《表6 支持向量机及BP神经网络模型训练结果》
从试验数据中选择340组电流数据样本,其中故障数据和正常数据样本各170组,以8:2的比例将数据划分为训练集和验证集输入BP神经网络以及支持向量机(support vector machine,SVM)分类器进行训练。SVM模型类似于一个3层前馈神经网络,其核函数采用的是Gauss核函数RBF,并采用交叉验证的方法选择SVM分类器的核函数参数b和惩罚参数c。经过SVM模型训练,可以得到最佳的参数b=0.035 897和c=0.870 55,其准确率为94.12%。BP神经网络由输入层、隐藏层和输出层3层构成,利用db5小波变换将电弧电流信号进行4层分解后构造能量谱特征向量作为BP神经网络的输入,其神经网络拓扑结构为5×8×4,通过模型训练可以得到其准确率为88.23%。SVM及BP神经网络模型的训练结果如表6所示。
图表编号 | XD00195006900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.28 |
作者 | 龙官微、穆海宝、张大宁、李洋、张冠军 |
绘制单位 | 西安交通大学电力设备电气绝缘国家重点实验室、西安交通大学电力设备电气绝缘国家重点实验室、西安交通大学电力设备电气绝缘国家重点实验室、西安交通大学电力设备电气绝缘国家重点实验室、西安交通大学电力设备电气绝缘国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |