贾京龙，余涛，吴子杰，程小华

（华南理工大学 电力学院，广州510640）

0 引 言

随着经济发展，国民生活水平不断提高，相应地对供电可靠性要求也越来越高。变压器是电能传输和转换的重要枢纽，是电网的重要组成部分，电厂发出的电需要通过升压变压器将电送到电网，电网的电需要通过降压变压器将电送至用户，变压器的正常运行关系到电网安全稳定，关系到国民经济的发展，因此对变压器故障做出及时准确地诊断具有重要意义。

变压器故障时会在绝缘油中产生大量气体，基于油中特征气体的比例可以判断变压器相应故障类型，目前分析变压器油中溶解气体组分与含量是监视充油变压器安全运行的最有效措施之一，我国已有40多年的使用历史，并且取得了不错的效果。基于特征气体比例的分析方法有三比值法、改良三比值法等等，但是存在编码不全，编码界限过于绝对的问题，因此一直以来相关人员对基于DGA的变压器故障分类做了大量研究工作，提出了很多种方法，主要有模糊推理［1］、专家系统［2-3］、人工神经网络［4-6］以及支持向量机［7］（Support Vector Machine，SVM）等，这些方法克服了三比值法的不足，但是这些方法又都存在诸多的问题。

深度学习（Deep Learning）是人工神经网络的一种，网络通常由很多层组成，由Geoffrey Hinton教授在2006年提出［8］，相比于传统的浅层神经网络，深度学习解决了BP神经网络等浅层网络表达能力不足，容易过拟合的缺陷，并表现出强大的特征提取与分类能力。深度学习模型目前主要有深度置信网络（Deep Belief Networks，DBN）和卷积神经网络（Convolutional Neural Networks，CNN）。……