《表5 各实例所对应比值型特征向量及各方法诊断结果》

  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

《海量数据驱动的变压器故障类型高性能诊断方法》

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:M=C2H2+C2H4+CH4，加粗字体表示诊断错误。

为验证PE-BPNN算法有效性，将其与IEC三比值法和单机串行BPNN的故障诊断效果作出对比，由表3可以看出，IEC三比值法的诊断正确率最低，是因为变压器故障类型自身具有模糊性，在IEC编码故障类型交界易发生误判。PE-BPNN较传统串行BPNN诊断正确率更高，并且PE-BPNN算法较单机串行BPNN对高能放电和局部放电这两个样本量极少的类型作出更加准确的判断，是因为IRS为训练数据较少的故障类型训练样本插值得到更大的较合理的数据量。表5展示了表4中数据实例的比值型特征向量及各种诊断方法的诊断结果。