《表4 PD信号识别结果:采用Fisher线性判别法提取GIS内部局部放电信号最优能量特征》
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
《采用Fisher线性判别法提取GIS内部局部放电信号最优能量特征》
支持向量机(SVM)是一种基于VC维理论和SRM原则的机器学习方法,它特别适用于高维空间下的模式识别[-]2324。本文选择“一对一”SVM对4种典型缺陷UHF PD信号进行辨识。选择径向基核函数(radial basis function,RBF)作为SVM的核函数。RBF函数采用系统默认值。本文从4种缺陷特征集中随机选取100组数据作为训练样本,剩下的200组数据作为测试样本。作为对比,本文同时提取实数小波变换(real wavelet transform,RWT)能量特征向量、DT-CWT实部和虚部的高频层和低频层能量特征(high and low layer energy,HLE)向量进行PD辨识。辨识结果如表4所示。
图表编号 | XD0098134100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.05 |
作者 | 田宇、罗沙、李宾宾、孙文 |
绘制单位 | 国网安徽省电力有限公司、国网安徽省电力有限公司、国网安徽省电力有限公司、国网安徽省电力有限力公司电力科学研究院、国网电力科学研究院 |
更多格式 | 高清、无水印(增值服务) |