《表6 本文算法中高维球半径h变化的检测结果》
考虑到各个算法中参数取值对算法的负荷事件检测的影响,表4~表6分别给出了阈值触发法、CUSUM算法和本文算法中参数选择对事件检测的实验结果。这里采用机器学习中分类器的评价方法,其中真阳性(True Positive,TP)表示正确地检测到负荷事件发生;真阴性(True Negative,TN)表示结果显示没有负荷事件发生,实际上也没有负荷事件发生;假阳性(False Positive,FP)表示判定有负荷事件发生,实际上没有负荷事件发生;假阴性(False Negative,FN)表示有负荷事件发生,但是并没有检测出事件。另外,由于绝大多数时刻点都是负荷稳定运行状态,因此真阴性值高且难以统计,故TN通常忽略,而采用H.Altrabal等提出的F-Measur评价标准[32]。FM越高,说明检测性能越好。由表4~表6可以看出,阈值法中,参数设置80~90较为合理;CUSUM中,最小突变量Δmin设置为90左右比较合理;而本文方法中,半径h设置为0.02~0.05范围都具有较高的检测性能。
图表编号 | XD00219909200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 周东国、张恒、周洪、胡文山 |
绘制单位 | 武汉大学电气与自动化学院、武汉大学电气与自动化学院、武汉大学电气与自动化学院、武汉大学电气与自动化学院 |
更多格式 | 高清、无水印(增值服务) |