王磊， 陈长征

（沈阳工业大学 机械工程学院，沈阳110870）

0 引 言

电力变压器是电力系统的重要组成部分，长期以来，对变压器运行稳定性的判断是通过定期检修来实现的，由此产生的维修过剩和维修不足给社会带来了巨大的经济损失。因此，为了降低变压器运行风险，准确判断变压器健康状态，保证变压器安全可靠地运行，变压器检修模式由定期检修向状态检修过渡已成必然趋势。

变压器健康状态评估是状态检修的基础，只有通过准确预测变压器健康状态，做出合理的检修方案，才能保证变压器安全稳定地运行。目前，国内外学者已经提出了很多有成效的变压器健康状态评估方法，文献[1]通过主观赋予权重的方法，中和油中溶解气体因子和油特性试验因子得到变压器健康指数，利用健康指数判断变压器健康状态，但由于主观性较大，变压器健康状态预测准确度较低；文献[2]根据油中溶解气体所测特征量，基于BP神经网络算法来判断变压器健康状态，当网络隐藏层较多时，BP神经网络出现局部最优解的现象，导致变压器健康状态预测准确率较低；文献[3]研究了模糊评估算法在变压器状态评估中的应用，但该方法对变压器数据样本要求较高，且不适合单个数据样本预测；文献[4]探讨了支持向量机对变压器健康状态的评估，但该方法在大样本多分类的情况下预测准确率较低。

随着大数据时代的到来，深度学习被证明对原数据有强大的表征能力。……