《表3 故障区间识别正确率对比》

  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

《考虑光伏出力间歇性的微电网故障辨识方法》

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

为了验证本文所提方法在微网馈线故障区间识别方面的有效性，以发生S1、S2、S3和S4 4个馈线区间的4 224条故障样本作为核极限学习机的输入，将其随机分为训练样本集（2 816条）和测试样本集（1 408条）并输入KELM进行训练和区间识别测试。采用与故障分类相同的方法确定KELM最优参数（C，γ）为（22.804，2-1.537），区间识别仿真结果如表3所示，利用包含辐照度特征在内的样本集训练出KELM故障分区方法，其识别正确率高于未采用辐照度特征样本集的情况。图14进一步展示了不同辐照度和各种故障类型对应的2种KELM区间识别正确率分布趋势。由图14可知，对于不同故障类型，采用包含辐照度特征在内的样本集训练的KELM故障分区方法其故障区间识别精度得到了进一步提升，并且更加稳定。