《表3 CNN全连接层输出结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度-迁移学习的输电线路故障选相模型及其可迁移性研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证生成的深度迁移学习模型的可用性，导出尧阳2567线的实际故障录波数据，包括线路两端节点的三相电压和三相电流，波形如附录B中的图B5所示，其中录波采样间隔为312μs。进一步对导出电气量进行有效值转换、采样及归一化处理，形成一个12×12维的测试样本矩阵。将此测试样本输入迁移训练后的深度学习模型中，导出深度学习模型全连接层的输出，即针对输入的测试样本，利用模型计算得到的10种故障类型概率，输出结果如表3所示。网络最后的Softmax层会选取概率最大的类别作为模型的判别结果，所以针对尧阳2567线路的故障录波数据，深度学习模型判别结果为98.03%的概率为B相接地故障，与实际故障类型一致。