《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》

  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

《基于人工蜂群算法优化支持向量机的变压器故障诊断》

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

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。