《表3 5种家用负荷识别准确率》
场景2选取的训练集和测试集的处理方法和3种家用负荷场景相同;然后分别对预处理后的特征量进行小波去噪;使用数字1、2、3、4、5作为去噪后的训练集中相应负荷种类的标签;选择RBF核函数作为支持向量机的核函数,设置SVM算法的参数C=100,g=100;最后使用SVM进行负荷识别,其5种家用负荷的识别准确率由表3所示:
图表编号 | XD00186345900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 杜刃刃、杨超、王华勇 |
绘制单位 | 贵州大学电气工程学院、贵州大学电气工程学院、南瑞集团有限公司国网电力科学研究院有限公司、国电南瑞科技股份有限公司 |
更多格式 | 高清、无水印(增值服务) |