焦振毅，任建文，陈 鹏

0 引言

电力变压器是电力系统的枢纽设备，其运行状态直接关系到电力系统的安全与稳定。状态检修已经成为变压器检修的发展方向。正确把握变压器的运行状态是状态检修成功与否的关键，而要了解变压器状态，就需要对变压器状态信息进行分析诊断。

变压器的故障和状态信息之间不存在简单的一一对应的关系，一种故障可能对应多种状态信息，而一种状态信息也可能对应着多种故障，这就为变压器状态的诊断增加了难度［1］。

本文选择引入模糊理论来构造变压器状态诊断模型，根据变压器各部件状态信息量的注意值和良好值，以及状态信息量和故障原因的对应关系，构造基于状态信息量的隶属函数，计算故障概率，对得出的故障概率，按照最大隶属度原则判断故障原因。

1 模糊诊断原理

设A 是论域X 到闭区间［0，1］的一个映射，即对于论域X 中的任一元素x∈X，都指定了闭区间［0，1］中一个数A(x)∈［0，1］与之对应，则称A是X 上的一个模糊集合，A (x)称为模糊集合A的隶属函数，A (x)的值称为x 对模糊集合A 的隶属度［2～3］。

模糊诊断的方法正是通过某些征兆的隶属度来求出各种故障原因的隶属度，然后通过阈值原则或最大隶属度原则来确定对象的故障原因［4］。

设观测到某设备的一征兆群样本X =(X1，X2，…，Xm)，同时得出此样本中各分量元素xi对征兆i 的隶属度，则将X 中各元素转换成隶属度，就构成了故障征兆模糊向量:

假设该征兆样本是由故障原因yi产生的，yi对各种故障原因的隶属度为Y (yi)，则构成了故障原因模糊向量: