崔金豹， 徐永海

(1.鄂尔多斯市和效电力设计有限责任公司, 鄂尔多斯 017000； 2.华北电力大学电气与电子工程学院, 保定 071003)

变压器是电力系统中必不可少的电气设备，其可靠性直接影响到电力系统的安全[1]，溶解气体分析(dissolved gas analysis,DGA)技术是判断变压器状态的主要方法。与局部放电监测方法相比，它具有更强的抗干扰能力，在世界范围内得到广泛应用[2-3]。DGA在线监测系统可在一个监测周期内获得8种气体浓度，根据这些实时监测值，报警系统将实时瓦斯浓度及其上升率与设定的报警阈值进行比较，来判断变压器的运行状态。因此，合理设置预警阈值是保证预警准确率的关键[4]。

对于预警阈值的设置，已经存在多种方法。文献[5]提出了一种新的图解法基于所有7种气体，一氧化碳(CO)和二氧化碳(CO2)作为重要指标；文献[6]也提出了一些新的指标，为克服传统图论方法的矛盾，采用基于特征气体的图形化技术对变压器故障进行了诊断。以上基于图论和新准则的方法可以克服一些局限性，但解决模糊边界问题仍然是一个挑战。

除了传统方法，随着人工智能技术的兴起，人工神经网络和支持向量机等也得到了广泛应用。文献[7]提出了一个基于模糊逻辑的强大专家系统；文献[8]将基于模糊逻辑的自适应神经模糊推理系统应用于DGA；文献[9]使用深部信念网络(deep belief network, DBN)反映溶解气体比率与转换断层之间的数学相关性。人工神经网络、DBN、支持向量机(support vector machine,SVM)和模糊逻辑等智能算法虽然可以取得较好的精度，但它们需要大量的样本数据和专家经验，并且耗费了大量的计算时间[10]。……