张育杰，李典阳，2，冯 健，王善渊

（1. 东北大学信息科学与工程学院，辽宁省沈阳市110819；2. 国网辽宁省电力有限公司，辽宁省沈阳市110006）

0 引言

电力变压器作为电网输配电系统的重要设备，如发生故障将会影响电能传输、电网运行稳定及社会用电可靠性［1-2］。因此，对变压器进行故障诊断及预判对于保障电力系统的稳定可靠运行具有重要意义［3］。

变压器发生故障时，绝缘油与固体绝缘材料会发生裂解，产生氢气（H2）、甲烷（CH4）、乙烷（C2H6）、乙烯（C2H4）、乙炔（C2H2）、一氧化碳（CO）、二氧化碳（CO2）等气体［4］，油中溶解气体分析（DGA）成为现场常用的故障诊断方法。随着诊断方法的发展，多种智能算法［5-7］被用于故障分析。

受限于算法原理，智能诊断算法大都存在不足之处，尤其是参数的选择对诊断效果影响很大，相关研究提出了改进磷虾群算法（IKHA）［8］、帝国竞争算法（ICA）［9］、遗传算法（GA）［10］等多种优化算法及参数筛选方法，以达到更好的诊断效果。为克服单一诊断算法的局限性并进一步提升诊断准确率，提出多种融合决策方法［11-12］。文献［13-14］将DGA 数据、电气及油试验数据等作为智能诊断算法的输入，再将其结果进行融合诊断。这些方法适用于事后故障分析，难以实现在线诊断，且没有分析诊断算法间的互补性。

目前，变压器智能诊断方法存在2 个问题有待解决。①DGA 方法所采用的气体比值对于诊断效果影响较大，需采用恰当的方式从多种气体比值参量中选取可提供充足诊断信息的故障征兆。文献［15］采用遗传算法（GA）从多种气体比值中优选故障征兆子集并优化支持向量机（SVM）参数。……