杜丽艳，魏国华

（秦皇岛电力公司，河北 秦皇岛 066004）

0 引 言

作为现代电力系统中的一个重要组成部分，变压器承担着电力传输和分配的任务。电力变压器的早期故障诊断是防止变压器电气绝缘恶化而产生严重系统停运的一项重要措施。因此，变压器必须严格进行定期检查，以发现早期故障，并防止它们进一步恶化。

变压器油中溶解气体分析（Dissolved Gas Analysis，DGA）技术［1－4］一直被认为是诊断电力变压器早期故障的有效手段。然而，这种方法本身存在一定程度的不完善，甚至对于同一组DGA数据，采用不同的方法，有时会得到不同的诊断结果［5］。另外，变压器结构的复杂性以及故障原因、故障现象和故障机理的多样性，也使得其绝缘故障诊断存在许多困难。

文献［5－8］提出了专家系统法。专家系统是总结各方面专家经验和实践经验，形成规则，利用规则的匹配关系，诊断故障原因和部位。这方面的应用，有很多成功的先例，但是ES有两大局限性：（1）知识获取的“瓶颈”问题；（2）诊断推理不确定性问题。

由于优越的学习和泛化能力，以及在实际应用中的内置容错性，人工神经网络（ANNs）［6－8］已被提出来解决变压器故障诊断问题。ANNs可以通过新增样本训练获取新经验。此外，ANNs通过BP算法进行训练，具有良好的诊断能力。然而，ANNs至今留下了一些尚未解决的问题，如局部训练收敛慢，需要人工确定网络结构和参数等问题。

因为典型的搜索空间往往具有局部最小，基于遗传梯度的BP算法可能停滞在这些潜在的局部最优解中，削弱了ANNs的性能。……