《表1 四种算法的准确率:基于人工蜂群算法优化支持向量机的变压器故障诊断》
本文采用300条变压器原始DGA故障数据,随机选取总数据的80%充当训练数据,其余数据作为测试数据。利用上述归一化处理后的变压器故障数据作为输入,并将ABC-SVM模型的变压器故障诊断精度与GA-SVM、PSO-SVM、SVM进行对比分析。如表1所示,GA-SVM、PSO-SVM、ABC-SVM的变压器故障诊断准确率均高于SVM的故障诊断精度,表明对SVM参数进行优化,可以进一步提高SVM的故障分类精度。而ABC-SVM的故障诊断准确率高于GA-SVM、PSO-SVM,表明人工蜂群算法比遗传算法、粒子群算法的优化性能较好,验证了基于ABC-SVM的变压器故障诊断模型的有效性和优越性。
图表编号 | XD00115800300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.18 |
作者 | 季伟、胡伟 |
绘制单位 | 上海电力大学电子与信息工程学院、上海电力大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |