《表2 配变故障与正常时预测误差的差别》
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》
ARIMA算法本质上属于一种预测算法,本文利用该算法进行配变的故障辨识。应注意的是,所选的预测算法重点不在于其预测的精度,而在于配变在故障阶段与正常阶段预测相对误差的差别有多大。以图8的X1为例,当时间序列长度为50时,正常配变的X1预测误差为8%左右;而故障配变的X1预测误差为27%左右,两个预测误差的差别为27%-8%=19%。两个预测误差的差别越大,则配变故障的可辨识度越高。为对比两个预测误差的差别,选择另外两种预测算法,灰色预测法[29]和指数平滑法[30],作为对比算法。表2显示了几种预测算法在配变故障与正常时预测误差的差别。从表中可以看出,ARIMA算法在在配变故障与正常时预测误差的差别最大,达到了19%,而另外两种算法分别达到了12%和15%,由于ARIMA算法预测误差差别最大,因此,基于ARIMA算法的预测误差差别具有最高的可辨识程度,下文将进一步说明配变故障的可辨识度问题。
图表编号 | XD0060011100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.30 |
作者 | 杨志淳、周任飞、沈煜、杨帆、雷杨、严方彬 |
绘制单位 | 国网湖北省电力有限公司电力科学研究院、武汉中原电子信息有限公司、国网湖北省电力有限公司电力科学研究院、国网湖北省电力有限公司电力科学研究院、国网湖北省电力有限公司电力科学研究院、国网湖北省电力有限公司电力科学研究院 |
更多格式 | 高清、无水印(增值服务) |