,,张作, ,

(1．广东电网有限责任公司惠州供电局，广东 惠州 516000；2.西安交通大学电气学院，陕西 西安 710049)

0 引言

电力变压器作为电力系统的关键设备，在电网中起到能量传输、分配的功能，其运行状况的健康与否直接关系到整个电网的安全性及稳定性。如未能及时发现电力变压器的潜在故障，未能及时安排相应的检修工作，往往会导致该变压器所管辖的供电区域大面积停电，造成巨额的经济损失[1-2]。因此，深入研究电力变压器的故障诊断，降低故障的发生率，避免事故的发生尤为重要。

大型电力变压器由于其内部结构的复杂性和故障的多样性，需要通过大量的试验进行变压器的状态评估[3]。其中，油中溶解气体分析(DGA)通过检测气体的组分和含量来分析设备的状态，不受外界电磁场的干扰，不影响变压器的正常运行，同时可实现实时在线监测及时发现内部潜伏故障，是检测电力变压器内部潜在故障的最主要手段之一，且在《电力设备预防性试验规程》中被列为首位[4]。

随着信息技术、人工智能、数据挖掘领域的发展，基于油色谱分析的诊断方法的研究从传统的三比值法、IEC三比值法、Rogers法、大卫三角形法等转变为专家系统、粗糙集算法、人工神经网络、支持向量机等智能信息处理算法[5-6]。其中，支持向量机基于结构风险最小化原则构建分类器，能够较好地解决小样本、高维度、非线性数据集的模式识别问题。文献[7]利用PCA和KICA对变压器油色谱数据进一步特征提取，并利用支持向量机取得良好的诊断效果。……