《表3 不同电压暂降源辨识方法正确率》

  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

《基于深度置信网络的电压暂降特征提取及源辨识方法》

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

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。