《表2 各项聚类结果:基于Apriori算法和卷积神经网络的配电设备运行效率主要影响因素挖掘》
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Apriori算法和卷积神经网络的配电设备运行效率主要影响因素挖掘》
其次,使用K-means算法对运行效率和影响因素的数据进行聚类。聚类结果见表2。利用Apriori算法,得出各个运行效率类别下的频繁项集,结果见表3。从表3可知,影响配电设备运行效率大小的主要因素有:最大负载率、平均负载率、超限时间占比和轻载时间占比;其余因素为非关键因素,起到的作用有限。
图表编号 | XD00130696100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 白浩、袁智勇、孙睿、张强、史训涛 |
绘制单位 | 南方电网科学研究院、南方电网科学研究院、智能电网教育部重点实验室(天津大学)、智能电网教育部重点实验室(天津大学)、南方电网科学研究院 |
更多格式 | 高清、无水印(增值服务) |