仝兆景，秦紫霓，赵运星，芦 彤，郑 权

(1.河南理工大学 电气工程与自动化学院，河南 焦作 454000;2.上海宝冶集团有限公司 郑州分公司，河南 郑州 450000)

变压器是保障电力网络安全稳定运行的基础设备，复杂的运行环境和独特的负荷曲线使其频繁发生故障。在故障状态中运行会导致变压器性能退化，对电力网络运行产生严重的安全隐患。对变压器进行故障诊断研究，及时发现变压器存在的潜伏性故障并纠正变压器的不良运行状态，对延长变压器的运行寿命具有重要意义[1-2]。为了保障变压器在线监测数据的可靠性且不对变压器造成损伤，本文采用油中气体浓度分析(Dissolved Gas Analysis，DGA)技术对变压器的运行状态进行监测。DGA技术是变压器在线监测中应用最广泛也是最为可靠的一种方法，具有操作简单、技术可靠和经济适用等优点[3-4]。传统的DGA技术例如三比值法、四比值法、罗杰斯比值法等[5]通过采集油中气体浓度并利用其比值编码对变压器的故障情况进行分析。变压器的比值法虽然具有操作简单、结果明确等优点，但仍然存在编码不全、比值过于绝对、对热性故障诊断准确率不高以及不能提前发现隐含性故障等问题。随着人工智能算法的兴起，将人工智能算法与传统故障诊断方法结合成为当今研究的热点。贝叶斯网络是一种能够在数据缺失情况下实现因果关系推理的智能算法，并能够实现不确定关系的精准表达[6-7]。本文将改良的无编码比值法与贝叶斯结构学习相结合，通过改进贝叶斯网络的搜索策略以及评分函数与变压器的故障类型结合，建立基于贝叶斯搜索评分算法的变压器故障模型诊断，提高了变压器故障的诊断效率。……