《表4 M2与M2＿0的诊断对比》

  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

《基于并行化大数据流及迁移学习的配电变压器故障在线辨识–诊断模型》

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

经统计，配变发生的故障主要有过热故障、铁芯故障、绝缘故障、油质故障、放电故障五类。为说明本文M2诊断器的精确性，将其与仅通过待诊断配变故障数据训练的诊断器（记为M2＿0）进行对比。由于没有辅助故障数据的参与，M2＿0将退化为利用AdaBoost算法进行训练，不再具有知识迁移的功能。选择目标故障数据30条，辅助故障数据150条。表4显示了不同迭代次数下M2和M2＿0的故障诊断精度。从表中可以看出，随着迭代次数的增加，M2和M2＿0的故障诊断精度均呈现上升的趋势，应说明的是在迭代次数为35时两种算法均达到了收敛状态；在不同的迭代次数下，M2的诊断结果精度均高于M2＿0。这是由于M2＿0仅利用待诊断配变的自身故障数据进行训练，故障数据量少，诊断器的泛化能力较弱，难以根据新的输入状态量得到正确的故障分类结果；而M2借助了其他配变的故障信息，利用Tr Ada Boost算法将其他配变的故障信息迁移至待诊断配变，有效信息利用率较高。