《表3 不同算法分类准确率比较》

  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

《基于双分辨率S变换和学习向量量化神经网络的电能质量扰动检测方法》

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

注：NF为不加噪声，—表示文献中无数据。

为进一步验证基于DRST和LVQ神经网络的电能质量扰动检测算法的有效性，将本文算法的扰动分类识别结果与已有的部分电能质量扰动检测方法（DWT+ANN[22]，TEO+PNN[23]，SSD on hybrid dictionaries[24]）的分类识别结果进行比较。不同算法的分类准确率具体见表3。由表3中数据可见，采用本文算法后，由于DRST能够很好地将电能质量扰动信号的特征信息从原始信号中提取出来并具有良好的抗噪性能，改进后的LVQ神经网络容错性亦大大增加，使得基于DRST和LVQ神经网络的电能质量扰动信号检测算法，不仅能够准确地辨识单一类型的电能质量扰动信号，而且对复合电能质量扰动信号的识别准确率也要明显优于其他算法。