《表2 DSV故障分类结果》
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
《基于粒子群算法优化支持向量机的变压器绕组变形分类方法》
注:DSV故障总体分类准确率:100%(21/21)。
按照图2所示流程,将上述得到的数据集用于训练和测试SVM模型,观察SVM模型的分类精度。在本研究的SVM模型通过训练集学习过程当中,训练精度总是100%,因此文中以下所提供的精确度都是指测试精度,对于训练精度未作进一步分析阐述。训练好的SVM模型对各种变压器故障的识别结果见表2-5。
图表编号 | XD00131953100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 刘伟、韩彦华、王荆、刘江南、赵仲勇 |
绘制单位 | 国网陕西省电力公司、国网陕西省电力公司电力科学研究院、国网陕西省电力公司电力科学研究院、西南大学工程技术学院、西南大学工程技术学院 |
更多格式 | 高清、无水印(增值服务) |