《表4 与常用优化模型评估结果对比》
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
《基于差分进化极限学习机的电力系统暂态稳定评估方法》
由表3可知,SFBS-DE-ELM的评估性能最好,达到了98.58%,同时所用特征集也为6种模型中最少,因而验证了SFBS算法对于DE-ELM性能具有提升作用。同时经过对比可以看到,不论是哪种特征输入,DE-ELM均比ELM具有更高的精度,证明了DE-ELM的优越性。同时将DE-ELM与常用算法优化的极限学习机进行正确率与模型训练时间对比,对比结果如表4所示。
图表编号 | XD00120629900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.08 |
作者 | 李向伟、刘思言、高昆仑 |
绘制单位 | 华北电力大学电气与电子工程学院、全球能源互联网研究院、全球能源互联网研究院 |
更多格式 | 高清、无水印(增值服务) |