《表2 比较结果:电力系统低频振荡模式识别的神经网络方法》
此外,本文还与现有的Prony-Adaline和ESPRIT-Adaline算法进行了比较。如表2所示,所提出的方法具有最佳的AOF和最少的计算时间。EDSNN在精度和速度上的优势表明,EDSNN的拓扑结构比Adaline更适合于LFO模式识别。
图表编号 | XD00155801300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 孙福寿 |
绘制单位 | 国网吉林省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |
此外,本文还与现有的Prony-Adaline和ESPRIT-Adaline算法进行了比较。如表2所示,所提出的方法具有最佳的AOF和最少的计算时间。EDSNN在精度和速度上的优势表明,EDSNN的拓扑结构比Adaline更适合于LFO模式识别。
图表编号 | XD00155801300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.20 |
作者 | 孙福寿 |
绘制单位 | 国网吉林省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |