《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》

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

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。