《表6 变压器故障诊断模型准确率的综合比较》
(1)以DGA中5种特征气体的相对体积分数作为输入特征向量,分别利用BP神经网络、M-RVM、粒子群算法优化的极限学习机(PSO-ELM)融合动态加权Ada Boost、粒子群混合改进灰狼算法PSO-IG-WO优化混合核极限学习机(KELM)以及M-RVM结合改进DS证据理论这5种模型进行变压器故障诊断,诊断结果如表6所示;
图表编号 | XD00184194500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 黄新波、马玉涛、朱永灿 |
绘制单位 | 西安工程大学电子信息学院、国网陕西省电力公司延安供电公司、西安工程大学电子信息学院 |
更多格式 | 高清、无水印(增值服务) |