郭如雁，彭敏放，曹振其

(湖南大学电气与信息工程学院，湖南 长沙 410082)

1 引言

变压器是电力系统中传输电能的重要设备，关于变压器故障诊断的研究对电力系统的运行、维护和检修具有十分重要的意义。在电力系统中500/220 kV和500/330 kV油浸式变压器是各变电站常用的设备，虽然变压器的故障率较低，但由于附件(如分接开关)质量问题，线匝、线饼间的绝缘损坏，内部绝缘距离不够，绝缘油被污染，雷击，出口短路，长期过载，过电压运行等内外部原因，均能造成变压器的重大故障，给国民经济造成严重损失。为保障电力系统的安全可靠稳定运行，国内外各学者围绕变压器故障诊断，做了多个方向的研究。文献[1]通过小波变换对绕组行波的频率响应进行分析，文献[2]通过测量变压器原边电压电流利用二端口网络知识在线监测短路阻抗，文献[3]通过提取变压器振动信号的时域特征进行主分量分析，文献[4]通过迁移学习将故障数据清洗得到的有效知识输入支持向量机进行故障分类，文献[5]基于变压器油溶解气体(Dissolved Gas Analysis, DGA)的油色谱数据结合深度神经网络进行分析等。由于前四者分别具有电磁干扰、对故障反映的灵敏度低、感应高压造成的安全隐患、集成多个二分类诊断器效率不高等问题，目前基于DGA的故障诊断[6,7]依然是变压器故障诊断的主要方法之一。

基于DGA诊断有实时在线进行，安全无干扰、发现变压器早期潜伏性故障[8]等优点，结合深度学习神经网络强大的特征提取并进行多分类的能力，能较大地提高变压器故障诊断的准确率，并且所建模型具有性能稳定、易收敛的优点，是一个新颖且发展前景广阔的研究方向。……