
最后本文将文献[9]、文献[12]、文献[13]中的方法(以下简称方法1、方法2、方法3),与本文提出的直接使用DBN提取特征并分类的方法进行实验结果对比。方法1提取出谐波总含量、曲线峭度、曲线偏度等多种特征量,观察分析各类特征的组合分类能力,选择最优组合并用SVM算法进行分类;方法2基于一种新型双神经网络,利用谐波、间谐波和电压方均根值等指标实现电压暂降检测和分类;方法3提取了三相电压变化速率、电压恢复速度、非矩形系数、三相电压不平衡率等10项特性参数,基于深度机器学习对电压暂降进行分类。3个文献中的方法均使用人工提取特征,实验结果如表3所示。由表3可知,直接使用DBN提取特征并分类的方法所辨识的结果正确率最高。
图表编号 | XD00116489400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 李丹奇、梅飞、张宸宇、沙浩源、郑建勇、李陶然 |
绘制单位 | 东南大学电气工程学院、河海大学能源与电气学院、国网江苏省电力有限公司电力科学研究院、东南大学电气工程学院、东南大学电气工程学院、东南大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |