朱瑞金，郝东光，胡石峰

（1.西藏农牧学院电气工程学院，林芝 860000；2.国网西藏电力有限公司，林芝 860100）

变压器是发电厂和变电所的主要设备之一。变压器的运行状态关系到整个电力系统的稳定性，倘若其发生故障会引发局部或者大面积停电，造成巨大的经济损失。因此，对变压器故障做出准确地及时诊断对于电力系统的安全运行具有重要意义[1]。

变压器故障诊断主要包括特征提取和模式识别两个步骤。特征提取的质量对于分类准确率有着至关重要的作用，已有的方法主要包括三比值法、Rogers比值法、大卫三角形法及Dornenburg比值法[2-3]。这些方法是以溶解气体分析DGA（dis⁃solved gas analysis）为基础，通过四则运算构建人工特征，具有方法简单、容易实现的特点，因而在实际应用中发挥了重要的作用。然而，这些方法需要依靠专家经验选择特征，特征提取的过程没有统一的理论依据，总结的特征个数有限，不具有普适性。模式识别指的是对提取的特征进行分析以诊断出变压器的故障类型。传统的方法主要包括支持向量机SVM（support vector machine）、贝叶斯网络、k近邻、模糊集理论、多层感知机MLP（multi-layer per⁃ceptron）和XGBoost算法[4-7]。其中：SVM处理小样本数据集的速度较快，但由于它的本质是一个二分类器，对于变压器故障诊断这种多分类问题，它的准确率不高；贝叶斯网络在使用时需要预先设定先验概率，可能会由于假设的先验概率不够准确而导致分类的效果不好；MLP虽然有着较强的学习能力，但它容易出现过拟合现象，而且特征提取能力有限；……