（一）研究背景

变压器在现在的电力系统中承担着非常重要的角色，作为当中最重要且昂贵的设备，它如果出现故障，可能会导致非常严重的电力事故并造成巨大的经济损失^[1]。过去，变压器的预防性维护主要建立在定期预防性试验的基础上，变压器的维护在过去主要是依靠定期做预防性试验为基础的预防性维护。随着电力行业的发展，电力变压器向着高容量、高电压等级的方向发展，传统的预防性维护在安全上、经济上都已不能满足当前的需要。研究以在线监测为基础的变压器故障诊 断技术，以便实时或定时在线监测与诊断潜伏性故障，提高变压器的运行维护水平，对电力系统的安全运行具有重要的现实意义。

研究以在线监测为基础的变压器故障诊断技术,以便实时或定时在线监测与诊断潜伏性故障,提高变压器的运行维护水平,对电力系统的安全运行具有重要的现实意义^[1]。变压器油中溶解气体分析是变压器内部故障诊断的重要手段。我国当前大量应用的是改良三比值法,但利用三比值法作为变压器故障诊断的判据存在两方面的不足,即所谓编码缺损和临界值判据缺损。人工神经网络以其分布式并行处理、自适应、自学习、联想记忆以及非线性映射等优点,为解决这一问题开辟了新途径。当前变压器故障诊断系统大多数都是采用BP网络模型,但由于BP网络自身结构的特点,在训练样本较大且要求精度较高时,网络常常不收敛且容易陷入局部最优。 针对BP网络的不足,本文提出了建立基于概率神经网络的变压器故障诊断系统。概率神经网络在解决分类问题的应用中,用线性学习算法来完成以往非线性学习算法所做的工作,同时又能保持非线性算法的高精度等特性,而且网络对应的权值就是模式样本的分布,网络不需要训练,因而能够满足训练上实时处理的要求。本文对基于不同网络模型的两个系统进行了大量仿真,仿真结果表明基于概率神经网络的变压器故障诊断系统在速度、正确率以及追加样本能力等各方面的能力都要优于BP网络系统

（二）国内外现状

变压器故障诊断就是对变压器运行状态和异常情况做出判断。也就是说，在变压器没有发生故障之前，要对变压器的运行状态进行预测和预报；在变压器发生故障后，对故障的原因、部位、类型、程度等做出判断，并进行维修决策^[2]。

变压器故障诊断通常按下列方式分类。

(1)从诊断方式分：功能诊断和运行诊断。功能诊断指检查变压器运行功能的正常性，它主要用于变压器新安装或刚大修后。运行诊断指监视变压器运行的全过程，主要用于正常运行的变压器。

(2)从诊断连续性分：定期诊断和连续监控。定期诊断是按规定的时间间隔进行，常用于渐发性故障及可预测性故障。连续监控贯穿于变压器的整个运行过程，常用于变压器出现突发性故障及不可预测性故障。

(3)从诊断信息获取方式分：直接诊断和间接诊断。当变压器运行时，进行直接诊断是很困难的，通常是利用二次的、综合的信息进行间接诊断。变压器的故障诊断可按两个步骤进行：判断有无故障和判断变压器的故障类型。根据变压器故障诊断技术的发展和国内外学者的研究，可把变压器故障诊断的方法分为两类：传统方法和智能方法。