《表3 预测样本预警精度：基于BP神经网络的输电线路雷击故障预测》

  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BP神经网络的输电线路雷击故障预测》

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

取RFP=0.11，RTP=0.94所对应的阈值0.37为BP神经网络的阈值，将文中方法与传统的BP神经网络进行比较，结果如表3所示。由表3可知，基于PSO-LM-BP神经网络的线路雷击故障预测模型对于雷击跳闸故障的预报命中率达到94.00%，同时假警率为11.00%。而传统的BP神经网络的跳闸预测命中率为96.00%，假警率为18.75%。综合来看，PSO-LM-BP的准确率达到了91.50%，高于BP神经网络的88.63%。无法预报的故障样本大多发生在落雷不是很密集或线路距离落雷点较远等情况下，同时跳闸虚警的样本中线路均位于雷区，线路附近落雷数较多，处于可能发生跳闸的危险状态。对比传统的BP神经网络，PSO-LM-BP有着更高的故障预报成功率，并且大大减小了迭代次数。